核心要點(diǎn)

大模型的商業(yè)應(yīng)用場景上，預(yù)計(jì)C端會(huì)快速落地，B端則是爆發(fā)式落地。由于目前大模型的訓(xùn)練數(shù)據(jù)更多是通用數(shù)據(jù)，更易面向C端產(chǎn)生個(gè)人應(yīng)用。B端的部分?jǐn)?shù)據(jù)未打通，一旦供給打通，落地將是爆發(fā)性的。閉源有利企業(yè)短期先發(fā)優(yōu)勢，開源則“后勁更足”，有利企業(yè)長期生態(tài)建設(shè)。

(資料圖片)

把一項(xiàng)新技術(shù)注入產(chǎn)品，去賦能業(yè)務(wù)的時(shí)候，要考慮很多因素。當(dāng)前這個(gè)階段，大模型進(jìn)步非?？欤€是有很多問題沒有解決。另外，用戶場景的需求本身也不完全一樣，應(yīng)用程序的運(yùn)行環(huán)境也不一樣。比如知識(shí)更新需要重新訓(xùn)練大模型，費(fèi)時(shí)費(fèi)力，所以它的時(shí)效性有缺陷，無法做到對(duì)最新消息的知曉，對(duì)信息時(shí)效性要求高的場景并不適合。大模型是千億級(jí)參數(shù)的，需要設(shè)備端和云端實(shí)時(shí)連接，所以對(duì)于網(wǎng)絡(luò)通訊能力較弱、低功耗的設(shè)備不太適用。因此，大模型雖然在很多地方適用，但也有一些場景不適用，作為企業(yè)，要去考慮如何調(diào)整，如何去抓住機(jī)會(huì)。

黃燕銘認(rèn)為，人工智能的發(fā)展會(huì)導(dǎo)致證券研究人員數(shù)量可能會(huì)在一定程度上減少，大量研究助理的工作可能被機(jī)器替代。機(jī)器雖然能幫助我們記憶和計(jì)算知識(shí)，卻無法代替人類去感悟智慧。“形而下”的工作可以交給計(jì)算機(jī)，但是“形而上”的感悟，目前來看，人工智能還很難去幫我們完成。

ChatGPT橫空出世，其表現(xiàn)出來的強(qiáng)大的人工智能能力，讓無數(shù)人嘆為觀止。它是一個(gè)現(xiàn)象級(jí)的技術(shù)突破和應(yīng)用，是人工智能數(shù)十年發(fā)展歷程中又一個(gè)重大的突破點(diǎn)和轉(zhuǎn)折點(diǎn)。面對(duì)ChatGPT帶來的新的機(jī)遇和挑戰(zhàn)，產(chǎn)業(yè)界和學(xué)術(shù)界應(yīng)緊密攜手，持續(xù)推動(dòng)相關(guān)技術(shù)的發(fā)展和產(chǎn)業(yè)應(yīng)用，讓我們的生活更加美好。

以上是聯(lián)想集團(tuán)首席技術(shù)官、高級(jí)副總裁芮勇博士，以及國泰君安證券研究所所長黃燕銘，在《所長對(duì)話》第一期中分享的觀點(diǎn)。

以下是國君研究《所長對(duì)話》第1期的分享實(shí)錄：

01 關(guān)于技術(shù)發(fā)展

黃燕銘：ChatGPT不單單是文本生產(chǎn)的工具，其強(qiáng)大的語言處理和生存能力也增加了很多的用戶體驗(yàn)，同時(shí)也為我們降低了生產(chǎn)經(jīng)營、交易的成本，同時(shí)也提高了企業(yè)的經(jīng)營效率，而這種大規(guī)模的適配器以及迭代的能力也是ChatGPT的特點(diǎn)，它在特定的領(lǐng)域、專業(yè)語言以及自動(dòng)化的客戶服務(wù)等各方面都做出了巨大的成就。我們認(rèn)為ChatGPT在未來有非常廣闊的發(fā)展空間，這種情況下我們對(duì)ChatGPT未來的發(fā)展前景非?？春茫谶@里我們今天要特別跟芮博來聊一聊ChatGPT的基本情況。

投資者普遍認(rèn)為這是一個(gè)劃時(shí)代的技術(shù)進(jìn)步，甚至可能替代掉很多人類的工作崗位，請(qǐng)問該如何理解ChatGPT、GPT-4的技術(shù)能力，其自然語言處理能力、多模態(tài)、定制化相較以往AI模型有何突破，會(huì)帶來怎樣的產(chǎn)業(yè)變化？

芮勇：首先，非常感謝黃所的介紹，也非常高興能夠跟黃所來一起聊這個(gè)話題。剛才黃所總結(jié)的都已經(jīng)非常精辟了。這個(gè)ChatGPT，我覺得它是可以說是一種現(xiàn)象。最近也有不少人在聊，它是一個(gè)類似于iPhone 的現(xiàn)象，類似于網(wǎng)景的現(xiàn)象。我們都知道，網(wǎng)景是第一個(gè)真正商業(yè)化的瀏覽器，在網(wǎng)景出現(xiàn)之前很多年瀏覽器就已經(jīng)有了，但是沒有火起來，直到網(wǎng)景出現(xiàn)之后，整個(gè)瀏覽器才火了起來，整個(gè)互聯(lián)網(wǎng)才火了起來。iPhone其實(shí)也是一樣，智能手機(jī)出現(xiàn)了很久，但是沒有那么火，到最后真正騰飛起來、火起來是iPhone。

