近日，ChatGPT的風(fēng)越刮越猛，不由讓人好奇，作為“能說會道”的ChatGPT，能夠運(yùn)用在專業(yè)性更高的行業(yè)？遺憾的是，從目前ChatGPT給出的答案來看，它距離運(yùn)用在醫(yī)療等專業(yè)領(lǐng)域尚有距離。對此，云知聲則依托在醫(yī)療以及AI領(lǐng)域深耕多年的經(jīng)驗和技術(shù)，致力于開發(fā)“醫(yī)療版ChatGPT”。

　　云知聲，成立于2012年，是當(dāng)前國內(nèi)為數(shù)不多擁有算法、算力、芯片設(shè)計等全棧式AI技術(shù)鏈條的人工智能企業(yè)。云知聲以Atlas智算平臺為基礎(chǔ)，深入探索智能感知、認(rèn)知、生成三大技術(shù)方向，在語音、語義、知識圖譜等領(lǐng)域建立完整和領(lǐng)先的技術(shù)鏈條，并構(gòu)建云芯一體化產(chǎn)品中臺，以領(lǐng)跑行業(yè)發(fā)展的AI基礎(chǔ)設(shè)施、技術(shù)實力和產(chǎn)品能力賦能千行百業(yè)。

　　目前，ChatGPT不能直接運(yùn)用在醫(yī)療行業(yè)的原因有二：

　　一是專業(yè)性不夠，像醫(yī)療等民生行業(yè)，專業(yè)性強(qiáng)覆蓋面廣，所需的高質(zhì)量數(shù)據(jù)較大，且大部分?jǐn)?shù)據(jù)不是網(wǎng)上可以抓取的。這就導(dǎo)致，如果將ChatGPT直接運(yùn)用在醫(yī)療行業(yè)，往往讓非專業(yè)人士難以察覺，從而會引發(fā)各種風(fēng)險。

　　二是訓(xùn)練成本大。任何一項技術(shù)能夠大規(guī)模落地，都必須要解決“如何以有限的資源，實現(xiàn)效果的最大化”問題。而ChatGPT訓(xùn)練成本高達(dá)千萬美元以上，每次請求的成本也高達(dá)幾美分，其高昂的費用也束縛著每個自身不具有預(yù)訓(xùn)練大模型開發(fā)能力的玩家，阻礙了其在多個行業(yè)的廣泛應(yīng)用。

　　針對上述問題，云知聲則憑借在AI領(lǐng)域以及醫(yī)療行業(yè)積累的技術(shù)以及經(jīng)驗，給出了解決方案：

　　在知識類問題的解答上，云知聲給出的解決方案是，利用應(yīng)用在CirBERTa的持續(xù)學(xué)習(xí)和知識嵌入技術(shù)，基于已有知識圖譜積累，優(yōu)化ChatGPT模型的知識獲取和更新機(jī)制。這樣一來可以保證ChatGPT回答中的知識正確性，與此同時還可以給出知識溯源信息。另外，利用云知聲業(yè)內(nèi)領(lǐng)先的病歷質(zhì)控技術(shù)，可以自動發(fā)現(xiàn)生成的病歷中的問題，進(jìn)而自動生成作為ChatGPT核心技術(shù)的基于人類反饋的強(qiáng)化學(xué)習(xí)（RLHF，Reinforcement Learning from Human Feedback）所需的用戶反饋數(shù)據(jù)，加速模型的優(yōu)化。

　　在控制成本上，面對逐漸攀升的訓(xùn)練成本，云知聲致力以少2個數(shù)量級的參數(shù)規(guī)模，在特定行業(yè)領(lǐng)域的問題上，達(dá)到甚至超過ChatGPT的表現(xiàn)。同時，參數(shù)規(guī)模的大幅減少，也將大大降低了訓(xùn)練和服務(wù)成本，讓大語言模型技術(shù)在醫(yī)療行業(yè)實現(xiàn)真正廣泛應(yīng)用。

　　總體來說，ChatGPT的出現(xiàn)對于各行各業(yè)都具有積極有意義。過去，不同對于AI的探索可能處于“看山是山、看山不是山”的懵懂狀態(tài)，現(xiàn)在出現(xiàn)了一座“更小，而且明知會有路的山”——ChatGPT讓行業(yè)看到了AI的具體運(yùn)用。作為AI領(lǐng)域的獨角獸企業(yè)，云知聲也洞察到ChatGPT的巨大價值，正依托自身優(yōu)勢，積極布局，實現(xiàn)自身技術(shù)、能力與行業(yè)需求的有效結(jié)合，盡快實現(xiàn)行業(yè)版ChatGPT的落地。