熱度不減的大模型是實現人工智能的唯一解決方法嗎？每個行業都要有自己的大模型嗎？對于大模型，我們現在還是跟隨，那么自主的發展路徑是什么？當預訓練大模型攪動起巨大的研發、應用熱潮時，這些問題隨之產生。
中國計算機學會以“智啟新局”為主題，5月16-18日在浙江寧波舉辦了2024青年精英大會（YEF2024），1200多名來自全國各高校、科研院所、企業的青年學者、專家，集中討論了大模型、人工智能安全、國產算力、開源芯片、腦機接口等多個前沿領域發展。
不依賴“一兩個模型打天下”
大模型為什么不是萬能的？面對現在的大模型熱，南京大學計算機系主任、人工智能學院院長周志華教授從兩個方面進行了分析，一方面大模型確實非常有用，所以業界特別是企業應該努力“壓榨”這個大模型路線的技術紅利，盡可能讓它發揮更大的作用；另一方面也需要認識到大模型不是所有任務的最佳解決方案，“很多企業現在都在做自己的大模型，甚至覺得不做大模型不正確，但是機器學習里有一個基本定律‘沒有免費的午餐’。希望一個算法模型能夠包打天下是不可能，一定有弱點，大模型有一些‘煩惱’。”
長期從事人工智能核心技術機器學習研究的周志華教授，有一系列原創性成果，他列舉了大模型的多個“煩惱”。
首先，大模型要先規劃任務、收集數據，然后訓練出模型，也就是說必須先考慮到要解決某一類任務，然后為它去收集數據做模型，這時如果有一個新任務，原來沒有考慮規劃過，這時就沒有模型可用的。
其次，大模型訓練和使用能耗、碳耗、數據耗都很大，一般人用不起。有人作過預測，按照現在的趨勢下去，2025年一個大模型訓練產生的碳排放相當于全紐約一個月的碳排放。
周志華教授提到，現在人們都希望先訓練一個模型，并希望在使用的過程中不斷去更新它，但是目前的大模型路線，有一個問題叫“災難性遺忘”。他以自動汽車駕駛為例，若機器學習模型在對新環境獲取的數據進行學習時，會“沖掉”舊環境中得到的寶貴信息，會出現重大安全隱患。
由于前面列舉的各種問題，人們都希望大模型能夠持續學習和終身學習，希望模型學了一堆任務之后，隨著應用的不斷發展，能夠不斷地“學”下去。周志華判斷：“這件事情在今天基于神經網絡，或者從基本的數學工具上還看不到解決方案。”
“訓練大模型要有大量的訓練數據，但是在大數據時代，這仍然是問題。”周志華解釋，有的應用樣本總量就是小，比如我們要做油田定位，這個數據要通過人工誘發地震才能獲得，那就不可能有大量數據。再比如銀行信用卡欺詐交易檢測，樣本很小。現在有人基于大模型在做軟件缺陷檢測，馬上就會碰到這個問題，雖然互聯網上這樣的開源代碼很多，但是真正由程序員標注出缺陷的很少，所以數據總量仍舊是問題。
此外，數據隱私和所有權問題還無法解決。比如做醫療診斷，大醫院有很好的數據，能做很好的模型，社區醫院數據不多，做不了很好的模型，大醫院能不能把這個數據進行分享？一旦分享，患者隱私就沒辦法得到保障。
“所以大模型的成功，更多是在很多日常能夠接觸到的，比如互聯網語料文本、視頻，容易收集到的語音數據，都是一些公開、開源、高頻的任務數據，而真正和生產行業和日常生活，特別是涉及隱私相關的任務里面其實很難做。”他提出：“所以要有一個認識，大模型很成功，但是它更適用于資源富集，就是大數據、大算力、大資金、大能耗。而且模型可以離線訓練，不需要在線更新，更重要的它是高頻任務。但如果是小資源，模型不能夠離線訓練，必須要求在線更新時，就不合適。”