那么ChatGPT也是類似，大家稱這是一種現(xiàn)象。AI也是火了有一段時(shí)間，但是沒有那么火，有起有伏。大模型也出現(xiàn)了挺長時(shí)間，那么直到最近不久ChatGPT出現(xiàn)了之后，它才帶來了一個(gè)大的飛躍，所以我們稱為ChatGPT是和網(wǎng)景和iPhone類似的一種現(xiàn)象。

但我更想說，今年ChatGPT非常的火，是表面上的一個(gè)現(xiàn)象，更重要的ChatGPT后面起到核心作用的大模型。所以我先想跟大家聊一聊大模型，大模型的英文叫Foundation Model.它是一個(gè)基礎(chǔ)模型，好比我們蓋房子時(shí)候打的地基。什么是大模型呢？大模型是用互聯(lián)網(wǎng)級(jí)的、沒有標(biāo)注的數(shù)據(jù)，來訓(xùn)練千億級(jí)參數(shù)的AI模型，這里面有好幾個(gè)關(guān)鍵字。大模型也是下游很多任務(wù)的基礎(chǔ)。并且很有意思是，它不用做模型參數(shù)的調(diào)整，對(duì)不同的任務(wù)，它不用去調(diào)整參數(shù)，這個(gè)事就非常的奇特了。

這么多的特點(diǎn)，為了便于記憶可以總結(jié)為三個(gè)字，叫做“高大上”(這里沒有褒義和貶義的意思)?！案摺笔鞘裁匆馑寄?？大模型的訓(xùn)練方式很高明。之前的機(jī)器學(xué)習(xí)，典型的訓(xùn)練方式是一種全監(jiān)督式的方式。比如說，我如果要教一下機(jī)器，這是一個(gè)蘋果的圖像，這是一個(gè)橘子的圖像。我告訴它，這些圖像你都看一看，并且我告訴它這是橘子。它就知道，原來這樣的圖像是橘子。但是讓人工來標(biāo)注，要花很多的時(shí)間、精力和金錢。那么大模型是用自監(jiān)督的學(xué)習(xí)方式，它不需要去標(biāo)注海量的數(shù)據(jù)。我覺這是非常重要的，在訓(xùn)練方式上很高明。

第二，很高明的訓(xùn)練方式還表現(xiàn)在它使用一種叫做“基于人類反饋的強(qiáng)化學(xué)習(xí)”，英文叫RLHF，Reinforcement Learning from Human Feedback.有了這個(gè)非常強(qiáng)大的訓(xùn)練方式，它就和人類的價(jià)值觀點(diǎn)越來越近了。比如說，從互聯(lián)網(wǎng)它可能看了很多東西，但是它不知道哪是對(duì)哪是錯(cuò)的，哪個(gè)是正義的哪個(gè)是不好的。那么，有了這個(gè)基于人類反饋的強(qiáng)化學(xué)習(xí)之后，它就和人類的價(jià)值觀越來越近了。

高大上的“大”，是說模型規(guī)模很大。我們?nèi)绻€記得，2012、2013年前后深度學(xué)習(xí)開始火起來的時(shí)候，當(dāng)時(shí)很流行的一個(gè)人工神經(jīng)網(wǎng)絡(luò)模型叫VGG，VGG16大概有 1.38 億個(gè)參數(shù)。那今天我們的大模型會(huì)有多大呢？GPT-3 有 1,750 億個(gè)參數(shù)，是當(dāng)時(shí)的大概有 1,000 倍那么大。這樣的規(guī)模就使得大模型能夠?qū)W到大量的模式與常識(shí)，甚至建立一定的推理能力。

第二個(gè)“大”是指訓(xùn)練的數(shù)據(jù)大。我剛才提到，它是用互聯(lián)網(wǎng)級(jí)別的海量數(shù)據(jù)訓(xùn)練出來，這里面包括互聯(lián)網(wǎng)上的文本、高質(zhì)量的網(wǎng)頁、維基百科、書籍的語料庫。它的訓(xùn)練詞元(token)大概是千億級(jí)的。所以是訓(xùn)練方式“高”，模型規(guī)模“大”，訓(xùn)練數(shù)據(jù)“大”。

“上”是什么意思呢？這也是一個(gè)挺神奇的事，是說它的邏輯推理、知識(shí)推理、泛化能力突然之間就能更上一層樓。它的英文單詞叫做emergent ability，就是突現(xiàn)的能力、涌現(xiàn)的能力。用一個(gè)更通俗易懂的話來說就是，它突然會(huì)開竅。

語言模型隨著規(guī)模的增長，突然對(duì)于訓(xùn)練時(shí)候沒有見過的任務(wù)也能夠懂是什么意思能夠勝任，它開竅了。那么到多大的規(guī)模，這個(gè)模型才會(huì)開竅呢？基本上是在 650 億個(gè)參數(shù)，超過這個(gè)規(guī)模時(shí)它就開竅了。

這就是大模型的幾個(gè)特點(diǎn)，“高大上”。這幾個(gè)特點(diǎn)就決定了，如剛才黃所提到，它帶來了很多新的東西。這是我想跟黃所探討的第一個(gè)事。

黃燕銘：芮博剛才講到ChatGPT基于大數(shù)據(jù)大模型650億的參數(shù)以后能開竅。我們知道這次ChatGPT的出現(xiàn)離不開背后大模型的突破，二級(jí)市場的投資者普遍認(rèn)為大模型相對(duì)于之前的場景化的小模型有本質(zhì)的不同。您認(rèn)為大模型是不是實(shí)現(xiàn)通用人工智能的一種可行的路徑？我們也看到GPT-4發(fā)布也增加了圖片作為輸入的新模式，您覺得大模型未來會(huì)往怎樣的方向發(fā)展？

