2023 年是大模型之年。
大模型代表了人工智能领域的重大进步，有史以来第一次人类真正看见了通用人工智能（AGI）的曙光。然而，关于大模型，我们了解得并不多。
以 OpenAI 首席科学家 Ilya Sutskever 为代表的一些 AI 研究者坚信，足够精确地预测下一个词表明模型对文本内容有了足够深刻的理解。反对者则说，这只不过是统计学。
显然，我们正处于一场变革的起点。
关于大模型，我们知道些什么？该关注哪些问题？
近日，主题为“普惠AI，让智能无所不及”的华为云AI院长峰会在成都召开。来自全国 24 所高校的校长、学院院长和教授齐聚，围绕大模型及其发展做了深度的研讨。
在本次华为云 AI 院长峰会上，与会专家对大模型的科研影响、对产业进步以及对数字化转型的推动作用进行了多角度的剖析。
1、大模型算力基础设施及开源
高文院士在主题报告中介绍了鹏城实验室在超算平台建设和大模型训练方面的进展，以及在推动开源生态和算力网络建设方面的努力。
目前，鹏城实验室正在训练 200B 参数的脑海大模型，这是实验室的重点工作。
高文院士表示，在训练过程中，实验室进行了大量的数据清洗和整理，遭遇了宕机恢复时间、数据摆布、模型收敛稳定性等挑战，为了提高模型的推理速度，实验室进行了各种技术优化。
中国工程院院士、鹏城实验室主任高文认为，开源开放是新一代人工智能发展的基本范式。
高文院士认为，开源开放是新一代人工智能发展的基本范式。
2、对科研的影响
南京大学人工智能研究院副院长黎铭表示，核心问题在于如何分析和处理收集到的数据。
传统上这需要科研人员根据各自学科和领域选择合适的模型和算法，大模型为数据处理提供了一个相对统一的基础，降低了科研人员使用 AI 的门槛，使他们能够更容易地应用 AI 工具解决问题并获取有价值的结果。
预计在不久的将来，AI 大模型将在众多领域，如材料设计、宇宙探索等领域，带来突破性的成果。
北京工业大学信息学部教授、北京人工智能研究院院长尹宝才看好大模型在辅助教学和人才培养方面的潜力。
他认为大模型为高校科研提供了强大的工具和方法，如今北工大很多研究都直接在初始的大模型上做实验。
但由于资源有限，他希望高校能更多地接触到企业级的大模型及相关应用。
不过，也有人对大模型在科学实验和知识生产方面的影响表示了担忧。中国石油大学（北京）人工智能学院创院院长肖立志坦言，他对大模型的发展有一种担心。
最近有研究使用大模型再现诺贝尔化学奖级别的工作，这表明大模型正在逐渐渗透到科学实验这一知识生产领域。
肖立志教授认为我们需要深入思考大模型独立于人类控制之外形成闭环系统的影响，大模型有可能在人类不知情的情况下产生新的知识，这也会为大模型商业化初期带来挑战，如确权（知识产权问题）、定价（商业价值评估）等问题，以及这些问题可能导致的商业无序状态。
3、对产业的影响
复旦大学教授、上海市数据科学重点实验室主任肖仰华认为，大模型重塑行业的过程，就是重塑专家认识的过程，这既是机遇，也是难点所在。
传统上，行业智能化依赖于小模型、知识工程、符号引擎、知识图谱等技术，这些方法在处理复杂性和非线性关系时存在限制。
大模型通过对世界进行建模，让机器能够理解复杂现象，相当于让机器拥有一种认知世界的能力。大模型能够理解和处理复杂的行业数据，并据此进行分析和决策，以前这种能力通常只有人类专家才具备。
当然，峰会上也讨论了一个无法回避的问题——面对大模型对资源、人才的高密度需求，小团队该如何应对？
北京大学智能学院副院长林宙辰教授提出通过合作共享资源和数据，以及创新训练方法和奖励机制，来更高效地开发和利用大模型的必要性。
现在许多公司都在开发自己的大模型，从几十亿到几千亿参数规模不等，但由于数据获取的限制，很多模型性能相似，同时为了训练这些大模型，需要大量的算力，这导致了资源的浪费和缺乏创新。
为了避免重复造轮子，林宙辰教授表示，时代呼吁联邦大模型。杨强教授提出，通过共享资源和数据，让数据留在本地，尽量减少通讯，从而让不同的组织和机构能够共同研发和使用大模型。
任何一项尖端科技，实验室的成功与市场的成功，都还有一段很长的距离。
在发现大模型技术的难题，并致力于解决这些难题的同时，如何推动大模型技术落地，更是一个重要的课题。
中国科学院院士，俄罗斯自然科学院外籍院士，清华大学人工智能研究院荣誉院长张钹在致辞中表示，发展安全可信、可控、可靠和可扩展的第三代人工智能，还需要产学研共同努力，把基础研究、技术创新和产业化三者结合起来。
显然，大模型技术的成功落地将意味着生产力的解放，有望成为主流生产工具，重塑千行万业。
在教育领域，大模型已经改变了科研和教学范式，AI for Science的需求更为迫切，需要学科交叉合作，形成业界和高校的合力；
在石油行业，业务逻辑复杂、链条长，大模型的出现可以重构石油行业业务流程，目前已在勘探、测井等数据丰富场景做大模型的探索；
在医疗领域，结合医疗领域数据和知识的基础模型快速发展，智能诊断取得了很大进展，AI辅助诊断将成为医生的有力工具。
药物研发方面，大模型有效缩短了研发时间，提高了研发成功率；在制造业，在大模型的加持下，具身智能构建跨行业、跨场景、跨任务通用的作业能力，形成与人类认知对齐的更完整的理解，率先通过机器人产业的发展，推动制造业转型升级。
正如华为云 CTO 张宇昕所说，大模型及相关应用是迄今为止最为复杂的软硬件系统工程，需要系统性的创新才能应对。
大模型技术发展及应用落地的挑战，也是一项跨学科、跨领域合作的机会。在本次峰会上，华为云体现了对大模型技术及挑战的深刻理解，也展现出与高校和研究机构紧密合作的意愿。
华为云的策略不仅注重技术发展本身，而且强调了构建一个开放的平台，旨在促进学术和产业界之间的交流与协同。
在这样的平台上，各方可以集中资源，共同定义和解决 AI 领域面临的「大问题」，不断突破科技边界。
随着 2024 年的临近，我们有理由期待，凭借华为云盘古大模型开放平台及工具链的支持，大模型将在能力、资源效率和多样性上迈出新的步伐。
这种跨学科的合作模式将加速关键技术的发展，使大模型技术更加成熟，走进更丰富、更深入的应用场景。
评论0