“所以大模型的用處更應該是因地制宜，或者因任務制宜，很多的任務可能不太適用于像今天的大模型。我們有必要去嘗試其他的研究路線。我們這幾年在研究這么一件事，叫作‘學件’（learnware），這個詞也是我們造出來的。”周志華介紹，學件=模型+規約，基本思想是不依賴“一兩個英雄模型打天下”，可以發揮多個模型的集成作用，以適應不同任務需求。在未經過專門訓練的新任務上提供解決方案，同時強調保護用戶和開發者的數據安全，實現模型之間的協同工作，以推動創新和提升問題解決能力。
AI應用市場繁榮，但這是一座“危樓”
中國科學院院士、清華大學教授胡事民在報告中提及，本輪人工智能發展有四駕馬車：算力、框架、算法、數據，匯聚并促進了人類智慧的交融。他認為，應該更全面看待人工智能發展，不要只看應用端，要從硬件、框架、模型算法和應用四個層面來看，這四者都對人工智能的生態產生重要影響。
胡事民院士分析了目前人工智能發展，我國面臨的幾個不利條件。首先，從硬件來看，兩種國外AI芯片占了99%的市場份額。國產芯片要融入既有生態非常難，迭代更新慢。
其次，從框架來看，國外深度學習框架占據主導的地位，國產框架面臨生態屏障。從模型與算法方面來看，比前兩者要好，但需加強原始創新。
在應用層面，我國市場大、應用場景多、落地快、市場繁榮，有許多創業公司，“但它是一棟危樓，底下的硬件和軟件有問題。這是我們的現狀。”
“需要以深度學習框架為牽引，夯實我國AI生態。”胡事民院士提出，因為框架承上啟下，它可以在芯片算力水平不高的情況下盡量挖掘潛力，同時把應用層支撐好。清華大學在2020年3月20日推出“計圖”深度學習框架，具備兩個優點：第一個好處是快； 第二個好處是對硬件的支持廣泛，可以快速適配任何一款國產硬件。“希望以‘計圖’框架為核心，基于國產硬件促進人工智能算法應用的創新，來推動開源開放，構建中國人工智能的生態。”
人工智能自主發展需要匯聚青年力量
中國工程院院士、清華大學教授鄭緯民告訴中青報·中青網記者，從學術角度來看，現在有四類人在關注大模型，一是真正做大模型的；二是大模型+，做應用的；三是進行政策規范治理的研究學者；四是如何讓大模型用起來，進行基礎設施建設的科研人員。
作為大會程序委員會主席，清華大學副教授崔鵬說，我們現在整體人工智能的發展路徑還是以跟隨為主，其中一個很明顯的現象是，OpenAI發布一個新的產品，我們趕緊奮起直追，那么中國人工智能自主發展路徑在何方，希望匯聚青年精英的力量，共同去探討和商議。
清華大學公共管理學院教授，人工智能治理研究中心主任梁正在專題報告中指出，發展人工智能，我國在基礎理論、核心軟硬件和生態方面還與國際先進水平有一定差距，要平衡創新與治理、踐行價值對齊的倫理思路，并吸收國際經驗，探索理念開放、主體多元、對象分層、工具靈活的敏捷治理新思路，以推動我國人工智能治理的進一步發展。
相較于大語言模型，近期以Open AI的SORA、GPT-4o，以及谷歌的Geimini為代表的世界模型，成為學術界和工業界的研究熱點，被認為是通向強人工智能的關鍵技術路徑。但是以多模態學習為基礎的世界模型的路線還不清晰，未來發展有很多爭議，復旦大學教授邱錫鵬教授發起的“世界模型之路在何方”的論壇，吸引了更多學者探討世界模型的發展路線，以及在國內算力不足的條件下如何輕量化發展，如何跨模態相互理解等研究方向。
熱度不減的大模型是實現人工智能的唯一解決方法嗎？每個行業都要有自己的大模型嗎？對于大模型，我們現在還是跟隨，那么自主的發展路徑是什么？當預訓練大模型攪動起巨大的研發、應用熱潮時，這些問題隨之產生。
