TVP走進騰訊：直面變革浪潮，合力擁抱AI新時代

　　自ChatGPT問世以來，以通用人工智能為代表的AI技術發展開始“狂飙”，多家企業和研究機構入局大模型賽道，新應用場景不斷湧現。如何理解通用人工智能技術将帶來的巨大影響，并把握随之而來的機遇和挑戰，是我們面臨的兩大關鍵問題。

　　5月13日，「直面AI的新一輪變革浪潮」TVP走進騰訊活動重磅召開，活動邀請了來自産、學、研等領域的技術專家，閉門暢聊AI前沿熱點、未來趨勢，以多元視角碰撞出衆多深度觀點與精彩火花。

　　大模型時代的學科交叉研究：以政治人物建模為例

　　複旦大學大數據學院副教授、數據智能與社會計算實驗室負責人魏忠钰帶來了題為《大模型時代的學科交叉研究：以政治人物建模為例》的主題分享。

　　魏忠钰老師首先分享了現如今人類進入大模型時代，大模型為學科交叉研究帶來的機遇與挑戰，并以政治人物建模為例，剖析大模型對學科交叉研究的影響。

　　人類進入大模型時代

　　在自然語言處理領域，每個時代都有對應的範式。經曆專家系統、淺層機器學習及深層學習這三個發展階段，随着ChatGPT及GPT-4的出現，人類進入新的範式——由基座模型-指令微調-人類反饋形成的框架。

　　魏忠钰老師分析到，作為當下最前沿的技術力量，相較于傳統範式，大模型優勢更明顯：

　　● 特征表示上，專家系統是基于規則的辦法;淺層機器學習具備明顯的手工特征;深層學習采取低維稠密的建模方式;大模型升級到用簡單結構化數據，處理大規模高維複雜數據的水平。

　　● 模型構建上，傳統範式隻能根據任務，制作對應的定制模型，如分類模型、生成模型、檢索模型等;大模型以生成式框架完成多種任務，實現模型的大統一。

　　●泛化能力上，過去每個模型隻能解決一個指定任務或者一組相關任務;而預訓練的大模型可以在幾乎所有自然語言處理任務中進行小樣本甚至零樣本的适配使用。

　　大模型為學科交叉帶來的機遇與挑戰

　　大模型通過構建基座模型、利用交叉數據微調，在人機交互中不斷優化，實現快速開發具備一定動态交互能力的智能系統，解決了傳統範式在學科交叉領域上存在的數據樣式多變、難以泛化與複用、交互能力弱等問題。

　　魏忠钰老師分析到，大模型為學科交叉帶來新機遇，提供統一的建模範式、實現知識遷移、提高建模效果以及重塑學科交叉的技術框架。但大模型也有局限性，它以語言模型為基礎，僅能處理文本序列數據，對真實場景中存在的其它蘊含知識的數據形态進行處理，比如行為數據、關系數據等。

　　魏忠钰老師表示，想要真正發揮大模型在學科交叉研究的影響，需要在強大的語言模型的基礎上，考慮如何增強其多數據類型的處理能力，擴展它對于領域知識的理解和使用，隻有這樣才能達到對真實世界的深層次理解。

　　以政治人物建模為例，在大模型時代下學科交叉研究的發展

　　政治人物建模是用數據構建政治人物的全面畫像，關鍵數據來源于公開言論、關系數據及行為數據。魏忠钰老師介紹了在研究過程中的三個階段：

　　●行為建模：基于政治人物的投票數據進行建模，可理解其政治傾向。

　　●社會關系建模：構建政治人物之間的互動與合作關系網絡，可理解其在政治網絡中的角色與地位。

　　●言論内容建模：分析政治人物的公開言論與文本數據，提取觀點與立場，可理解其思想主張。

　　三種類型的數據，在政治人物畫像的過程中各自有自己的局限性，行為建模的數據易受外界影響，難以清晰表達人的核心理念;社會網絡分析僅依賴關系數據，難以深入理解人的思想與主張;言論數據受到開放平台的影響，難以全面反映目标的真實立場。基于圖模型的建模方法可以将這三種類型的信息進行有效融合，完成對于目标人物的全面建模。

　　圖模型雖然可以有機融合三種數據，但是在具體的使用過程中，它也有自己的局限性，比如框架難以快速對未見過的議員進行快速的表示學習，從而限制了模型的場景遷移能力。為了進一步完善政治人物建模，魏忠钰老師及相關研究人員利用語言作為政治人物的表示學習基礎，構建出一體化的政治人物表征框架，特點如下：