芮勇：黃所問的這幾個(gè)問題，都很深刻。我試著來一起來探討一下。第一個(gè)，大模型的出現(xiàn)是不是一個(gè)人工智能范式的一個(gè)轉(zhuǎn)變？這個(gè)事其實(shí)很有意思，我們來看一下。我們知道GPT大模型的版本有1、2、3、3.5等等，它這一系列的論文題目，就反映了每個(gè)階段的變化。GPT-1，論文名字叫做Improving Language Understanding by Generative Pre-Training，生成式預(yù)訓(xùn)練提升語言理解能力。GPT這三個(gè)字是Generative Pre-trained Transformer 的縮寫，是生成式預(yù)訓(xùn)練的Transformer。

在GPT-1的時(shí)候，它其實(shí)比較大，但是還沒有達(dá)到我剛才講的那個(gè)閾值，它還是一個(gè)比較小的模型，對(duì)語言有一定的理解。這個(gè)時(shí)候它有上億個(gè)參數(shù)，但是離650億個(gè)參數(shù)還有距離。

但到GPT-2的時(shí)候，它論文的題目叫做“語言模型是無監(jiān)督的多任務(wù)學(xué)習(xí)者”。GPT-2主要是通過多任務(wù)學(xué)習(xí)，獲得了遷移學(xué)習(xí)的能力，零樣本學(xué)習(xí)，和執(zhí)行任務(wù)的能力，這個(gè)是一個(gè)非常重大的突破。所以，從GPT-1到2跨越了從小模型到大模型的一個(gè)飛躍。

到GPT-3的時(shí)候，就更有意思了。它講的是“語言模型是一個(gè)小樣本的學(xué)習(xí)者”。這個(gè)時(shí)候它顯示出非常強(qiáng)大的學(xué)習(xí)能力，你只需要把訓(xùn)練好的大模型，給他幾個(gè)，比如說從中文到英文翻譯的幾個(gè)例子，它自己就理解了，哦，原來你給我這幾個(gè)例子說是讓我做翻譯，它就會(huì)給你去做翻譯了。

到GPT-3.5，也就是我們看到的ChatGPT后面大模型的時(shí)候，它又厲害了，連例子都不用給了，你就直接用自然語言的方式告訴它要做什么任務(wù)，它也能夠理解了。

前幾天，GPT-4發(fā)布，它就又上一層樓。它不僅僅是支持文本的交互，它的輸入也可以是圖像，這是和之前一個(gè)比較大的區(qū)別。它的上下文的大小，之前GPT-3.5大概是2K，那么現(xiàn)在GPT-4的達(dá)到32K.所以它的上下文能力更大，特別有利于支持多模態(tài)多輪對(duì)話的場景。

所以剛才黃所的問題，大模型的出現(xiàn)是不是一個(gè)AI的范式？從這角度看，確實(shí)是。這是從小模型加上面向特定任務(wù)的微調(diào)，轉(zhuǎn)換到了一種大模型加上上下文的學(xué)習(xí)，這樣一種新的范式，這確實(shí)是一種新范式的出現(xiàn)。

那么剛才黃所還問這個(gè)大模型，是不是通向今后的通用人工智能的一條路？這個(gè)就要看我們是怎么來定義通用人工智能。如果我們定義一個(gè)狹義的通用人工智能，比如說通過人類的各科考試，那么，這個(gè)GPT-4做的已經(jīng)很不錯(cuò)了。它現(xiàn)在已經(jīng)參加了美國的各種考試，比如說LSAT滿分是180分，它考了163分，打敗了88%的考生。還有一些別的考試，考的也都不錯(cuò)。但是還有幾種考試，比如說這個(gè)十年級(jí)的就是大概是高中吧，高中數(shù)學(xué)競賽的那個(gè)考試還不夠理想。

我們?nèi)绻x通用人工智能，它的狹義是說能夠通過人類的各科考試，現(xiàn)在GPT-4做還是可以了。

如果定義這個(gè)通用人工智能的意思是說和人類的智能要看齊，那它還是有些差距。我覺得可能主要有幾個(gè)方面，第一個(gè)是閉環(huán)的自主反饋糾錯(cuò)能力。今天我們都知道有自動(dòng)駕駛，也有人類司機(jī)的駕駛。有的時(shí)候我們還是會(huì)比較擔(dān)心，說人類司機(jī)是不是比自動(dòng)駕駛發(fā)生錯(cuò)誤的概率還高一點(diǎn)？但是人類是一個(gè)閉環(huán)反饋系統(tǒng)，他能夠?qū)崟r(shí)去糾錯(cuò)，碰到意外情況的時(shí)候，他能馬上反應(yīng)出來。但是這種開環(huán)的，比如像今天的這個(gè)大模型情況，它沒有實(shí)時(shí)反饋糾錯(cuò)的能力，碰到意外的、之前徹底沒看到過的情況的時(shí)候，它有時(shí)候會(huì)發(fā)生問題。所以今天不少人可能寧愿坐我們?nèi)祟愰_的出租車，也不愿意去信任自動(dòng)駕駛的能力。

