火山引擎吴迪：带你了解大模型的应用和未来

当企业的数智化升级来到深水区，我们有哪些新的方法可以帮助企业持续增长呢？
AI无疑是其中的一种。在今年，ChatGPT的火热，带动了大模型相关产业的不断升温。如何将大模型技术应用于业务，也成为企业关注的话题。
数据是新时代的石油。企业的数智化升级往往会积累大量的数据，那么如何让数据产生价值，如何让数据持续驱动企业的发展，也是大家所面临的关键问题。
为了帮助大家深入了解这些问题，火山引擎联合得到APP共同推出《人均老师·云上增长季》。未来12期，我们将从不同行业邀请12位嘉宾，帮你从多个角度拆解、分析，数字化技术究竟能如何帮助到我们的工作生活。

第01期
如何抓住人工智能带来的机遇？
第一期，火山引擎智能算法负责人、火山方舟负责人吴迪，来给我们分享常听说的大模型究竟是什么？它与传统技术有何不同？又有哪些具体的应用？

如何理解AI、大模型、GPT的关系？

AI的中文名称是人工智能，简单来说就是能取代人类智力劳动的机器或者系统。
比如汽车是代步工具，它取代的是人的体力，就不能称之为 AI。但是，如果这台车具备了简单的取代驾驶员判断能力的功能之后，哪怕是最简单的倒车入库，自动车道线跟踪， 这个时候我们就可以称其蕴含了一些 AI 的能力在里面。
大模型和人类一样，如果想拥有更多的见解，在复杂情况下做出更好的反应，那它就需要去记忆更多信息，与更复杂的神经元联结，才能处理一些更复杂的情况。
大家逐渐把模型做大、做复杂，我们就可以获得更高层次的 AI。
GPT 是生成式预训练 Transformer 模型，是大模型中的一种，也是目前被证明行之有效的一个具体技术。

大模型都有哪些具体的应用？

现在这一波大模型浪潮，很大程度上是从本质上改变了人机交互的形式，让模型说人话是这一次AI变革的主要的特征之一，模型必然要去记忆和压缩更多的信息。
全球范围内的应用研发如火如荼，有非常多的门类。
👉比如提升效率的一些应用，原来大家去处理一些数据，使用 Excel 的表格或是大数据领域复杂的数据分析，往往需要写很多代码，做非常复杂的数据分析和规划。但大模型能够把你的需求变成指令，然后再把结果告诉你。
例如你想了解团队这个季度的奖金的平均值，就不再需要写几行代码，或拖拽表单，以后可能是大模型直接把一个数值告诉你。
👉比如电商的客服和导购，例如什么时候发货，支付为什么没有到账等问题，原先可能需要客服人员查知识库，然后再耐心解答客户的一些问题，中间需要消耗大量的时间。
大模型则可以根据客户反馈或者抱怨，去分析和规划出它后面应该去查哪些记录，应该从哪些知识库里面提取信息，解决诉求。
电商的导购可能也会有非常丰富的一些场景。例如你可以跟大模型讲，“我这周日想去参加朋友的一个生日聚会，请给我推荐一些合适的衣服”，这时候它可能从整个的商品库里面挑出适合生日晚宴上穿的，能够在周日之前送达到你地址上的一些合适的衣服。
👉比如智能座舱，你和爱人开车出行，然后你爱人说，“哇，今天晚上星空真美”，这时候车的智能座舱自动就会把天窗打开。
比如你第一次开车去东北，车窗外面可能会结霜，但如果你是一个南方人，可能完全不知道除霜的按钮在哪里。这个时候，只需要把问题向你的智能座舱机器人呈现出来，然后它会去分析，你可能遇到了需要除霜的需求。
👉比如视频会议，大模型可能会把重要的语音转成文本，进行摘要，再列出这次会议大家的共识和 to do 。
此外，你开会走神了，却被你的 leader 提问，“你对这个事情怎么看？”你可能完全不知道之前会上讨论了什么，但这时候大语言模型可能会被唤醒，它立刻会根据前面的会议内容，给你生成一些关键要点， 然后你就可以煞有介事地开始回复。

