谁是当下中国乃至全球的“科技顶流”?AI大模型几乎毫无争议。
5月28日,科技部新一代人工智能发展研究中心发布的《中国人工智能大模型地图研究报告》显示,中国研发的大模型数量排名全球第二,仅次于美国,目前中国10亿参数规模以上的大模型已发布79个。而从大模型区域分布来看,中国已有14个地区在开展大模型研发,其中,北京、广东、浙江、上海处于第一梯队,数量最多的北京有38个大模型,第二位的广东有20个。
在全球大模型竞赛中,中国科学院院士、中国计算机学会开源发展委员会主任王怀民表示,过去5年世界上参数量超过百亿的大模型大约有45个,其中有32个出现在美国,9个出现在中国,4个出现在欧洲。
但是,发展迅猛、一路“狂飙”的中国AI大模型们,仍然需要一些冷静的思考。
大模型“智能涌现”令人兴奋,
AI能力开始不可预测
人工智能技术已经发展了很多年,为什么大模型出现后,学界、产业界乃至社会大众会如此兴奋甚至害怕呢?北京智源人工智能研究院院长黄铁军教授告诉《中国经济周刊》记者,AI之前更像是人类的助手,根据人类的指令做着人类能够确定结果的工作,比如你设计AI打开电灯,AI就只会打开电灯。
“但是,大模型之所以现在如此受关注,是因为当人工智能的参数量达到了百亿级别之后,出现了拐点或者说突变,人工智能的能力开始不可预测了,就是所谓的‘智能涌现’现象,人工智能一些没有被预期到的能力开始出现,这种不可预知让大家都很兴奋。”黄铁军说。
黄铁军介绍,这一波人工智能浪潮的核心任务就是训练模型,所谓模型,在人工智能领域的意思很明确,就是一个神经网络,而神经网络并没有什么特别的地方,我们人脑就是个神经网络。
“但人脑是一个很庞大的神经网络,大约有800多亿个神经元通过100万亿个神经突触进行连接,所以人脑的能力非常强。对比一下,最接近人类的猩猩,其脑部神经元的数量和连接的数量差不多是人脑的1/3,猴子是人类的1/10,而一条虫子大概有300多个神经元,但其实也可以有很多生命活动了。”黄铁军解释说。
当然,目前人工智能模型的神经网络比人脑要简单很多。但是,随着数据规模的增长和算力的增加,模型的参数量也在不断增加,能力也就不断随之提高,于是就有了“大模型”,即参数量巨大的神经网络,当然其智能程度就更高。
大模型是有史以来最大平台革命,将10倍于移动互联网
“AI大模型是绝对不能错过的历史机遇。因为这将是有史以来最大的平台革命,它将比Windows、安卓要大10倍甚至更多,它会让每个应用改写,会重构人类的工作,会让有创意的那些人的聪明才智被放大10倍或者更多。”创新工场董事长兼CEO李开复说。
李开复还表示,他非常认同美国著名VC机构投资人安德里森·霍罗维兹(Andreessen Horowitz)的观点:大模型的市场未来到底多大很难把握,它最小将是所有软件,最大可能将代表着人类所有的努力。
“人类历史上可能也就只有三四次这样的机会。大模型赛道是未来的兵家必争之地,因此,自主创新将是中国企业的必经之路和重大责任。”李开复告诉《中国经济周刊》记者。
李开复已经投身人工智能超过40年,他戏称自己是“投资人中最懂AI的,AI科学家中最懂投资的”。他从投资和产业发展的角度认为,随着大模型的崛起,人工智能的发展已经从AI 1.0时代进入AI 2.0时代。
李开复认为,在AI 1.0时代,单领域的数据集、数据集和模型各成孤岛,且数据标记工作量和成本非常可观;但AI 2.0时代大模型的出现可以解决这些瓶颈障碍,人们用超级巨量数据训练具有跨领域知识的单一大模型,微调后就可以执行五花八门的任务。这是一个全新且巨大的平台机会,所有的应用和界面都要重写,AI 2.0应用会进入爆发期。
“虽然目前大模型还是非完美的,但它已经拥有相当大的商业价值,甚至几十万亿规模的商业价值。”李开复预测。他表示,大模型目前还有“一本正经地胡说八道”的问题,因为AI的推理能力也来自同一个技术引擎,如果你把它的胡说八道降到接近零,它的推理能力也几乎没有了。也就是说,那些让它聪明的理由,也是让它胡说八道的理由。
“我们相信未来这是可以解决的问题。比如可以让AI与人类协作,我们不是把AI拿来作为一个终极的应用,而是把它当作一个人类‘助理’。比如可以先让AI起草法律文件或者新闻稿件的初稿,最后由人类的律师和记者进行把关和调整,这样就能够在享受AI强大能力的同时,又避免了AI会犯的错误。”李开复表示。
大模型竞争没有绝对壁垒,但平台席位不会太多,成败关键在生态
黄铁军表示,大模型最终会成为未来社会的一种新型基础设施,其提供“智力”能力,输送给千行百业和千家万户。因此,人工智能进入大模型时代之后,会形成一个体系化的产业生态。
简单来说,就像电力时代的电网一样,千行百业、千家万户都在用电,但并不是自己发电,而是有专门的发电厂,发电方式也是多种多样,如煤电、火电、风电、核电……也有企业去生产各种各样的电器。