第二，它是跟人類這種深度理解的能力也有比較大的區(qū)別，我就不舉例子了，就是你給它幾個(gè)比較繞的數(shù)學(xué)題的時(shí)候，你能把它繞進(jìn)去。人類其實(shí)是懂了，而它沒有真正懂。你把它給繞進(jìn)去了，它的答案就是錯(cuò)的。所以這么說，大模型是不是通向通用人工智能的一條路徑？我們?nèi)绻x是狹義的通用人工智能，我覺得可能是其中的一條路徑。如果是廣義的通用人工智能，那就要向人類的智能看齊，它可能還有一些距離。

黃燕銘：您講的非常清楚，這要看具體的這個(gè)應(yīng)用場景，我們本來的這個(gè)應(yīng)用場景覺得很大，放到一個(gè)更大的范圍里面，它就變得很小，所以我想這個(gè)是一個(gè)層層推進(jìn)的過程。我們今天覺認(rèn)為的大模型在將來可能還是一個(gè)小模型，我們?cè)谖磥頃?huì)有更大的一些模型的出現(xiàn)。

02 關(guān)于商業(yè)應(yīng)用場景

黃燕銘：海外像大摩這些金融機(jī)構(gòu)把ChatGPT技術(shù)應(yīng)用在理財(cái)投資顧問的工作領(lǐng)域，我們相信這種應(yīng)用也會(huì)越來越多、越來越快，相信在不遠(yuǎn)的將來ChatGPT技術(shù)也會(huì)在中國大陸全面開花。除了技術(shù)，投資者最關(guān)注的莫過于未來可能出現(xiàn)的應(yīng)用場景。我們看到微軟已經(jīng)把ChatGPT整合到了辦公軟件、會(huì)議軟件當(dāng)中，直接跟消費(fèi)者收費(fèi)；同時(shí)，海外也已經(jīng)有很多公司把GPT模型用在了不同的領(lǐng)域，比如面對(duì)企業(yè)的內(nèi)容創(chuàng)作、績效營銷分析等等。不知道您更看好GPT系列未來在哪些場景中的落地？比如是更看好B端還是C端，開源還是閉源？

芮勇：黃所說的非常好。一個(gè)技術(shù)到最后，還是要落地的，要有場景的。這個(gè)事兒從企業(yè)上來看也是完全一樣的，我們?nèi)魏蔚募夹g(shù)都要落到場景去，要產(chǎn)生經(jīng)濟(jì)效益。那么剛才黃所說，有哪些場景是落地會(huì)比較好？其實(shí)，我們?nèi)绻penAI的官網(wǎng)去看一看，他們列出了非常多的場景，有48個(gè)不同的使用場景，大致有7個(gè)類別，包括問答、分類、代碼、對(duì)話、生成、翻譯、轉(zhuǎn)換等等。

我們可以簡化一點(diǎn)看這個(gè)問題，就看兩個(gè)大類，一個(gè)是理解，另一個(gè)是生成。大模型其實(shí)非常強(qiáng)，它的語言理解能力要比之前準(zhǔn)確很多，所以這是人機(jī)交流的一個(gè)大的里程碑。比如今后我們使用搜索引擎，可以用自然語言進(jìn)行搜索了，而不用去找到底是用這個(gè)關(guān)鍵詞，還是用那個(gè)關(guān)鍵詞，你只要用自然語言就可以了，這是它理解能力的應(yīng)用場景。

第二個(gè)是生成能力的應(yīng)用場景，這里有很多智能化的內(nèi)容生成，比如輔助寫作、代碼編寫等等，這些東西它都可以做了。在節(jié)目開始之前，我跟黃所聊的時(shí)候，黃所還問說證券分析師是不是也有一部分會(huì)被取代？我覺得今后可能社會(huì)上有一些職業(yè)更容易被取代一些。數(shù)字社會(huì)勞動(dòng)力市場有一個(gè)新的特征，就是很多這種像能寫會(huì)算的專業(yè)知識(shí)技能，逐漸會(huì)被標(biāo)準(zhǔn)化、模塊化、和程序化。

反而是那些沒有被模塊化的技能可能更難被取代。有兩種技能，我覺得看起來比較難被取代。一種是創(chuàng)意，它包括分析能力、創(chuàng)造性思考能力、理解和表達(dá)能力。

第二種是社交智慧，我們?nèi)祟愂且环N社交的動(dòng)物，具有智慧的社交能力，和人際的融合能力、溝通能力和領(lǐng)導(dǎo)力，這些是很難被取代的。

剛才黃所也問到，C端B端、開源閉源。我個(gè)人認(rèn)為C端可能會(huì)快速落地，然后是B端的爆發(fā)式落地。我為什么這么認(rèn)為呢？因?yàn)槲覀兛唇裉斓倪@種大模型它的通用能力非常的強(qiáng)，可以立刻就支持C端，包括像個(gè)人應(yīng)用、內(nèi)容創(chuàng)作、文章、代碼、圖像視頻的生成，等等，所以它可以立刻支持C端，也就可以立刻快速落地。但是這個(gè)B端還需要一段時(shí)間把大模型和B端給連接起來。一旦能夠打通之后，那么B端的落地增長會(huì)是爆發(fā)性的。這是我個(gè)人的看法，關(guān)于C端和B端。

那么開源和閉源呢？我覺得閉源現(xiàn)在有一些先發(fā)優(yōu)勢，雖然我們叫OpenAI，但是它現(xiàn)在的這些模型，它并不開源，還是閉源，所以它有一定的先發(fā)優(yōu)勢。我們從一個(gè)比較長期來看，開源是有利于生態(tài)建設(shè)的，比如說我們今天大家都用的Linux，RISK-V，PyTorch，它都是開源的。開源有后勁，所以我覺得閉源現(xiàn)在有一定的先發(fā)優(yōu)勢，但是開源有利于生態(tài)建設(shè)，它的后勁會(huì)比較強(qiáng)。