中國計算機學會以“智啟新局”為主題，5月16-18日在浙江寧波舉辦了2024青年精英大會（YEF2024），1200多名來自全國各高校、科研院所、企業的青年學者、專家，集中討論了大模型、人工智能安全、國產算力、開源芯片、腦機接口等多個前沿領域發展。
不依賴“一兩個模型打天下”
大模型為什么不是萬能的？面對現在的大模型熱，南京大學計算機系主任、人工智能學院院長周志華教授從兩個方面進行了分析，一方面大模型確實非常有用，所以業界特別是企業應該努力“壓榨”這個大模型路線的技術紅利，盡可能讓它發揮更大的作用；另一方面也需要認識到大模型不是所有任務的最佳解決方案，“很多企業現在都在做自己的大模型，甚至覺得不做大模型不正確，但是機器學習里有一個基本定律‘沒有免費的午餐’。希望一個算法模型能夠包打天下是不可能，一定有弱點，大模型有一些‘煩惱’。”
長期從事人工智能核心技術機器學習研究的周志華教授，有一系列原創性成果，他列舉了大模型的多個“煩惱”。
首先，大模型要先規劃任務、收集數據，然后訓練出模型，也就是說必須先考慮到要解決某一類任務，然后為它去收集數據做模型，這時如果有一個新任務，原來沒有考慮規劃過，這時就沒有模型可用的。
其次，大模型訓練和使用能耗、碳耗、數據耗都很大，一般人用不起。有人作過預測，按照現在的趨勢下去，2025年一個大模型訓練產生的碳排放相當于全紐約一個月的碳排放。
周志華教授提到，現在人們都希望先訓練一個模型，并希望在使用的過程中不斷去更新它，但是目前的大模型路線，有一個問題叫“災難性遺忘”。他以自動汽車駕駛為例，若機器學習模型在對新環境獲取的數據進行學習時，會“沖掉”舊環境中得到的寶貴信息，會出現重大安全隱患。
由于前面列舉的各種問題，人們都希望大模型能夠持續學習和終身學習，希望模型學了一堆任務之后，隨著應用的不斷發展，能夠不斷地“學”下去。周志華判斷：“這件事情在今天基于神經網絡，或者從基本的數學工具上還看不到解決方案。”
“訓練大模型要有大量的訓練數據，但是在大數據時代，這仍然是問題。”周志華解釋，有的應用樣本總量就是小，比如我們要做油田定位，這個數據要通過人工誘發地震才能獲得，那就不可能有大量數據。再比如銀行信用卡欺詐交易檢測，樣本很小。現在有人基于大模型在做軟件缺陷檢測，馬上就會碰到這個問題，雖然互聯網上這樣的開源代碼很多，但是真正由程序員標注出缺陷的很少，所以數據總量仍舊是問題。
此外，數據隱私和所有權問題還無法解決。比如做醫療診斷，大醫院有很好的數據，能做很好的模型，社區醫院數據不多，做不了很好的模型，大醫院能不能把這個數據進行分享？一旦分享，患者隱私就沒辦法得到保障。
“所以大模型的成功，更多是在很多日常能夠接觸到的，比如互聯網語料文本、視頻，容易收集到的語音數據，都是一些公開、開源、高頻的任務數據，而真正和生產行業和日常生活，特別是涉及隱私相關的任務里面其實很難做。”他提出：“所以要有一個認識，大模型很成功，但是它更適用于資源富集，就是大數據、大算力、大資金、大能耗。而且模型可以離線訓練，不需要在線更新，更重要的它是高頻任務。但如果是小資源，模型不能夠離線訓練，必須要求在線更新時，就不合適。”