“有了大模型就像人类学会发电了,目前可能是一种技术路径走通了,但后续一定还会有各种各样‘发电手段’不断演进迭代、降本增效。这意味着,就像不会有国家或企业垄断发电一样,大模型也没有绝对壁垒和门槛,大家比拼的是成本和效率,竞争的是应用和生态。”黄铁军说。
李开复也表示,未来的AI 2.0时代会有三大生态层:基础模型层、中间层和应用层。“以大模型为代表的AI 2.0市场规模巨大,足以容纳巨头、中小企业和初创公司在里面‘赛马’。”他说。
至于创业者和投资人如何选择自己在这个庞大生态中的地位和角色,李开复认为,需要基于不同的判断。
比如,基础模型层的大模型平台公司当然机会巨大,天花板会非常高,就像PC互联网时代的微软和移动互联网时代的谷歌,但风险也是最大的,因为平台公司一定是少数;如果是做应用层,风险就没有那么大,而且每一个生产力领域都可能成长出垂直领域的领先公司,但规模可能无法与平台公司相比。对于投资人来说,则永远是在风险和回报之间寻求平衡。
人工智能、智能制造业岗位颇受欢迎
中国大模型在“狂飙”,但“平台席位”不会太多,安全威胁也要警惕
聚焦到中国,李开复认为,大模型和AI 2.0也是中国不容错过的历史机遇,而且中国也有自身的优势。
“中国拥有丰富的中文语料和庞大的市场,通过发展AI大模型,中国可以推动创新产业的发展,实现科技与经济的双重红利。而且中国拥有庞大基数的年轻工程师和最坚韧的企业家,为发展AI大模型提供了强大的人才支持,技术领先、策略灵活、市场反应快、能打硬仗、落地执行力强,将是中国大模型公司的成功关键。”李开复表示。
黄铁军也对中国在大模型领域的发展充满信心。但也有一些现象需要格外关注。比如,大模型火了之后,还是出现了一哄而上、同质化竞争加剧的现象。
“数据就是这些数据,算力也就这么多,如果大家都去训练模型,一定很多工作是重复的,这其实也消耗了大量社会资源,不利于大模型生态的发展。”黄铁军说。
“如果类比PC互联网时代和移动互联网时代,全球范围内的大模型底层平台很有可能不会超过三个。就像移动互联网初期也曾有很多操作系统,但最后只剩下iOS和安卓。很多企业想要成为第三个,投入巨大但最终都铩羽而归。”黄铁军说。
黄铁军认为,中国甚至全世界大模型的运营体系都会是屈指可数的,虽然还不能预判是几个,但肯定不可能是十几个或几十个,根本没有市场可能性。“更多企业参与进来,不是运营平台,而是做应用。类似于苹果生态和安卓生态,会生发出很多应用。”他说。
因此,黄铁军建议,一方面要依靠“市场的手”,让市场的“大浪淘沙”发挥主要作用;但同时也需要“政策的手”予以引导和调节,推动、鼓励和统筹产学研进行合作,共建大模型的产业生态。
纵观全球,打造人工智能生态,有开源和闭源两种路线。王怀民表示,大模型因其不确定性形成开源模式和预研模式同时推进的基本格局。在美国32个大模型中,有15个开源。中国的9个大模型中,有5个开源。
但一位人工智能领域的资深投资人告诉《中国经济周刊》,现在国内确实有一些大模型就是把国外的开源代码进行“套壳”和微调,“GPT3.5人家可能还会开源给你,但GPT4.0短期内人家是不可能会给你用的”。所以,中国要发展大模型,还是要自主创新。而且因为大模型的发展涉及数据问题,从监管的角度,这几乎意味着中美一定是“平行宇宙”。
大模型越来越强大,担心安全风险和被AI替代不如学习与AI合作
随着人工智能技术,尤其是大模型的快速发展,安全问题也被提高到新的维度。“AI一定会给数字世界带来新的安全威胁。”奇安信集团董事长齐向东告诉《中国经济周刊》记者。
“这个安全威胁主要来自两个方面:一是AI可以模仿,甚至以假乱真地实施诈骗;二是AI能够帮助黑客提高攻击水平,帮助一些黑客写程序、写代码、制定攻击方案和提供攻击策略。这些都给数字世界带来新的威胁。”齐向东说。
齐向东表示,网络安全技术是一个伴生型技术,一定是先有数字化技术的创新,再有安全技术的创新,这是矛和盾的关系,就像没有一种特殊材料的矛出现,就不会出现特殊材料的盾。现在大模型等AI新技术还处在萌芽状态,应用还只是试探性的,发展还是第一要务。
但齐向东表示,他相信网络安全的技术和产品的创新,一定能够解决新时代AI带来的这些网络安全问题和风险。“奇安信正在抓紧跟进AI的各种场景,探索解决AI给我们带来的新的网络风险所需要的新技术和新的安全解决方案,我相信,未来安全不会拖AI发展的后腿。”他说。
至于大模型何时会影响到普通人的生活,黄铁军表示,其实已经在发生了。比如现在人工智能已经在替代人类的某些工作,尤其是不具备原创性的部分。
以绘画为例,黄铁军认为,像毕加索、齐白石这种开创性的创作,人工智能还无法替代,但如果只是模仿和组合之前的创作,那人工智能肯定是效率更高的。再比如像爱因斯坦、牛顿这种原创性的理论创新,人工智能也无法做到,但如果是常规编程和做数学题,那人工智能确实可以做得更好。
但黄铁军强调,AI和人类之间并不是简单替代,而是需要合作。“比如,一个企业原来需要1000名程序员,但接入了AI大模型能力之后,可能只需要几十个就够了,通过人和AI的合作来获得更高的效率和产生更好的效果。”
