作者丨吳思瑾

編輯丨王與桐

*

大語言模型的火爆已經(jīng)不必多言。在爆發(fā)的同時,，越來越多其他領(lǐng)域的大模型也開始出現(xiàn)在聚光燈下,。

36氪近期接觸到一家人工智能模型公司「謎題科技」，聚焦在決策智能領(lǐng)域,，于2022年12月發(fā)布推出了對標(biāo)DeepMind Gato的人工智能模型DB1,，該模型由CV,、NLP、強化學(xué)習(xí)和多智能體四者嵌套于一體,，可面對單智能體和多智能體進行連續(xù)的,、離散的決策判斷，同時還具備泛化遷移能力,，支持并發(fā)處理千個以上決策任務(wù),。據(jù)介紹，謎題年內(nèi)還將發(fā)布同系列模型DB2,。

DB1對標(biāo)的Gato是DeepMind在2022年5月推出的“通才”型人工智能模型,，會根據(jù)上下文決定是否輸出文本、關(guān)節(jié)扭力,、按鈕按壓或其他標(biāo)記物,，具有多模態(tài)、多任務(wù)和多組件的特點,。官方信息顯示,，Gato可以執(zhí)行604項不同的,、多領(lǐng)域一般任務(wù)，這些任務(wù)具有不同的模式,、觀察和行動規(guī)范,，比如在具有相同權(quán)重的同一網(wǎng)絡(luò)下可以完成玩雅達利游戲、給圖片加標(biāo)題,、聊天和用真正的機器人手臂堆積積木等等……

謎題科技首席科學(xué)家汪軍向36氪介紹：“DB1是全球首個人工智能多模態(tài)決策大模型,，在多方面有著超越Gato的表現(xiàn)，比如DB1不止支持單智能體控制,，還支持多智能體協(xié)同,、人機策略協(xié)同；在參數(shù)量上也超越11.8億的Gato達到13.2億,；與Gato追求在虛擬空間中無限衍生任務(wù)能力不同的是,，DB1更注重在產(chǎn)業(yè)中落地，成為企業(yè)環(huán)境中的超級大腦,。”

圖源：謎題科技

以目前大熱的AIGC（AI Generated content,，人工智能生成內(nèi)容）為參照,，謎題認(rèn)為自己屬于AIGA（AI Generated Action，人工智能生成決策）范疇,。

AIGC的核心是大語言模型,，大語言模型是指使用大量文本數(shù)據(jù)訓(xùn)練的深度學(xué)習(xí)模型，可以生成自然語言文本或理解語言文本含義,，完成多種自然語言任務(wù),，如文本分類、問答,、對話等,。

謎題所說的AIGA是指通過深度學(xué)習(xí)技術(shù)，在原有從數(shù)據(jù)中發(fā)現(xiàn)規(guī)律的基礎(chǔ)上,，再次將規(guī)律返回至產(chǎn)生數(shù)據(jù)的動作本身,，生成新的數(shù)據(jù)從而實現(xiàn)迭代。在這個過程中,，模型積累了“理解”能力和“決策”能力,，這種能力需要在產(chǎn)業(yè)場景中落地,，才能為企業(yè)帶來價值。

AIGA以決策大模型為核心,，謎題的決策大模型DB1是一個輸入自然語言,、圖像,、控制,、機理,、決策、仿真等多任務(wù),、多模態(tài)數(shù)據(jù)的預(yù)訓(xùn)練系統(tǒng),，通過結(jié)合產(chǎn)業(yè)場景任務(wù)進行微調(diào)，形成定制化的模型訓(xùn)練系統(tǒng),，幫助企業(yè)解決決策問題,。

與當(dāng)前主流的千億參數(shù)大語言模型不同，DB1只有10億級別,，為此汪軍向36氪介紹：“DB1主要面向ToB產(chǎn)業(yè)場景，和面向ToC通用場景的大語言模型不同,，因此技術(shù)上暫不需要更大的參數(shù),；雖然DB1才10億級別，但已經(jīng)在產(chǎn)業(yè)落地實踐過程中取得了較為驚艷的表現(xiàn),，以某電力公司設(shè)備自動化運維場景為例,，謎題已經(jīng)解決了其以前70%以上根本解決不了的問題。此外,，‘決策’本身就是一件很難的事情,，因此想要找到大量決策類數(shù)據(jù)用于訓(xùn)練，也是公司發(fā)展過程中必須面對的挑戰(zhàn),，目前謎題的做法是除開源數(shù)據(jù)外,，還構(gòu)建了大量小模型來生產(chǎn)決策、軌跡和控制等數(shù)據(jù)變成大模型的學(xué)習(xí)輸入,。未來,，隨著DB1產(chǎn)業(yè)應(yīng)用數(shù)據(jù)的不斷擴大，參數(shù)規(guī)模也將隨之變大,，性能和表現(xiàn)定會提升,，謎題更長遠的目標(biāo)是成為以決策大模型為核心的決策智能平臺，去解決產(chǎn)業(yè)上的各類復(fù)雜問題,?！?/p>

