应用新观察：抑制泡沫，耐住性子
中国家电网02.2108:08
推出2个月即拥有1亿月活用户，成为历史上增长最快的消费者应用程序。该如何理解这一现象级应用的“爆红”?目前新技术发展还面临哪些挑战?人工智能将如何引领全球出现新的产业变革?在火热的新技术带来巨变的同时，也需要一场静下心来的冷思考。
距成熟仍任重道远
近日，几乎一夜之间火遍全球。因为带有具备逻辑性的流畅对话和交互能力，使得它备受关注，讨论不绝于耳。在它横空出世之前，人工智能发展一度进展缓慢，甚至被解读为“要凉了”，而现在新技术再次被各界广泛关注，各个投资机构闻风而动，相关概念在资本市场被热炒。
“外界总把当成这次创新浪潮的点，事实上这个突破点不是，而是大语言模型。”原微软(亚洲)互联网工程院常务副院长、长期从事AI智能对话机器人(10.680, 0.07, 0.66%)研发的小冰公司首席执行官李笛对记者介绍，所谓大语言模型，就是利用大规模的文本数据进行训练，能够生成自然语言的人工智能模型。并不是技术本身，它只是“大模型”的产物和尝试。
“大语言模型”的成功，意味着之前卡住人工智能自然语言处理发展的技术瓶颈被突破，也预示着这一技术路线，在未来五年中将诞生很多创新。
北京智源人工智能研究院研究员马雷说：“投资界、互联网行业都在急迫地寻找新的增长点和创新点，此次新技术应用的出现正好契合了社会的期待值，从而引起了全球的广泛关注。”
不仅如此，的技术成熟度仍有较大的提升空间。多位人工智能技术专家坦言，以为代表的大语言模型的调试，还处于“手工作坊”的阶段，其基本技术标准和模式尚未形成行业共识。
李笛说，“调试”才是这一技术的重中之重。在训练模型后，要真正让一个模型变得更加好用，同时要符合商业规律，至少还要花9倍的资金成本和时间成本进行调试。
“为何的英文输出结果的逻辑性和准确性要远大于中文结果?就是因为将调试的大量精力花在了英文数据而非中文内容。”他说。
全球各大商业巨头已加速布局。在国际上，微软已经发布由支持的最新版本的Bing(必应)搜索引擎和Edge浏览器。微软CEO纳德拉称：“搜索引擎迎来了新的时代”。美国搜索巨头公司随即跟进，2月初展示了其研发的聊天机器人巴德(Bard)，并计划大范围推广。
国内企业亦加紧布局，宣布3月将推出中国版的“文心一言”。此外，、腾讯、、字节跳动、快手等互联网科技公司也纷纷加入相关领域，开展研发和布局。也有地方政府“跟进”宣布支持头部企业打造对标的大模型。
科技巨头成本高企，行业将重新洗牌
业界认为，展现出来的技术潜力，将迅速渗透到更多服务场景，成为多个行业和领域的重要工具，诞生颠覆性和更加明确的应用落地。但与此同时，目前技术尚处于早期阶段，其自身存在较多问题，仍不能回避。
首先，的火爆主要是技术范式改变，从而带来新用户，并没有成熟应用的商业场景。在美国，目前绝大多数用户为“写论文作业”的学生，而其他用户更多为尝鲜使用。同时，学术界因为算力和数据规模限制，研发能力捉襟见肘，产业界因为巨大的投入可能累及企业利润，难以大规模投入资金。
数据显示，为了让的语言合成结果更自然流畅，共用了45TB的数据、近1万亿个单词来训练模型。这大概相当于1351万本牛津词典。训练一次的费用就高达千万美元。
除了训练成本，运行成本同样令人吃惊。一名了解研发的内部人士透露，在线上服务时对算力的消耗，公司每年要为每个用户负担的成本高达几十美元，为达到较好的交互质量所做的训练，需要大量资金和硬件支持。
