OpenAI“政變”進行時,“百模大战”接下來該战什么?

2023-11-22 18:40:52    編輯: robot
導讀 這兩天AI圈最熱鬧的消息,應該就OpenAI高層內訌,標志性人物、原CEO Sam Altman被董事會解僱,數位科學家和高層離職。 關於“政變”的原因,坊間有很多傳言,比如商業化和非營利原則的矛盾...

這兩天AI圈最熱鬧的消息,應該就OpenAI高層內訌,標志性人物、原CEO Sam Altman被董事會解僱,數位科學家和高層離職。

關於“政變”的原因,坊間有很多傳言,比如商業化和非營利原則的矛盾。總之,事件相關者在輿論場拉扯,喫瓜群衆則瞪大了眼睛看戲。這場風波會給全球AI研發,尤其是大模型帶來什么影響,還是未知數。

有人做了一個梗圖,大模型廠商亂成一鍋粥,只有賣卡的英偉達穩坐釣魚台。

任它天邊雲卷雲舒,可以肯定的是,中國的AI大模型在取得廣泛成就的基礎上,會繼續向前發展,釋放產業價值,並且不會一味照搬海外,尤其是OpenAI的模式。

帶着這份淡定,我們將目光聚焦在國產大模型,會發現“百模大战”熱潮中,還缺乏對各類大模型全面、分層、真實的能力評估。

通用大模型、行業大模型,都在比拼參數規模,但訓練數據質量不確定,僅憑參數,行業客戶和用戶也難以選對適合的大模型。

那么看榜單呢?基准測試benchmark和標准化數據集,可以針對性調優,榜單無法反映實際應用效果差距。

而且大模型在不同任務場景下,表現的區分度很大。一位开發者說,“現在就是告訴你都有哪些大模型,實際效果還是得靠自己測測看”。

據中國信通院的數據顯示,目前的大模型測試方法和數據集已有200多個。想要一個個測過來,會給用戶帶來非常繁重的工作量。

“百模大战”亂花漸欲迷人眼,那么,除了“跑分”打榜和參數“碾壓”,還有什么辦法來真實且有效地評判一個大模型的水平呢?

有必要來聊聊,“百模大战”,不同賽道都在战什么?

大模型,不看高分看高能

所謂“百模大战”,並不是每個大模型都在做着同樣的事。其中,既有想做基座模型basemodle的通用大模型,如百度的文心、阿裏的通義、騰訊的混元、華爲的盤古、訊飛的星火、智譜的ChatGLM等,也有面向行業、場景的垂直大模型,目前在金融、教育、工業、傳媒、政務等多個領域都大量湧現。

不同賽道的大模型,其核心競爭力也不一樣。比如一味拼算法的打榜,對於行業大模型來說,可以作爲一種宣傳手段和“炫技”,但實際效果才是用戶最關注的。

目前不少开發者反映,各類大模型都存在各自的問題。

1.基座模型,本身能力有限制。

提到通用大模型,大家可能第一時間想到的就是推理能力,這也是大模型基准測試的主要指標。但在實際應用中,尤其是文科類型任務,大家不會沒事出“腦筋急轉彎”來測試通用大模型的邏輯推理能力,而是更希望大模型在復雜任務和上下文長度上,有更可靠的表現。

比如寫一篇演講文稿,篇幅一長就开始胡說八道或泛泛而談,文本的採用率下降;爲AIGC配字幕,不能整篇生成,還需要人工將文案切割成片;編寫一個程序,半路开始network error……這些都是實際應用中,大家比較關注的通用大模型的能力。

2.行業大模型,領域壁壘難翻越。

“百模大战”進行到當下,很多行業开發者和企業都意識到,獨有的數據和場景,才是自己的護城河,开始打造定制化的大模型,而領域知識不夠,難以形成滿足某一領域需求的行業向產品。

比如大模型與行業知識不匹配、許多行業know-how還沒有知識化、傳統的知識圖譜與大模型的協同設計等,知識計算的能力不夠強,就無法真正撼動領域壁壘,讓大模型解決實際的業務問題。

3.有用性,ROI是個謎。

大模型的實際應用效果難以評估,其中一個主要原因,就是模型生成結果的有用性(採用率、可用率等指標),涉及大量多模態數據。

金融、醫藥、交通、城市等產業中,存在着大量多模態信息,比如客服電話的語音、醫學影像圖片、傳感器數據等,大語言模型必須具備多模態理解能力,將多模態信息與語言進行綜合分析處理,才能保證較高質量的輸出。

在實際任務中,上述三種問題可能會同時存在,要同時解決。

一位醫藥專家告訴我,在研發醫學影像的算法時,就需要基座大模型在預訓練階段就具備多模態理解能力、醫學影像知識,可以執行通用任務。同時,行業側還需要根據知識設計目標函數,在特徵抽取、相似性度量、迭代優化算法等,都要貢獻好各自的知識,才可能訓練出一個對醫務工作者友好的領域大模型,不需要專業知識,也不需要建模,就能上手使用。

就像工業革命的开始,是因爲瓦特改良了蒸汽機。在此之前,蒸汽機早已被發明出來了,但一直沒有解決大規模高可用的問題,大模型也是如此。

大模型產業化,必須從基准測試的“跑高分”,向可信賴的“高能力”進化。

百模大战,究竟在战哪些能力?

