文章主题：ChatGPT, 联想集团, AI新范式, 大模型
近期，我国知名科技公司联想集团的CTO兼高级副总裁芮勇博士，针对当前热门的ChatGPT话题，接受了中国计算机学会通讯（CCCF）的独家专访。在访谈中，芮勇博士深入剖析了ChatGPT这类大型模型的前景，并展望了联想集团在AI新范式下的新机遇。他表示，联想新IT架构将持续推动智能化变革进程，并在其中扮演重要角色。除基础设施外，联想还在积极探讨AIGC技术在产品与业务领域的应用可能性。
从大模型到AGI还有多远？
ChatGPT 是 OpenAI GPT 系列中针对对话场景进行优化的一款语言模型，它被归类为 Foundation Models，也就是基础模型，也被称为“大模型”。根据芮勇的总结，ChatGPT 的主要特点可以概括为“一大三多”：首先，它的参数规模非常大，达到了千亿参数级别，这使得它成为一款超大型的人工智能模型；其次，它采用了多来源、多模态、多任务的互联网规模海量数据进行训练，这使得它在数据处理方面具有很高的灵活性和多样性；最后，它还拥有丰富的应用场景，可以广泛应用于自然语言处理、对话系统、文本生成等领域。
芮勇指出，大模型在内容理解领域取得了显著的突破，例如BERT的问世就刷新了11项自然语言理解任务的纪录。近期，它们又是在内容生成领域取得了重要的进展，即AIGC。
原内容表达了人工智能领域中的一个重要变化，即从针对特定任务的微调模型向根据上下文自动理解和执行多样化任务的巨量模型转变。为了更全面地呈现这一过程，我们可以将原文稍作拓展和详细阐述。首先，我们需要明确当前人工智能技术的发展阶段。经过多年的研究和实践，AI已经取得了显著的成果，并在许多领域实现了实际应用。然而，随着技术的不断进步，人们开始关注大模型对AI发展的影响。这些大模型具有强大的计算能力和海量的数据资源，能够在各种任务中表现出卓越的性能。因此，有人开始思考，大模型是否有可能催生出一种新的AI范式呢？在这个背景下，芮勇教授给出了自己的看法。他认为，AI范式的转变是一个从“针对特定任务，更新预训练模型”向“根据上下文提示自动理解并执行各类任务，无需更新模型参数或架构”的过程。换句话说，AI正在从传统的“微调模型”转变为“巨量模型”。这种转变具有重要的意义。一方面，巨量模型能够更好地适应不断变化的实际场景，实现真正的“自适应学习”；另一方面，它也能够降低模型的部署和应用成本，提高系统的效率和灵活性。正因如此，越来越多的研究者和企业开始关注巨量模型在AI领域的应用和发展。总之，芮勇教授的观点表明了巨量模型在AI范式转变中所扮演的重要角色。随着技术的不断发展，我们期待着更多创新和突破，推动AI领域取得更大的进步。
ChatGPT的崛起,让人们看到了大型语言模型向通用人工智能(AGI)迈进的希望。然而,芮勇教授对此表示,大型模型的潜力和前景仍然存在许多不确定性,是否能够实现“多任务、多模态、多化身的一体化”,仍需进一步探讨。
近年来，大型人工智能模型的进步取得了显著突破，许多人对此持乐观态度。根据Gartner技术成熟度曲线，当前大型模型正处于“期望膨胀阶段”。人们对这些模型的期望值很高，然而也应认识到，它们仍面临着许多挑战。例如，谷歌所推出的聊天机器人Bard，在首次公开亮相时就出现了回答不准确的问题，导致公司市值在一日之间下跌超过1000亿美元。同时，这些对话机器人生成的句子缺乏可追溯性，甚至可能包含偏见或冒犯性言论等。由此可见，实现通用人工智能（AGI）的目标仍然任重道远。
联想在大模型普及中发挥怎样的作用？
大模型的兴起，为进行智能化变革的企业带来了很多新的机遇。芮勇以联想为例进行了介绍。联想借鉴大模型背后的基础性算法，将小样本学习应用到基于计算机视觉的产品缺陷检测当中，提升了质检系统对新产品和新产线的快速迁移能力；此外，联想还将强化学习技术和人机协作的理念应用到供应链优化当中，使得供应链在剧烈变化的环境中，不断提升韧性。
对于联想将在AI新范式和大模型普及中发挥怎样的作用，芮勇表示，长远来看，很有可能AI新范式(large models + in-context learning)与旧范式(small models + fine-tune)共存，或是相互结合，而不会单个范式一统天下。联想将充分发挥“端-边-云-网-智”新IT架构的优势，来支撑新旧范式的结合与转换。联想提出的新IT架构，既致力于推动自身的智能化变革，也着眼于赋能各行各业的智能化转型。AI模型对运行环境需求越来越高，例如云-边-端的高度协同，异构计算与负载均衡、设备之间的互联互通、数据安全与隐私保护、模型本身的伸缩性与扩展性等等。联想在这些方面都有着深厚的技术积累，新IT架构在AI新范式加速智能化变革的过程中也会继续发挥重要作用。
除了基础架构之外，联想还在考虑AIGC技术在产品和业务里的应用。比如，在智能设备中对跨模态的生成模型进行优化和裁剪，使之能加载到手机或平板上实现个性化内容生成。在智能解决方案方面，我们考虑把AIGC用于新产品营销与新客户触达。目前，大模型还没有与知识有效结合，我们正在研究数据驱动与知识驱动相结合的方法，即Hybrid Learning来改进大模型的不足。另外，在大模型落地过程中，也需要彻底解决对环境变化或是新领域、新任务的自适应问题，即Adaptive Learning，这些都是联想人工智能的探索方向。
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