　　●不直接學習政治人物節點的表征，而是學習政治人物言論到其表征的映射過程。

　　●通過檢索政治人物的所有公開言論，構建兩種粒度的言論表征：通用言論表征與政治領域言論表征。

　　●通過兩種自監督任務實現場景知識的注入與優化：

　　(1)結構感知對比學習：利用人物與黨派、其他人物的關系作為監督信号更新參數。

　　(2)行為驅動對比學習：利用人物與投票結果的關系作為監督信号更新參數。

　　在大模型基礎之上，政治人物表征框架利用大規模語料構建語言模型，通過設計自監督任務，實現外界知識的注入與優化，打開了一條融合多學科與多模态知識的新路徑，助推學科交叉領域的進一步發展。

　　引爆：ChatGPT與AIGC帶來的思考與應用趨勢

　　騰訊政策發展中心副主任Darren老師，帶來了《引爆：ChatGPT與AIGC帶來的思考與應用趨勢》的主題演講，從變革趨勢、産業應用及後續布局角度切入進行分享，探讨AI技術發展如何為用戶創造更高價值。

　　從超級個體看AIGC的發展

　　Darren老師指出，ChatGPT和GPT-4等先進語言模型的出現，标志着AI已經初步實現與人類的自然交互。這一突破預示着AI将對各行各業産生深遠影響。然而，将AI視為産品或服務的賣點是片面的，應把AI深度融入産品或服務之中，成為核心競争力。

　　另一大趨勢為産品逐漸從适應大多數用戶，轉向滿足每個用戶的個性化需求，這意味着“産品适配用戶”将取代“用戶适配産品”，甚至會出現“一次性使用”的産品。Darren老師表示，随着技術的進步，個性化定制的AI助理即将問世，但這項技術的前提，需要企業掌握海量的用戶數據，深度理解用戶需求并迅速響應，這意味着企業需有快速的産品設計與疊代能力。

　　從應用角度看AIGC的影響

　　AI技術的快速發展正在驅動産業變革，大模型與生成式人工智能的出現顯現出強大的生産力。Darren老師認為，随着大模型參數的增加和泛化能力的提高，AI可以完成更複雜的任務，生成式人工智能可高效生産各種創意和素材。

　　在人工智能的加持下，電商領域形成了逆向種草現象，通過AI生成多樣化案例，吸引用戶主動提出定制化意見，從而實現快速生産與銷售;AI變聲技術通過人工智能賦能音樂創作，實現更豐富多樣的音樂體驗;AI生成包裝設計可自動生成設計方案，提高效率的同時，滿足品牌和用戶的個性化定制需求。從C端滲透到B端，AI技術為傳統行業帶來了深刻影響。

　　大模型的未來布局

　　大模型創新面臨着社會各界缺乏共識以及企業視角局限的挑戰，該如何衡量創業賽道是否适合應用AI技術呢?Darren老師指出，關鍵因素在于賽道對AI技術的濃度。所謂“濃度”是指AI技術在這一賽道上的實際應用程度與集成度，隻有當AI技術能夠高度融入并在業務流程或領域中發揮關鍵作用時，才有望将AI從輔助工具變成颠覆性武器，從簡單的“點綴”變成“改變遊戲規則”的力量。AI的境界，就是AI與業務場景的深度融合。

　　選擇研發通用大模型還是領域模型?Darren老師表示，通用大模型與領域模型的優勢不同，通用大模型具有海量數據，專屬模型在特定領域中表現出色，例如Bloomberg的金融領域專業模型，需大量金融知識與數據投入，才能超越通用模型的表現。因此若是細分行業，可以嘗試建立領域專屬模型。預計下半年會有更多垂直領域的AI模型問世，這将成為未來企業創造價值的重要途徑。

　　圓桌論壇 |ChatGPT狂飙，如何應對AI的新一輪技術變革?

　　本場圓桌論壇以《ChatGPT狂飙，如何應對AI的新一輪技術變革?》為主題，由新浪微博新技術研發負責人、騰訊雲TVP 張俊林老師擔任主持，提出衆多深度問題，圖靈聯合創始人、智源研究院前副院長、騰訊雲TVP創始委員 劉江老師、複旦大學大數據學院副教授、數據智能與社會計算實驗室負責人 魏忠钰老師、熵簡科技聯合創始人、騰訊雲TVP 李漁老師共同參加對話交流。

　　ChatGPT引發巨大反響的原因

　　李漁： 這次給我們非常大的震撼，讓我們意識到AGI的曙光真正來了。我之前一直從事NLP方面的研究，這次以ChatGPT為代表的技術，相對之前有兩個方面的重要突破，第一，有強大的通用學習能力，用一個模型可以做各種各樣專業的任務，我們在多個金融場景下測試，效果超出業務人員預期;第二，它有強大的常識與推理能力，具備較為完備的常識知識與理解力，在生成語言表達時可根據上下文做出精準回應。