從高分到高能,讓大模型具有與行業結合的可行性,也讓“百模大战”正在進入新的階段。

從產業實際需求來看,可用且有效的大模型,至少應該具備幾個核心能力:

1.長文能力。

大語言模型的技術特點,被認爲是“鸚鵡學舌”,將輸入信號拼湊成有一定語法結構的句子,也就是文本補全能力。而大模型都有“幻覺”,上下文窗口的長度增加,邏輯幻覺就可能越嚴重,“鸚鵡學舌”开始變得喫力。

在很多垂直行業應用中,如金融、法律、財務、營銷等,長文檔的分析處理和生成能力是剛需。

在長文中保持邏輯的連貫性、合理性,考驗着大模型的綜合能力,比如對復雜語句的理解及記憶能力,生成的可靠性,這也是大模型走向產業化的核心。

目前,無論开源、閉源大模型,都將長文能力作爲一個核心競爭力。比如流行的开源大模型Llama 2,就將上下文長度擴展至 128k,而基於LLaMA架構的零一萬物的Yi系列大模型,此前曾宣稱拿下了全球最長上下文窗口寶座,達到200K,可直接處理40萬漢字超長文本輸入。閉源大模型中,GPT-4 Turbo支持了比ChatGPT更長的上下文(128k tokens),百度的文心大模型通過對話增強,提升上下文理解能力。

2.知識能力。

大模型“大力出奇跡”的模式,忽略了模型准確感知和理解注入知識的能力,目前已經凸顯了很多問題。比如不理解領域知識,在實際業務中表現不佳,無法滿足ToB用戶的需求。因此,當歐美科技公司依然在執着追求更大參數時,百度、華爲等國內大模型廠商,开始轉向了行業場景,將強業務知識引入文心、盤古的行業大模型之中,來提升大模型在行業任務中的應用效果。

具體是怎么做的呢?以“行業知識增強”爲核心特色的文心,是在預訓練大模型的基礎上,進一步融合大規模知識圖譜,挖掘行業應用場景中大量存在的行業特色數據與知識,再結合行業專家的知識,從大規模知識和海量數據中融合學習,把知識內化至模型參數中。

當用戶輸入問題時,文心4.0會拆解回答問題所需的知識點,進而在搜索引擎、知識圖譜、數據庫中查找准確知識,再將知識組裝進Prompt送入大模型。另一方面,大模型還將對輸出結果進行反思,從生成結果總結知識點,進而通過以上方式進行確認驗證,對結果差錯進行修正。

目前來看,在同等參數規模下,知識增強的深度語意理解,效果大幅超越了純粹用深度學習的方法,推理效率更高,並且可解釋性更強,更符合產業對可信AI的需求。

目前,知識+大模型還有許多細節有待解決,比如知識體系的構建,知識的持續獲取,知識應用和推理等,這些問題的攻克都會給行業認知智能帶來重大機會。

3.多模態能力。

2022年我參加華爲雲AI院長峰會,一位科學家提到,大模型有一個問題,就是有很多符號領域,大模型根本就不理解。他認爲,大模型是數據與知識雙輪驅動的,雙輪驅動是未來人工智能發展的重要模式。

前面我們說了知識能力的重要性,那么“數據”究竟拼的是什么呢?就是多模態能力。

把大模型應用到領域的時候,會發現問題非常多,根本達不到預期的效果。一個主要原因,大語言模型完全是基於語言的,而真實世界的復雜任務,有大量的數值、圖表、語音、視頻等多模態數據,數據的多模態特性增加了模型處理、建模和推理的復雜性。

一位醫療模型的开發者告訴我,醫療任務分析非常繁雜,數量級很多,有不同模態、病種,每一種模態有不同的診療任務,要把文本、圖像等多模態包容過來,而醫療領域非常缺少多模態的預訓練模型。

大模型要在實際業務中達到與人更接近的能力,也需要跨模態建立統一認知。

舉個例子,AIGC生成營銷活動物料,根據文字描述生成圖像、視頻,既要精確理解提示詞的語義,還要符合領域規範,不能出現不合規的素材,同時要控制生成內容的質量,保持跨模態的語義一致性。

國產大模型在多模態領域也做了很多差異化探索,除了大家熟悉的以文生圖,在醫療影像、遙感、抗體藥物、交通等領域,跨模態技術融合也在快速开展,未來會是基座大模型和行業大模型的亮點。

從這些產業需要的能力來看,大模型的產業屬性和價值已經清晰展露了出來。

大模型,絕不是聊聊天、搞怪圖片那么膚淺,技術覆蓋區域是很廣闊的,技術應用價值已經足夠具有說服力。

但也必須承認,目前,絕大多數產業所獲取的技術能力和技術深度,都還遠遠不夠。一方面受限於上遊的基座大模型能力,同時也缺乏深度定制化的中遊服務商,導致用戶大多只能調用簡單化、標准化的API,而難以將領域知識、多模態數據與大模型深度結合。

未來,從高分到高能,國產大模型一定會依靠自身的差異化技術路线,以及中國豐富多樣的產業需求,從懵懂走向成熟,甚至先於歐美,走向千行百業

       原文標題 : OpenAI“政變”進行時,“百模大战”接下來該战什么?



標題:OpenAI“政變”進行時,“百模大战”接下來該战什么?

地址:https://www.utechfun.com/post/294473.html

鄭重聲明:本文版權歸原作者所有,轉載文章僅為傳播信息之目的,不構成任何投資建議,如有侵權行為,請第一時間聯絡我們修改或刪除,多謝。

猜你喜歡