黃燕銘：芮博剛才講到人類有兩種能力可能是機(jī)器暫時(shí)還替代不了，第一個(gè)是創(chuàng)意，第二個(gè)是社交。我們知道在大模型出現(xiàn)之前，也有很多的場景里邊存在一些基于特定模型的AI應(yīng)用。隨著大模型的興起，您認(rèn)為之前這些AI企業(yè)的發(fā)展是否需要全面轉(zhuǎn)向大模型？在大模型興起的過程中，這些AI企業(yè)怎么根據(jù)自己的比較優(yōu)勢做出相應(yīng)的戰(zhàn)略調(diào)整呢？

芮勇：黃所這個(gè)問題也是特別的好，我覺得可能所有做產(chǎn)業(yè)的，做企業(yè)的同仁們都會(huì)問這樣一個(gè)問題。我是這樣考慮的，把一項(xiàng)技術(shù)注入產(chǎn)品，或者去賦能業(yè)務(wù)的時(shí)候，還是要綜合考慮很多的因素。我們當(dāng)前階段大模型進(jìn)步非?？欤簧賳栴}還沒真正解決。另外用戶場景產(chǎn)生的需求也不是完全一樣，并且它的應(yīng)用程序運(yùn)行環(huán)境也不一樣。

所以我覺得，大模型會(huì)是非常重要的一支力量，但是可能也不會(huì)是放之四海而皆準(zhǔn)，所有人都需要上。如果來比較細(xì)的來看，有這么幾個(gè)方面。一個(gè)是比如說我們就用這個(gè)ChatGPT的知識(shí)庫作為一個(gè)例子，它的知識(shí)庫截止于2021年，那么問它2022年或者2023年的事，它基本上是不知道的。對(duì)于需要經(jīng)常性知識(shí)更新的業(yè)務(wù)場景，大模型今天還做的不太好。這個(gè)也比較容易理解，因?yàn)槊坑?xùn)練一次大模型非常耗時(shí)，并且強(qiáng)大的算力后面還需要很多人工，還要去人為給它一些強(qiáng)化學(xué)習(xí)的一些反饋。所以它的實(shí)時(shí)性不強(qiáng)，對(duì)最新的消息它也不知道。

所以，對(duì)這些場景可能它不是特別適合。第二，它的泛化能力有時(shí)能泛化的挺好，有時(shí)又泛化的不好。對(duì)一些工業(yè)應(yīng)用，真正的應(yīng)用可能還有點(diǎn)不是很安全，因?yàn)檎l也不想看這東西時(shí)靈時(shí)不靈。所以我們覺得還有些場景，它不太能夠用得到。大模型的參數(shù)是在千億級(jí)的，它需要設(shè)備端和云端的實(shí)時(shí)連接，云端去做各種計(jì)算、生成和推理。那么，對(duì)于網(wǎng)絡(luò)通訊能力比較弱，或者是低功耗的設(shè)備，它可能也不太適用。

所以我們說，大模型有很多地方都非常適用，但是可能也有一些場景，它并不完全適用。剛才黃所也提到企業(yè)怎么去做調(diào)整，怎么去抓住機(jī)會(huì)。我也趁這個(gè)機(jī)會(huì)插播一個(gè)廣告。大模型里面有幾個(gè)非常關(guān)鍵的核心技術(shù)，剛才我和黃所聊的時(shí)候我們都聊到了，比如Few-Shot Learning，就是小樣本學(xué)習(xí)，還有增強(qiáng)學(xué)習(xí)等等。這些技術(shù)，其實(shí)聯(lián)想我的團(tuán)隊(duì)很早之前一直在看這個(gè)事。

我們把它用在一個(gè)比較有意思的地方，用在工廠的智能排產(chǎn)。聯(lián)想有一家非常大的工廠，在合肥，它的占地有42個(gè)標(biāo)準(zhǔn)足球場那么大。全球的每8臺(tái)PC有1臺(tái)就是在那里生產(chǎn)的。它有上百條的產(chǎn)線，它能生產(chǎn)的機(jī)器類型也是上百款，每一天都從全球飛來成千上萬的訂單。這些訂單那到底是應(yīng)該排在哪個(gè)產(chǎn)線的哪個(gè)時(shí)間去生產(chǎn)？這就很有學(xué)問了，如果這個(gè)排產(chǎn)排的好，它的成本就會(huì)低很多，它的速度就會(huì)快很多，它的產(chǎn)線利用率就會(huì)突飛猛進(jìn)的增強(qiáng)。如果我們用深度學(xué)習(xí)加上強(qiáng)化學(xué)習(xí)的這種方式去做，就會(huì)得到非常好的效果。所以我們也是在合肥工廠用到了這種強(qiáng)化學(xué)習(xí)，使得我們排產(chǎn)水平和排產(chǎn)效率大幅的提高。

那么聯(lián)想現(xiàn)在大的戰(zhàn)略方向是“端邊云網(wǎng)智”，我覺得這幾個(gè)方向都會(huì)跟大模型發(fā)生關(guān)系。特別是大模型把新的機(jī)會(huì)點(diǎn)、新的需求都提出來了。在“端”側(cè)，無論是PC、手機(jī)、平板、AR/VR這些設(shè)備它都會(huì)成為大模型某一種輸入的入口。那么“邊云網(wǎng)”這些基礎(chǔ)設(shè)施，如果我們要訓(xùn)練大模型的話，并行計(jì)算、分布式大規(guī)模訓(xùn)練的基礎(chǔ)設(shè)施就非常重要。這塊兒是聯(lián)想基礎(chǔ)設(shè)施業(yè)務(wù)群會(huì)著力去看。