　　魏忠钰： 學術研究到産品化到商業落地，這個過程一直是非常漫長的，這個過程也給了整個社會接受新技術的時間。然而類似于ChatGPT這樣的大規模語言模型，本來在技術層面上就是最前沿的，而得益于的産品設計，直接從最前沿的學術理論，一躍成為商業産品，這帶來的影響是震撼的。相當于社會對技術的理解消化過程急劇縮短了。

　　通用大模型VS領域大模型的關系

　　魏忠钰： 通用模型和領域模型區别在于，通用大模型提供最基本的語義理解與知識表達能力，領域模型針對特定領域數據與任務進行優化，具有更加專業的知識與理解力。雖然大模型具備了強大的泛化能力，但在特定任務的學習過程中仍然存在一定程度的“災難遺忘”，使得它在具體任務中的表現并非出類拔萃。在一些特定場景下，我們對于模型的寬容度很低，因此，需要對模型進行任務或者場景導向下的定向調優，這給領域模型留出了空間。

　　張俊林： 關于這兩者的關系，現在市面上存在兩種不同的觀點。一種觀點認為，未來通用模型将越來越強，領域模型隻有建立在非常強大的通用模型上才能發揮優勢;另一種觀點則認為，直接利用領域數據在普通的通用模型上進行修正與優化，可以更快建立适用于該領域的強大模型。目前很多人更偏向于第二種觀點。

　　李漁： 我覺得通用模型和領域模型是互補的關系。GPT-4代表當前通用大模型的天花闆，它的背後對應着一個非常強大的認知能力，這種強大的認知和推理能力在小模型或是領域模型上是很難實現的。領域模型的好處在于更專業的場景上有更專業的知識和表達。在特定的任務場景下擁有獨特優勢。二者互相配合去完成現實世界中的各種複雜任務。

　　國内大模型研發的現狀、機遇與挑戰

　　李漁： 大模型整個生态是一個完整的鍊條，從基礎的算力到大模型的研發，再到産品化落地，是一個很廣的生态。做基座大模型對資源投入要求确實很高，目前階段，對于小團隊而言，做一些垂直領域的差異化的産品是更好的選擇。另外，算力的提升也是影響國産大模型發展很重要的方面。國内研發出與GPT-4完全對标的大模型所需要的具體時間目前來看較難确定，這取決于很多因素，但如果某個模型的認知與學習能力不斷在進化，它可以反過來調教另外的模型，實現螺旋上升的效果。

　　魏忠钰： 對國内大模型的研發，我保持樂觀态度，并且相信在基座大模型方面雙方距離是會越來越接近的，在當前的開源環境下，很多的所謂的“護城河”并不堅固，甚至可以說，沒有秘密可言。另外一個判斷是，目前的大模型依舊難以突破“意識”的天花闆，現在我們看到的或許已經是當前技術路徑的最終形态了，難以通過疊代實現“階躍式”的進步。如果是這樣的話，那麼，我們還有足夠的時間去無限靠近當前的最終形态。

　　張俊林： 類似GPT水準的模型，我相信國内一定是可以做出來的，隻要持續投入計算資源、數據采集與人才團隊等方面的成本就可以。我認為明年6月之前是可以做出對标ChatGPT3.5版本的，但是能達到具備GPT-4水準的模型，我的态度不太樂觀。因為就目前來說國内整體環境還是相對浮躁，要達到GPT-4水準還需要研發攻堅和大量的創新投入。

　　AI重構産業形态，如何應對沖擊與變革

　　李漁： 我認為我們應持積極擁抱的态度。ChatGPT作為工具，将為我們的工作效率帶來乘數級别的提升。越聰明、越積極主動的人，這個工具給他帶來的乘數效應将會越大，這對于個人而言是極其幸運的。對于企業來說，管理層也應當把數字員工計劃作為企業的重要議題開始考慮，當然這需要一定的時間。

　　魏忠钰： 我非常贊同超級個體這一概念。在這個時代後，對于個人創業者将會越來越友好。ChatGPT出來後，可以預見到很多技術門檻将會越來越低，在大模型時代，我們應該發揮主觀能動性，想方設法把這個東西用起來，真正去創造價值。

　　結語

　　随着大模型技術的日益成熟，未來通用人工智能将引發更多領域的變革與重塑，深層次的人工智能應用将創造更多跨業态、個性化、高效率的商業模式與服務模式。在通用人工智能時代，TVP将繼續秉持着“用科技影響世界”的初心，通過每一場深度分享，攜手行業技術專家，共同助推人工智能的健康發展，讓技術普惠于人。

　　TVP，即騰訊雲價值專家(Tencent Cloud Valuable Professional)，是騰訊雲授予雲計算領域技術專家的一個獎項。TVP緻力打造與行業技術專家的交流平台，促進騰訊雲與技術專家和用戶之間的有效溝通，從而構建雲計算技術生态，實現“用科技影響世界”的美好願景。