中国工程院院士邬贺铨认为，算力水平的提升和大规模应用，推动预训练大模型的产生。的出现，使得预训练大模型进入可商用化的程度，这是一个很大的进步。但它的应用仍有一定局限性。“它还是一种靠大量的算力来堆砌，能用得起这么大规模的算力来支撑的公司，全世界还是少数。”他说。
无论用去做客服，还是做游戏里的角色(NPC)，成本都可能令企业难以承受。这在游戏行业已有先例，业内人士介绍，此前曾有一款游戏引入了AI驱动的NPC，但之后并未普及。其原因主要是因为成本高企，NPC和游戏玩家之间的高质量对话，可能产生每位用户一年2000元人民币的运营成本，游戏公司无法负担。
其次，如何形成新的商业模式，目前仍有较大的不确定性。其中，准确率不高的问题不容忽视。
再次，人工智能技术在虚假信息、学术剽窃、泄露隐私、舆论导向等方面的社会性风险，会因为使用的庞大数据规模被进一步放大。也承认，“有时会写出看似合理但不正确或荒谬的答案”。
面对挑战，为何仍然让各大公司蠢蠢欲动，纷纷投入?业内人士认为，因为这是一次颠覆现有商业版块的重大机遇。
“对于一个行业中的挑战者而言，他有机会利用一个技术范式的革命，在一定时间窗口期内，获取新的用户，支出的就是获客的成本。”李笛。
对于牢牢占据市场的大公司而言，这是一场不得不参加的“保卫战”。面对新技术带来的降维打击，如果不跟进，只可能被淘汰。
在国际人工智能联合会理事会前主席、香港科技大学教授杨强看来，“大模型”的发展速度远比业界想象得快。他认为，今后人工智能的商业版图将会走向两个类别，一类是有资源投入，可以做预训练的大公司、大机构，没有特定任务预先做一个模型，成为市场上“赢者通吃”的领先者。另一类是对不同的应用内容进行小模型的训练的垂直行业，将诞生很多“小而美”应用场景。
抑制泡沫，打破“时间壁垒”比“技术壁垒”更重要
随着带来的算法突破，不少企业纷纷宣布在机器人、智能语音/视觉、AIGC智能写作等领域加快研发，新一轮基于内容生产的人工智能应用，有望不断落地，拓展泛AI技术在现实生活中的覆盖范围。
腾讯前沿科技研究中心主任王强认为，以为代表的新技术有望迅速落地多个场景：在搜索引擎领域，通过技术融合优化现有搜索模式，提供更准确信息;在教育、医疗、广告营销、电子商务等专业服务领域，提供内容服务，甚至替代部分初级的专业工作;与智能网联汽车、智能音箱、智能电视等新智能载体结合，满足受众的内容需求。
多位专家认为，的出现可能引发新一轮人工智能科技竞赛，在大语言模型领域的全球竞争已趋白热化。
“的成功，就是因为它真的耐着性子，耐着寂寞完成了调试工作。”李笛认为，现在最需要的是经验、人才和耐心，潜心钻研技术，保持研发定力。
一些行业巨头、地方政府开始出现“大干快上”的苗头，一些投资人开始挖掘人才。联合创始人王慧文在社交媒体发帖称出资5000万美元打造“中国的”，望揽业内顶级研发人才。
“一些人现在搞，一看半年前，还在搞元宇宙、区块链，不少资本缺乏坐冷板凳的精神，缺乏工匠精神。现在更需要打破的是‘时间壁垒’，而不是‘技术壁垒’。”
一名业内人士表示，“有的研发人员工资预期一下翻了几番，但是产品还是一样，竞赛式的盲目扩张必然造成算力资源的无谓浪费。”
今年2月初，我国某家初创公司发布智能程序号称向宣战，并上线相关产品，但不久后，其微信小程序便无法打开。
杨强认为，应避免行业的泡沫，推动产业稳定发展，减少过度开发、集中上马、资源浪费等问题。同时，针对可能出现的学术伦理规范、社会秩序等问题，应号召业界进行推演，并在技术研发中采取备案、语料库筛查等方式予以规避。
相关文章