“所以大模型的用處更應該是因地制宜，或者因任務制宜，很多的任務可能不太適用于像今天的大模型。我們有必要去嘗試其他的研究路線。我們這幾年在研究這么一件事，叫作‘學件’（learnware），這個詞也是我們造出來的。”周志華介紹，學件=模型+規約，基本思想是不依賴“一兩個英雄模型打天下”，可以發揮多個模型的集成作用，以適應不同任務需求。在未經過專門訓練的新任務上提供解決方案，同時強調保護用戶和開發者的數據安全，實現模型之間的協同工作，以推動創新和提升問題解決能力。
AI應用市場繁榮，但這是一座“危樓”
中國科學院院士、清華大學教授胡事民在報告中提及，本輪人工智能發展有四駕馬車：算力、框架、算法、數據，匯聚并促進了人類智慧的交融。他認為，應該更全面看待人工智能發展，不要只看應用端，要從硬件、框架、模型算法和應用四個層面來看，這四者都對人工智能的生態產生重要影響。
胡事民院士分析了目前人工智能發展，我國面臨的幾個不利條件。首先，從硬件來看，兩種國外AI芯片占了99%的市場份額。國產芯片要融入既有生態非常難，迭代更新慢。
其次，從框架來看，國外深度學習框架占據主導的地位，國產框架面臨生態屏障。從模型與算法方面來看，比前兩者要好，但需加強原始創新。
在應用層面，我國市場大、應用場景多、落地快、市場繁榮，有許多創業公司，“但它是一棟危樓，底下的硬件和軟件有問題。這是我們的現狀。”
“需要以深度學習框架為牽引，夯實我國AI生態。”胡事民院士提出，因為框架承上啟下，它可以在芯片算力水平不高的情況下盡量挖掘潛力，同時把應用層支撐好。清華大學在2020年3月20日推出“計圖”深度學習框架，具備兩個優點：第一個好處是快； 第二個好處是對硬件的支持廣泛，可以快速適配任何一款國產硬件。“希望以‘計圖’框架為核心，基于國產硬件促進人工智能算法應用的創新，來推動開源開放，構建中國人工智能的生態。”
人工智能自主發展需要匯聚青年力量
中國工程院院士、清華大學教授鄭緯民告訴中青報·中青網記者，從學術角度來看，現在有四類人在關注大模型，一是真正做大模型的；二是大模型+，做應用的；三是進行政策規范治理的研究學者；四是如何讓大模型用起來，進行基礎設施建設的科研人員。
作為大會程序委員會主席，清華大學副教授崔鵬說，我們現在整體人工智能的發展路徑還是以跟隨為主，其中一個很明顯的現象是，OpenAI發布一個新的產品，我們趕緊奮起直追，那么中國人工智能自主發展路徑在何方，希望匯聚青年精英的力量，共同去探討和商議。
清華大學公共管理學院教授，人工智能治理研究中心主任梁正在專題報告中指出，發展人工智能，我國在基礎理論、核心軟硬件和生態方面還與國際先進水平有一定差距，要平衡創新與治理、踐行價值對齊的倫理思路，并吸收國際經驗，探索理念開放、主體多元、對象分層、工具靈活的敏捷治理新思路，以推動我國人工智能治理的進一步發展。
相較于大語言模型，近期以Open AI的SORA、GPT-4o，以及谷歌的Geimini為代表的世界模型，成為學術界和工業界的研究熱點，被認為是通向強人工智能的關鍵技術路徑。但是以多模態學習為基礎的世界模型的路線還不清晰，未來發展有很多爭議，復旦大學教授邱錫鵬教授發起的“世界模型之路在何方”的論壇，吸引了更多學者探討世界模型的發展路線，以及在國內算力不足的條件下如何輕量化發展，如何跨模態相互理解等研究方向。
本文鏈接：構建中國人自己的智能生態 解決大模型的“煩惱”http://www.sq15.cn/show-2-6061-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。