在“智”這方面，我們?cè)诳春芏嗟男袠I(yè)智能化，比如說智能制造、智慧交通、智慧教育等等。那么大模型出來之后，不僅是聯(lián)想了，我相信很多公司也會(huì)說，這種通用領(lǐng)域的大模型，如何和垂直行業(yè)的知識(shí)相結(jié)合，在垂直行業(yè)做智能化？所以這幾個(gè)方面，我覺得大模型確實(shí)有很多重要的方向，也帶來了非常多的機(jī)會(huì)。

黃燕銘：到目前為止，實(shí)際上我們關(guān)于AI的主要應(yīng)用都是在生產(chǎn)管理、企業(yè)經(jīng)營方面。當(dāng)然AI其實(shí)也很大的一塊是用在藝術(shù)方面，現(xiàn)在大家都在強(qiáng)調(diào)人工智能作畫。隨著AI作畫和ChatGPT的“出圈”，我們也看到有越來越多的創(chuàng)業(yè)者把生成式AI作為了自己的創(chuàng)業(yè)方向。但同時(shí)，大模型的人才投入和成本都是非常大的，各大巨頭也都已經(jīng)在做。您覺得如果作為AI創(chuàng)業(yè)者，機(jī)會(huì)在哪里？

芮勇：黃所，這又是一個(gè)特別好的問題，我先嘗試著從兩個(gè)角度來回答一下。我過一會(huì)兒也特別想聽聽黃所怎么來看這個(gè)問題。第一個(gè)角度，我覺得這個(gè)就像黃所剛才講的初創(chuàng)企業(yè)，大模型的訓(xùn)練成本非常高昂，可能初創(chuàng)企業(yè)不太適合從零開始，與現(xiàn)有的大模型競爭。但是這并不代表初創(chuàng)企業(yè)跟大模型就不發(fā)生關(guān)系。我覺得有很多地方它都可以去發(fā)生關(guān)系的。

比如在大模型基礎(chǔ)之上，進(jìn)行不同行業(yè)的創(chuàng)新。像黃所剛才提到的AIGC，在生成方式，在藝術(shù)方面，這些都是一些非常好的方向，在大型之上去做創(chuàng)新。那么，大模型和這個(gè)之上的創(chuàng)新就有一點(diǎn)像，比如說在10-15年以前移動(dòng)互聯(lián)網(wǎng)時(shí)代開始蓬勃發(fā)展的時(shí)候，一些公司負(fù)責(zé)開發(fā)操作系統(tǒng)的平臺(tái)，另外一些公司在這個(gè)操作系統(tǒng)之上去做它的開發(fā)套件API，還有一些公司在這個(gè)之上去開發(fā)應(yīng)用。

我覺得今天可能也是一樣，有做大模型的大型企業(yè)，有做專業(yè)知識(shí)的專業(yè)企業(yè)，還有一些初創(chuàng)公司的小型企業(yè)，我覺得大家可以形成一個(gè)生態(tài)，從不同的角度來進(jìn)行創(chuàng)新和推進(jìn)。

第二個(gè)角度，我覺得有一些企業(yè)可以去把垂直行業(yè)和大模型做一些適配，尤其是在數(shù)據(jù)端的適配，因?yàn)橛幸恍┐怪毙袠I(yè)它可能不想把私有數(shù)據(jù)共享給大模型公司，大模型公司又沒有辦法去訓(xùn)練它的數(shù)據(jù)。這個(gè)時(shí)候就不是一個(gè)最優(yōu)的答案。那么，有沒有一些企業(yè)可以去做一些很新穎的方式，使得私有企業(yè)比較安全地把私有數(shù)據(jù)共享給模型公司，這個(gè)時(shí)候就可以吸引更多的數(shù)據(jù)訓(xùn)練出更好的模型，再吸引更多的用戶，這樣整個(gè)的數(shù)據(jù)飛輪就能夠轉(zhuǎn)起來了。我覺得確實(shí)有很多方向，這些初創(chuàng)企業(yè)都是可以做的。我也想和黃所討論一下，在這方面黃所怎么看？

黃燕銘：其實(shí)站在我的角度來說，我也思考了很多問題，我自己做證券研究29年，我認(rèn)為證券研究的原料是信息，證券研究的成果依然是信息。信息研究、信息管理的整個(gè)過程貫穿了證券研究的管理的整個(gè)過程。但是在這個(gè)過程當(dāng)中，我們有些東西是可以用計(jì)算機(jī)記錄下來，用計(jì)算機(jī)來進(jìn)行計(jì)算，用計(jì)算機(jī)來進(jìn)行記憶，但是有些東西計(jì)算機(jī)做不到。

我一直在思考一個(gè)問題，1946年馮諾依曼在設(shè)計(jì)計(jì)算機(jī)結(jié)構(gòu)的時(shí)候，他把計(jì)算機(jī)的主要功能設(shè)定為記憶和計(jì)算，但是他少了一塊東西，跟人類相比，那就是心智，人類的智慧。為什么他沒有設(shè)計(jì)智慧？知識(shí)是記錄在紙上的，知識(shí)可以用機(jī)器來記錄和表達(dá)，但智慧是人需要感悟和認(rèn)知的，所以知識(shí)在書本，在電腦。智慧在人的內(nèi)心，在大腦。所以是兩個(gè)不同的東西。因此，計(jì)算機(jī)能夠幫助我們?nèi)ビ洃浿R(shí)，幫助我們?nèi)ビ?jì)算知識(shí)。但是計(jì)算機(jī)不能幫助我們?nèi)祟惾ジ形蛐轮腔邸?/p>

