专家:大型语言模型将加速实现通用人工智能
本文摘要:”邱锡鹏称,可以发挥中国高水平人才和海量应用场景的优势,提高底层算法能力和以应用驱动创新实现赶超,促进中文大型语言模型的发展。”邱锡鹏建议,通过法律法规约束人工智能产品和通过模型端消除一些算法,去掉其中有害的信息。

  中新社广州3月25日电 (记者 蔡敏婕)创作诗词、绘画、进行医疗诊断......近段时间,以ChatGPT和MOSS为代表的对话式大型语言模型技术引发广泛关注。复旦大学教授、琶洲实验室(黄埔)AI模型算法研究中心教授邱锡鹏25日在广州举行的首届粤港澳大湾区(黄埔)国际算法算例大赛颁奖典礼上说,大型语言模型的出现,将加速通用人工智能的实现。

  前不久,邱锡鹏团队发布中国首个大型语言模型 MOSS。邱锡鹏说,相对ChatGPT,现阶段MOSS参数规模相对较小,研发成本比较低,可以用于知识量较小、参数量只需为百亿个左右规模的垂直行业。但是由于其容量小,知识容量有限,因此在回答问题和逻辑推理能力方面还有待完善,其后可以通过扩大参数规模或接入垂直领域的知识库,扩充该领域的知识并增强推理能力。

  “当前ChatGPT的水平,从技术上我们追赶起来不太困难,但由于其本身也在动态发展,因此需要我们付出更多努力进行追赶。”邱锡鹏称,可以发挥中国高水平人才和海量应用场景的优势,提高底层算法能力和以应用驱动创新实现赶超,促进中文大型语言模型的发展。

  在邱锡鹏看来,建立大型语言模型技术需要进行多方的探索和研究,在探索出其技术路线后,还需要大量工程人员将其实现。“我们需要从创新生态或者机制上进行完善,培养鼓励科研创新的氛围。”他说。

  海外头部研究机构近期开始转向以大模型为基座的通用人工智能。邱锡鹏解释说,实现人工智能发展的最终目标是实现通用人工智能,这与科幻电影里的人工智能形象一样,拥有与人一样的能力,特别是完成各种任务的通用学习能力。“对此我感到乐观,因为根据目前展示出来的能力,我们离通用人工智能时代的到来并不遥远,下一步要多考虑让大模型连接现实世界,通过具身学习、跨模态学习等,让大模型与现实世界‘对齐’。”

  “中国的人工智能市场比较活跃,而且场景丰富,有必要建立中文大型语言模型。”清华大学教授、琶洲实验室(黄埔)AI模型算法研究中心教授朱军称,在知识标注领域,中国拥有高端知识人才红利,在动态追赶的过程中,需要组成工程优化和科研探索的高质量团队进行协同攻关。

  朱军说,中国内地建立了很多人工智能计算中心。“从长远来看,我们要掌握底层算法能力。但就目前看来,可以先做新的模型算法创新。”他说。

  需指出的是,人工智能之路要走远,还需确立红线约束。“由于人工智能模型迭代非常快,伦理问题很重要。”邱锡鹏建议,通过法律法规约束人工智能产品和通过模型端消除一些算法,去掉其中有害的信息。(完)

【编辑:李岩】