來源：睿見Economy

　　11月22日,，由《財經(jīng)》雜志,、財經(jīng)網(wǎng)、《財經(jīng)智庫》聯(lián)合主辦的“《財經(jīng)》年會2024：預測與戰(zhàn)略”在北京舉行,。中國信息通信研究院副院長魏亮出席并發(fā)表演講,。

　　魏亮表示,，人們正在邁向通用人工智能,。去年ChatGPT發(fā)布以前，大家沒有那么樂觀,，大家認為還是處于弱人工智能的時代，而且這個時代還會持續(xù)很多年,，對人工智能的快速發(fā)展大家都沒有非常充分的認識,，突然之間ChatGPT發(fā)布以后，大家感到通用人工智能撲面而來,。

　　“大模型階段,，對照大模型的能力,，它已經(jīng)非常接近通用人工智能,。”

　　同時,，當前的大模型應用帶來的三大變革和三個挑戰(zhàn),。

　　魏亮指出，變革包括人機交互的變革,、生產(chǎn)力的變革,、研發(fā)的變革。人機交互的變革很顯而易見,，原來機器能理解的是一些指令,，要讓機器干特別的事情，必須由研發(fā)人員替你編程,，把你的需求翻譯成機器能聽懂的語言,，你的程序，然后你就可以做一定的應用,，程序的輸入可以是比較靈活的,，總的來說你要干什么必須要有特定的程序針對某個應用進行編程。有了大模型之后這些都不需要了,，你可以有非常自然的多模態(tài)的輸入,，比如自然語言的輸入、圖片的輸入或者視頻的輸入,，這些輸入也不需要為某個應用專門編程,，這是對輸入模式的演進,，非常靈活,，輸入階段,。

　　在處理階段，原來編程除了要翻譯以外,，還要想好每一步怎么做,，做什么,，任務怎么拆解，整個邏輯是怎么樣的,，思維鏈是怎么樣的,，有了大模型以后它可以通過語法分析多輪的對話來理解你的意圖，自動把你的任務拆解了以后有邏輯的串聯(lián)起來,，通過搜索它的千億級的參數(shù),，它就可以知道怎么來做，最后給你個答案,，核心處理技術也是一個創(chuàng)新,。

　　輸出階段，可以有一個多模態(tài)的輸出,，視頻也好,，圖象也好，文字也好,，甚至直接控制一個機器人,，你想做什么，它控制一個機器狗替你做了,，或者控制周邊的設備,、傳感器或者靈活的利用周邊的設備幫你把工作完成，它的輸出不僅僅是簡單的輸出,，它可以變成一個任務的結(jié)果,，這是關于人機交互的變革。

　　第二個變革是生產(chǎn)力的變革,。魏亮稱,，一般來說很多技術要真正的影響你的生活需要很長的時間或者很長的過程，比如你研發(fā)了新材料,，新材料有了以后大家非常興奮,，比如超導材料，真正用到你生活中的某一項設備或者某一項生活周邊,，需要很長的時間,。但是ChatGPT去年出來以后到現(xiàn)在剛剛一年，已經(jīng)改變了很多,，可能有些行業(yè)接觸的比較多一些,，感受比較深刻，有些行業(yè)還沒有看到,。

　　比如軟件行業(yè),，軟件行業(yè)已經(jīng)有了非常大的變革，有些行業(yè)的數(shù)據(jù)需要治理需要規(guī)范,，沒有很好的數(shù)據(jù)員,，軟件行業(yè)不一樣,，好的軟件好的程序大家都公認的。有了這些語料有了這些數(shù)據(jù)集以后可以輸出很好的成果,，在軟件工程里面大模型已經(jīng)有了非常好的應用,，GitHub Copilot發(fā)布以來為100多萬開發(fā)者編寫46%的代碼，5年后預計80%代碼由AI生成,，有一些軟件企業(yè)已經(jīng)不需要那么多程序員了,，很多事情都可以人工智能使用，而且這個確實提高了效率,，減少了人員,。

　　第三個變革是對研發(fā)的變革。魏亮指出,，研發(fā)的變革是一個范式的變革,。大模型時代的范式，你只管把數(shù)據(jù)給它,，不需要你去思考,，它替你思考，給出一個答案,，你喂給它足夠多的數(shù)據(jù),，它可以給結(jié)果，中間會提煉出一些公式提煉出一些理論,，但是它是相對比較直接的通過數(shù)據(jù)直接觸摸人們的事實或者現(xiàn)實,。有了大模型以后原來的很多事情通過大模型做一些仿真驗證就行了，或者在藥物開發(fā)方面或者在遙感方面,，通過大模型很容易開發(fā)產(chǎn)品和工具,，這是對科研的新范式，通過數(shù)據(jù)到結(jié)果到事實,。

　　對于面臨的挑戰(zhàn),，魏亮指出，第一是高質(zhì)量的數(shù)據(jù)的供給不足,，大多數(shù)企業(yè)都在認為數(shù)據(jù)處理是重大挑戰(zhàn),，缺乏高質(zhì)量的數(shù)據(jù)集，缺乏很好的數(shù)據(jù)治理平臺,，缺乏數(shù)據(jù)治理的方法,，現(xiàn)在數(shù)據(jù)流通還有一定障礙，在我們國家版權數(shù)據(jù)用于 訓練是否完全合規(guī)還是在探討過程中,，要求有合法渠道獲得的數(shù)據(jù),，這樣也是一定的障礙。第二是模型運維管理不成熟,，組織落地的驅(qū)動力不足,，模型的治理非常復雜,，難以追溯,，支撐的工具很難用也很難集成,。第三是缺乏風險防控的體系，這個體系相對比較薄弱,，工具不成熟,，責任主體不明確，流程不規(guī)范,。

　　對此,，魏亮談及，針對這些風險也有幾方面的工作可以做,，首先數(shù)據(jù)治理方面可以建立一些很好的企業(yè)中臺,，建立數(shù)據(jù)治理的平臺，提高企業(yè)內(nèi)部治理的供給能力,，同時也可以全生命周期的數(shù)據(jù)質(zhì)量管理來提升這個能力,，總的來說提升高質(zhì)量數(shù)據(jù)的供給能力，有利于整個大模型的好用能用,。因為管理方面可以連接我們的管理團隊部署團隊運營團隊等等,，把他們關聯(lián)起來一塊做努力，建立一個標準化體系,，這都是怎么把大模型工程化落地的一些關鍵要素。風險管控方面可以通過機構的設置,、一些管理機制的落實，實現(xiàn)人工智能的戰(zhàn)略目標,，這些都是比較理想的,，這是人們要把人工智能真正工程化運用到產(chǎn)業(yè)中去需要努力的方向。

　　展望通用人工智能賦能新型工業(yè)化,，魏亮強調(diào)，新型工業(yè)化非常重要,，中國夢具體到工業(yè)領域的路線就是新型工業(yè)化,，在新型工業(yè)化中我國有非常好的機遇應用人工智能，直接走到智能化,。

　　“我們正在快速進入數(shù)字化的階段,，在這個過程中又恰逢通用人工智能大模型的機遇，我們有條件有理由很好的把大模型應用到工業(yè)生產(chǎn)中去,?！彼f,。