所以我自己認(rèn)為人工智能再怎么發(fā)展，可能有一條鴻溝，沒有辦法突破，就是“轉(zhuǎn)識(shí)成智”，怎么把知識(shí)變成智慧，變成智慧是需要相當(dāng)長的時(shí)間學(xué)習(xí)鍛煉，然后不斷的去感悟的過程，而且不同的人對(duì)智慧的感悟可能是不一樣的。

我相信，ChatGPT以及類似的這些人工智能的發(fā)展會(huì)給我們各行各業(yè)在未來帶來很大的變化。這種變化主要還是在記憶和計(jì)算兩大環(huán)節(jié)給我們提供幫助，畢竟我們?cè)谌祟惖娜粘４竽X的活動(dòng)當(dāng)中，計(jì)算和記憶占了大量時(shí)間，而參悟智慧占的時(shí)間并不多。雖然它是最重要的，但是我們相對(duì)來講占的時(shí)間不多。

如芮博所言，人工智能沒有辦法幫我們完成的工作，第一個(gè)是社交，第二個(gè)是創(chuàng)造性的工作。那從我的角度來說，哪些東西電腦能夠完成？哪些東西電腦不能完成？我的理解是形而下的工作可以交給計(jì)算機(jī)，但是形而上的感悟，目前來看，人工智能還很難去幫我們完成。

什么叫“形而下”？有具體的數(shù)據(jù)、具體的語言、具體的計(jì)算公式，能夠按照一種方式，放進(jìn)去這些條件出來的結(jié)果就是這個(gè)。這些工作在我們證券研究里面其實(shí)有很多，比如說我們?nèi)粘Ｗ鲎C券研究，我們要收集信息，要收集上市公司年報(bào)的信息，要收集公告信息，收集各個(gè)媒體發(fā)布的信息等等，通過把這些信息收集過來，加工整理成我們一系列的研究產(chǎn)品，包括信息匯編類的報(bào)告、年報(bào)點(diǎn)評(píng)類的報(bào)告、行業(yè)點(diǎn)評(píng)類的報(bào)告。這些通過簡單的人工收集信息，然后簡單加工，就可以形成的這一類日常點(diǎn)評(píng)性的報(bào)告，我相信用人工智能都可以完成。

而這類工作其實(shí)在我們?nèi)粘．?dāng)中耗費(fèi)了巨多的時(shí)間和人力，所以說我相信人工智能的發(fā)展會(huì)導(dǎo)致證券研究人員數(shù)量可能會(huì)在一定程度上減少，大量研究助理需要干的活被機(jī)器替代，很多研究助理晚上可以減少熬夜，讓機(jī)器幫助完成一部分的工作。

不過，是不是證券的研究中所有的東西都可以讓電腦來替代呢？我就說一個(gè)問題，2014年本人的那篇文章，《股票價(jià)格不是樹上的花》，這篇文章能讓機(jī)器寫出來嗎？我相信也不能。這就好比以前大家在探討有沒有可能讓機(jī)器寫出優(yōu)美的散文和唐詩、機(jī)器能不能參悟人類的智慧達(dá)到更高的一個(gè)境界。我相信智慧還是需要人類自己去完成。

所以我們也在討論一個(gè)很簡單的問題，機(jī)器能不能寫出讓人類滿意的研究報(bào)告？我的答案是機(jī)器可以寫出讓機(jī)器滿意的報(bào)告，但是機(jī)器很難寫出完美到讓人類最滿意的研究報(bào)告，但它能夠幫助我們解決記憶和計(jì)算。

芮勇：黃所講的非常精彩，我特別認(rèn)同這樣的一些看法，關(guān)于機(jī)器和人之間的關(guān)系，“形而下”和“形而上”之間的關(guān)系。我從事信息行業(yè)，計(jì)算機(jī)是信息科學(xué)的一個(gè)分支。從信息科學(xué)來看，數(shù)據(jù)是一些最原始的東西，數(shù)據(jù)升華以后才是信息，信息升華以后才是知識(shí)，知識(shí)再升華以后才是智慧。它有好幾個(gè)不同的等級(jí)，所以我特別同意剛才黃所講的，確實(shí)人類和機(jī)器還是有很多不一樣的地方。黃所另外講的一個(gè)觀點(diǎn)是人和機(jī)器的之間的關(guān)系，我也非常認(rèn)同。

我從2015、2016年開始就跟大家說AI到底是哪兩個(gè)字，它不一定代表Artificial Intelligence，我們今天所說的人工智能，我覺得它更代表的是Augmented Intelligence，是一個(gè)增強(qiáng)以后的人類智能。其實(shí)人和機(jī)器的關(guān)系不是人和機(jī)器PK，而是人加上機(jī)器，機(jī)器是一種輔助的工具使得我們?nèi)祟惛訌?qiáng)大。