而且黄铁军认为,这种影响力会很快传递到教育领域。
“现在很多学生有疑问,不是先问老师,而是先问AI,因为AI掌握的知识和信息可能更全面、更丰富,然后自己根据AI给出的资料就可以学习了。这个会是非常大的冲击,未来教师在学生的成长过程中到底发挥什么作用?扮演什么角色?AI在不停学习,人自然也是要不停学习,教育肯定是会长期存在下去的,只不过我们教育的目的是什么?教育的方式是什么?都需要重新思考。”黄铁军说。
更为“可怕”的是,我们常说:读书破万卷,下笔如有神。“一个人一生能读完一万本书已经非常厉害了,但AI一天就能读100万本书,而全人类共有书籍约1亿部,AI再读3年左右就全读完了,那AI的能力提升速度可想而知,和人类完全不在一个尺度上。”黄铁军说。
科大讯飞副总裁章继东告诉《中国经济周刊》记者,AI技术尤其是大模型的发展,会对中国的教育带来巨大挑战。
“中国教育的核心在于知识的传递和知识的获取,尤其是考试的考核目标主要是以知识为主,那些记忆好、训练多的孩子就能得高分,而这些是最容易被AI替代的能力。未来,我们将更需要具有创造力、有批判思维和创新思维的人才。但我相信,随着大模型成为各行各业的好助手,其也会成为教育的好助手。”章继东说。
如何系统的去学习大模型LLM ?
作为一名热心肠的互联网老兵,我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。
但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的 AI大模型资料
包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
😝有需要的小伙伴,可以V扫描下方二维码免费领取🆓
一、全套AGI大模型学习路线
AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!
二、640套AI大模型报告合集
这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
阶段1:AI大模型时代的基础理解
- 目标:了解AI大模型的基本概念、发展历程和核心原理。
- 内容:
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践 - L1.5 GPT应用案例
阶段2:AI大模型API应用开发工程
- 目标:掌握AI大模型API的使用和开发,以及相关的编程技能。
- 内容:
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例 - L2.2 Prompt框架
- L2.2.1 什么是Prompt
- L2.2.2 Prompt框架应用现状
- L2.2.3 基于GPTAS的Prompt框架
- L2.2.4 Prompt框架与Thought
- L2.2.5 Prompt框架与提示词 - L2.3 流水线工程
- L2.3.1 流水线工程的概念
- L2.3.2 流水线工程的优点
- L2.3.3 流水线工程的应用 - L2.4 总结与展望
- L2.1 API接口
阶段3:AI大模型应用架构实践
- 目标:深入理解AI大模型的应用架构,并能够进行私有化部署。
- 内容:
- L3.1 Agent模型框架
- L3.1.1 Agent模型框架的设计理念
- L3.1.2 Agent模型框架的核心组件
- L3.1.3 Agent模型框架的实现细节 - L3.2 MetaGPT
- L3.2.1 MetaGPT的基本概念
- L3.2.2 MetaGPT的工作原理
- L3.2.3 MetaGPT的应用场景 - L3.3 ChatGLM
- L3.3.1 ChatGLM的特点
- L3.3.2 ChatGLM的开发环境
- L3.3.3 ChatGLM的使用示例 - L3.4 LLAMA
- L3.4.1 LLAMA的特点
- L3.4.2 LLAMA的开发环境
- L3.4.3 LLAMA的使用示例 - L3.5 其他大模型介绍
- L3.1 Agent模型框架
阶段4:AI大模型私有化部署
- 目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。
- 内容:
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
学习计划:
- 阶段1:1-2个月,建立AI大模型的基础知识体系。
- 阶段2:2-3个月,专注于API应用开发能力的提升。
- 阶段3:3-4个月,深入实践AI大模型的应用架构和私有化部署。
- 阶段4:4-5个月,专注于高级模型的应用和部署。
这份完整版的大模型 LLM 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
😝有需要的小伙伴,可以Vx扫描下方二维码免费领取🆓