自從ChatGPT大模型為代表的AI技術出現後，百度也推出了「文心一言」大模型，微軟也發布了Office的AI新功能「Copilot」，隨後OpenAl又一次公布了其大模型GPT的最新版本GPT-4。大模型又稱為Foundation Model（基石）模型，模型通過億級的語料或圖像進行知識抽取、學習進而生產了億級參數的大模型。本質是自監督學習，利用大量無標籤很便宜的數據去做預訓練。
出現在《駭客任務》里的大模型
有誰還記得在《駭客任務2》中設計師和尼奧的對話情景。現在回想起來，這無疑就是人類（尼奧）與機器（設計師）通過大模型進行對話的一個典型場景。
以往要讓機器了解人的意圖，首先需要人學會並使用匯編、C、Python等機器可以理解的語言，並通過這些語言向機器下達指令，也就是寫代碼編程。但畢竟不是人人都可以成為碼農，雖然尼奧是，但這種對話方式對於設計師而言，效率明顯太低。更何況尼奧還有另外一個身份——黑客……。於是就有了設計師通過大模型與尼奧對話的經典場景。
在這場對話中，設計師首先通過大模型，預先設計了尼奧在每場對話中可能出現的一切反應，並預設了與之相應的應對方案，將主動權牢牢掌握在了自己手中。要不是尼奧利用救世主的主角光環實現逆風翻盤，結局必然會按設計師的計劃得以實現。
從這個案例中，我們可以感受到大模型在人機對話中所具備的重要意義——機器可以看懂、聽懂、讀懂普通人類所表達的資訊，並準確進行響應。
大模型在企業級應用中的重要意義
與在此之前Web1.0、Web2.0時代的UGC（用戶生產內容）和PGC（專業生產內容）相比，代表人工智慧構思內容的AIGC，是新一輪內容生產方式變革。自ChatGPT為代表的大模型技術興起後，AIGC進化的速度較為明顯。通過大模型的加持，可實現獨立內容創作的AIGC在傳媒、電商、影視等行業和場景的應用前景廣闊。
大模型與圖形模態的AIGC相結合，可以打造從文字描述到圖片生成的AI創作輔助工具，例如最近非常火爆的Midjourney。在文本生成領域，現在百度的文心一言也可以實現短文、長文的自動生成。京東雲在生成式AI與產業結合上，也有豐富的積累和廣泛的落地。
京東雲言犀在任務型智能對話交互關鍵技術方向擁有包括文本生成、語音生成、對話生成等系列領先技術，並打造出了智能客服系統、京小智平台商家服務系統、智能政務熱線、言犀數字人等系列產品和解決方案。
在零售領域，京東雲基於言犀平台的能力打造了業界首個大規模商用情感智能客服系統，對內服務於京東超過5.8億京東用戶和數十萬第三方商家，可自動化應答90%的服務諮詢。目前服務涵蓋23個場景，擁有4層知識體系，超3000個意圖和3000萬個高質量問答知識點，以及超40個RPA能力，是京東自動化、穩定性最高的系統之一，產生直接經濟效益20億元。
此外，基於言犀平台的基礎能力，還在京東打造了內容審核，拍照購、商品營銷文案生成等多種應用。例如商品營銷文案生成目前覆蓋3000餘個三級類目，人工審核通過率超過95%，累計生成超30億字、直接帶來了3億 的收入。
在政務領域，京東雲解決方案包括語音接待、智能座席輔助、智能知識庫、智能調度、管理分析等核心產品和服務，通過技術和運營的無縫銜接，有效提高了政府對群眾訴求的響應率、解決率、滿意率。現已服務山西大同、河北保定、北京通州、廣東東莞等多地12345熱線，提供有溫度有速度的政務服務。2022年5月北京通州發生疫情，京東雲言犀團隊迅速研發了疫情排查與防控解決方案，極大了降低防控排查的壓力，隨後方案又在山西、廣東等落地，以科技助力疫情防控。
在金融領域，京東雲通過3D圖形學建模和音素識別技術，塑造可以實時與人交流互動的數字人，讓語音生「動」起來；與業務系統深度耦合，突破了數字人系統與客戶、業務系統、風險監控系統的三通道對話模式的壁壘，為交易辦理保駕護航。還為江南農商銀行，打造出VTM數字員工，該數字員工是全國首個能獨立全程辦理銀行真實交易的數字人，實現了從傳統的諮詢、查詢、導覽到業務辦理的突破，極大突破了數字人的能力邊界，產生了更多的業務價值和服務價值。
在製造領域，京東雲言犀為中聯重科打造的首個「AI專家診斷系統」，該系統可以幫助工程師實現故障的快速排查和解決，每年可節省故障排查時間4200小時。
傳統企業的大模型應用門檻
基於大模型的人工智慧技術零售、政務、金融、製造等領域都已經成功落地。但對於人工智慧技術貧瘠的傳統企業而言，在部署以大模型為基礎的人工智慧生成類產品時，又要做哪些準備？還可能面臨哪些方面的困難？
針對這些問題，京東雲基於自身的人工智慧應用實踐給出了以下三方面建議：
一、融合性技術發展
在關鍵共性技術上，要著力發展新一代融合性智能技術。當下人工智慧技術的三要素包括數據、算法、算力，但目前往往數據是靜態的、算法是單一任務驅動的。未來，會升級為場景、系統、算力新三要素：包括複雜交互智能場景及其產生的動態數據、多任務協同和多算法融合的系統以及能支撐複雜場景與系統的新型算力，從而讓電腦能深度地理解真實世界及解決重大的真實問題，提升智能系統的通用性、適應性和任務完成率，更好地支撐各種關鍵應用。新一代融合性智能需要能基於「活的」交互場景去疊代和發展，包括人與智能體的交互，以及多智能體之間的交互，將成為人工智慧的一個新發展趨勢。
二、立足廣泛產業
在產業應用落地方面，需要立足廣泛產業，加強產業人工智慧的發展。人工智慧作為新一輪科技革命和產業變革的重要驅動力量，尤其是人工智慧領域的單點技術，已廣泛應用於零售、金融、城市、教育等領域，帶來了巨大的經濟效益與社會價值。同時，隨著人工智慧與實體經濟的進一步融合，往往面臨大量的低頻、長尾場景，尤其是大量非網際網路企業和小微企業，他們數字化程度低，數據樣本少、定製化程度高，而且缺少工程化能力和二次開發能力。因此，需要綜合性的人工智慧技術和系統，具備遷移成本低、通用能力強、開箱即用等特點，進一步推動實體經濟的發展。
三、構建安全可信治理體系
在安全治理上，需要構建安全可信的人工智慧治理體系。隨著人工智慧應用的深入，其自身的技術缺陷以及帶來的隱私倫理、決策偏見、使用安全等問題引發了信任危機。
在技術上，算法脆弱易受攻擊帶來的危險性；黑箱模型導致算法不透明，使得人們無法直觀理解決策背後的原因。
在應用中，容易產生訓練數據偏見歧視，導致公平性缺失；以人臉識別技術為代表的生物識別資訊的頻繁使用，又增加了隱私泄露的可能。
在倫理方面，人工智慧系統決策複雜，難以界定責任主體，帶來倫理安全問題。
因此，我們需要構建安全可信的人工智慧治理體系，加強魯棒性、可解釋性、隱私保護等方面的技術研究，解決當前應用人工智慧時所遇到的問題，增強大眾對人工智慧的信任，確保應用和服務在最大程度上減少偏見，促進人工智慧健康高質量發展。