機(jī)器應(yīng)該為人類服務(wù)，而不是人類為機(jī)器服務(wù)。那么剛才黃所提到的一個(gè)是計(jì)算、一個(gè)是記憶，這兩個(gè)讓機(jī)器去做吧。這兩個(gè)機(jī)器本來做的都很好，它算的比我們算的快，記得也比我們記得多。但是很多它不會(huì)的東西是在我們?nèi)祟惖哪X子里，那剛好機(jī)器干機(jī)器強(qiáng)的事，人類干人類強(qiáng)的事，所以結(jié)合在一起，應(yīng)該是一個(gè)更加強(qiáng)大的人，就是我認(rèn)為是一個(gè)增強(qiáng)的人類，所以認(rèn)同黃所剛才講的這幾點(diǎn)。

03 關(guān)于AI技術(shù)倫理

黃燕銘：我們也注意到，不管是ChatGPT還是最近發(fā)布的GPT-4，在回答一些問題時(shí)也生成了一些對(duì)部分人群不友好的回答。您覺得隨著人工智能的發(fā)展，未來我們可能會(huì)面臨哪些技術(shù)倫理方面的問題？

芮勇：黃所問了一些非常高深的問題，這也是上升到哲學(xué)高度了。這個(gè)事我是這樣看，倫理這個(gè)事確實(shí)很重要，如果看我們古代的一些先賢，他們對(duì)這些事情的看法。比如說從《道德經(jīng)》的角度來看，《道德經(jīng)》里有一句話，“天之道，利而不害”。這就是說，自然規(guī)律是利萬物。我們的先賢在幾千年以前的這些理念、觀點(diǎn)，對(duì)今天的AI發(fā)展仍然有指導(dǎo)意義。

在人工智能技術(shù)走向產(chǎn)品的時(shí)候，一定也會(huì)碰到道德和倫理的問題。之前的某款聊天機(jī)器人就可能會(huì)講一些不太準(zhǔn)確、不太合適的話，上線不到24小時(shí)就被迫關(guān)閉了。那今天的ChatGPT在這方面已經(jīng)做了很大的改進(jìn)，它的情商還是比較高的，很少會(huì)有侮辱性語言和偏激行為，因?yàn)樗挠?xùn)練方式已經(jīng)和7、8年前相比有很大飛躍了。但即使是這樣，我們?nèi)匀恍枰纯丛趺茨茏屗幼袷匚覀內(nèi)祟惖膫惱怼?/p>

我們來回顧一下大模型的訓(xùn)練過程，它其實(shí)用了互聯(lián)網(wǎng)級(jí)別的海量數(shù)據(jù)來訓(xùn)練。這就是像一個(gè)孩子，他學(xué)習(xí)了很多基本的文化知識(shí)，但是他沒有建立價(jià)值觀，他不知道什么叫對(duì)，什么叫錯(cuò)，什么叫正確的，什么叫不正確的。對(duì)于這一點(diǎn)，我們要教這個(gè)孩子什么是對(duì)的，什么是錯(cuò)的。

在ChatGPT里有一個(gè)算法，我們剛才也提到了，就是基于人類反饋的強(qiáng)化學(xué)習(xí)。這個(gè)就是為了去教這個(gè)大模型人類的價(jià)值觀是什么，人類認(rèn)為什么是對(duì)的、什么是錯(cuò)的，使得大模型向人類的價(jià)值觀來靠攏。所以，這是一個(gè)挺重要的問題。所以我們看到的在人工智能的發(fā)展過程當(dāng)中，給我們帶來了很多生活的便利、生產(chǎn)效能的提高，但是這些倫理和道德問題，我們也要花大力氣去想，這些人工智能產(chǎn)品的落地時(shí)需要遵循的一些原則，才能使之健康有序的發(fā)展。

現(xiàn)在業(yè)界比較公認(rèn)的幾個(gè)人工智能基本原則，包括公平、可靠、保密、包容、透明、負(fù)責(zé)，等等。我們?cè)倩貋砜催@幾個(gè)字，很多理念也是我們中華民族這幾千年來文化的根基。所以基于這樣的一些理念，我們能夠讓人工智能以一種合乎倫理的方式進(jìn)行使用，也可以設(shè)計(jì)出讓人更加信賴的人工智能、更加體現(xiàn)道德原則的解決方案。

黃燕銘：還想跟芮博交流最后一個(gè)問題，改革開放40多年，中國的科學(xué)技術(shù)突飛猛進(jìn)，中國的金融行業(yè)也是日新月異，您作為一個(gè)走遍世界的技術(shù)領(lǐng)軍人物，站在您的角度，對(duì)中國的人工智能，特別是對(duì)GPT的發(fā)展前景如何看待，能否做個(gè)展望？

芮勇：對(duì)，我覺得我們的前景非常的好！首先，整個(gè)科技領(lǐng)域，人工智能領(lǐng)域，無論是從基礎(chǔ)算法，還是從我們的數(shù)據(jù)，都非常豐富，非常先進(jìn)。其次，中華民族有一個(gè)比較重要的美德，我們非常的勤奮。那么在強(qiáng)大算法的基礎(chǔ)之上，加上這種勤奮的美德，我們?cè)敢夂献鞯倪@種美德，我覺得我們無論是人工智能，還是更廣闊的整個(gè)科技領(lǐng)域的發(fā)展，都會(huì)變得越來越好！好，謝謝黃所！

黃燕銘：謝謝芮博！我相信人工智能的未來發(fā)展，前景非常廣闊，現(xiàn)在才剛剛開始，未來還有很多新的技術(shù)發(fā)展、新的應(yīng)用值得我們期待！我們大家可以期待一個(gè)更加美好的未來！我們今天的節(jié)目就到這里謝謝大家！

（文章來源：國泰君安）

關(guān)鍵詞：