大模型的核心能力是什么？

大模型的核心能力表现为三点。
首先，在于记忆和压缩知识；
其次，是有很多推理和在复杂场景的判断和规划能力；
最后关键在于，它会深刻地改变人机交互的界面和方式。
我们每个人在平时的工作和生活过程中都要处理大量的信息，与很多软件打交道。
在过去很长一段时间，我们会认为花大量的时间去学习和掌握一些专业软件是天经地义的事情，事实上我们是在忍受这个过程。
比如我们原先学习的一些修图软件，可能非常繁琐，才能够让普通人比较流畅的在计算机上去抒发他在美术方面的创作能力，但是大语言模型出来之后，它都被极大地简化，你可能是以文本的形式去表达你脑中的一幅图景，专业的软件就会按照这个方向对你的图片进行输出、修改。
这个过程的本质就是整个软件产业正在往体验创新的角度快速发展。
原先软件的设计者可能更多是想如何把一些功能堆叠在屏幕上，然后让用户去学习使用它。接下来他们就要想如何用更简单、更直白的方式，让用户直接通过文字对话，以体验创新的形式让软件发挥出应有的价值。
未来，对众多的普通用户来说，使用软件时会从忍受变成享受的一个过程。

大模型与传统技术有何不同？

从信息获取的角度，大模型与传统的搜索引擎是高度互补的关系，并不是取代的关系。
例如你在搜索引擎中输入“国庆节去哪玩？”，传统搜索引擎它可能会出 10 条最相关的结果，你可能需要点进不同的结果，然后去寻找自己想要的答案。
接下来改进型的体验上，很有可能是大模型自己去阅读前 10 个网站，然后进行结果汇总。
例如第一个网站可能讲的是如何在繁华的城市里面自助游，第二个网站是讲怎样去一些小众的地方露营搭帐篷，第三个网站讲如何出国游。
大模型统计完之后，它可能会告诉用户说有 3 套不同的旅游风格供你参考。
第一套旅游风格以城市游为主，有a、b、c、d 几个推荐。第二、第三个方案分别以什么为主，并且还会自动比较这三套方案之间在耗时、花费上的一些结论，给用户呈现更为整体性的答案。

当前企业都是如何应用大模型的？

长期来看，各个企业可能会以多云多模型和“1+N”的方式来接入大模型能力。
每个企业每个业务都有非常多的场景，例如抖音刷视频这么简洁的一个产品体验，它其实都有数十个场景。每个企业都需要为不同的场景去选择最合适的模型。
“1”，是企业自研自用、自主可控的自有模型；“N”，是在不同的场景中，企业还会同时应用N个专有模型。
但是由于大模型的技术投入非常庞大，因此对于大多数企业来说，它无法做到像字节跳动的云雀模型，或者是智谱的 ChatGLM 模型那么强的一个基座模型能力。因此它也必须在一些要求比较高的场景上去引用外部的 N个模型。
例如得到 App 的客服模型，得到自己有一套非常完善和丰富的客服和系统管理流程，然后训练一个自研自用模型来搞定客户的客服场景是比较合适的。
比如你刚刚听了万维钢老师的某门课，讲的是某个全新的概念，这时候大语言模型跟他对话，比如请你总结一下万老师刚才那门课的要点，用户写完之后，模型会说，你说对了其中几点，但是你也忽略了几点。
然后用户可能会有些延展性的问题，比如万老师可能说了某个概念，但他跟其他某个老师提出的概念好像有冲突，我应该如何理解这种矛盾。
大模型因为记忆和积累了非常多的知识，它就可以开始进行一种开放性的比较，这是原先那些系统无法企及的。
火山引擎提供了火山方舟这个平台，火山方舟平台上面有众多优质的、精选的国内的高质量商用模型，像智谱AI的ChatGLM的商用版本，像MiniMax的MiniMax-ABAB 5.5以及字节跳动的云雀模型等等。我们有很多客户基于方舟平台，在这些优质的商用模型上去开发自己的应用。

大模型，将在哪些方面帮助职场人？

任何一次技术的变革，都是给那些勇于创新、敢于学习和拥抱新事物的人更多脱颖而出的机会的。
对我们每一个普通人来讲，我觉得有如下几点大家是可以留意的。
第一点，就是大家一定要以更开放的心态，来看待大模型在各个门类中带来的创新体验。
比如说原先你可能是非常精通 Excel 的一个用户，你以为用这个技能能够帮你一直到退休，但是未来可能就不一样了。
你的注意力要放在如何数据分析得更好，如何提升一个层次上， 让大模型去帮你处理原来那些比较重复性的劳动，所以我们需要以开放的心态来看待这些软件上面的体验的变化。
大模型可能在文学领域、在计算机领域、在医疗领域、在某领域都是 70 分的专家。这就使我们普通人能以低成本更多地去体验一些全新领域的可能性。
比如你立志成为小说家，用业余时间写很多小说，但是你可能会苦于身边没有人能跟你进行一些文学上的交流。这个时候你就可以把小说片段贴给大模型，然后它会给你一些启发性的建议。
大模型会解决你原先没有办法接触到专业人士的困扰。