2022年，謎題合同收入過千萬,，6個合作項目分布在通信,、自動駕駛,、汽車、能源等領(lǐng)域,，應(yīng)用場景包括游戲智能,、機器人控制、多智能體協(xié)同,、自動運維及優(yōu)化等,。

在具體的應(yīng)用場景中，DB1需要與ChatGPT這類聊天機器人協(xié)同才能完成任務(wù),。人類通過對聊天機器人下達任務(wù),，聊天機器人驅(qū)動DB1進行任務(wù)分解，并通過API操控其他系統(tǒng)完成執(zhí)行,。比如ToB場景下的機器協(xié)作控制,、設(shè)備動態(tài)自主運維、企業(yè)自動化調(diào)度,、軟件開發(fā)測試,、能源智能優(yōu)化和超級RPA；ToC場景下的游戲生產(chǎn)和NPC智能及超個性化助理,。

圖源：謎題科技

為了實現(xiàn)這種交互，DB1的訓(xùn)練方向包括：與計算機交互且具有邏輯思維和決策能力,、與互聯(lián)網(wǎng)交互并實現(xiàn)自學(xué)習(xí),、通過API操控外部環(huán)境的能力。

之所以謎題能完成決策智能領(lǐng)域的人工智能模型研發(fā),，與其團隊背景和資質(zhì)有著緊密的關(guān)系,。首席科學(xué)家汪軍是倫敦大學(xué)學(xué)院（UCL）計算機系教授、上海交通大學(xué)-約翰·霍普克羅夫特客座教授,、全球唯三的前華為AI首席科學(xué)家,、阿蘭·圖靈研究所Turing Fellow，著有數(shù)百篇學(xué)術(shù)論文,，多次獲得最佳論文獎,，還是原MediaGamma聯(lián)合創(chuàng)始人，后被美國Beeswax于2020年收購,。CEO郭宏博畢業(yè)于東北大學(xué)碩士學(xué)位,，模式識別與智能系統(tǒng)專業(yè)，是原阿里云企業(yè)大腦負(fù)責(zé)人,、百度AI平臺產(chǎn)品負(fù)責(zé)人,。據(jù)介紹，謎題團隊近百人,，其中博士學(xué)位員工占比近半,。

DB1雖然取得了一定效果,，但汪軍也坦言決策大模型仍處于早期階段，從技術(shù)到產(chǎn)品化,，中間還有很長的路要走，也會遇到很多挑戰(zhàn),，比如跨域任務(wù)采樣權(quán)重敏感,、跨域知識遷移困難、長序列建模困難,、專家數(shù)據(jù)強依賴和決策類數(shù)據(jù)稀缺等,。

在拓展市場時，謎題此前最大的難題是如何對外進行市場教育,，但ChatGPT的火爆讓該問題迎刃而解,。目前，公司獲客主要來自客戶口碑傳播和企業(yè)官方公眾號,。

不論是大語言模型還是決策大模型,，背后都飽含著企業(yè)從自動化時代向超自動化時代發(fā)展的期望。在國內(nèi),，不少RPA公司都開始通過并購,、自研或合作的方式構(gòu)建更多超自動化的能力，流程挖掘廠商也重點加注執(zhí)行器的研發(fā),，以期滿足市場需求,，實現(xiàn)端到端的解決方案。在海外,，Celonis是通過系統(tǒng)生成備選方案后由人進行判斷,，執(zhí)行器驅(qū)動關(guān)聯(lián)系統(tǒng)完成執(zhí)行。未來,，決策大模型會和大語言模型一起,，推動超自動化實現(xiàn)閉環(huán)，降低人為參與和決策的占比,，進一步釋放人類勞動力,。

謎題科技作為人工智能模型的企業(yè)之一，36氪將持續(xù)關(guān)注,。據(jù)介紹,，謎題正在進行千萬美元融資，凡卓資本擔(dān)任獨家財務(wù)顧問,。