今天你ChatGPT了嗎？隨著ChatGPT的大火，全球范圍內(nèi)關(guān)于AI的討論喧囂塵上。從全球范圍來說，通用人工智能（AGI）還處于市場探索階段，要達(dá)到穩(wěn)定輸出、成熟商業(yè)化的境界，還有很長的路要走。面對人工智能技術(shù)發(fā)展的“高熱度”和“不確定性”，AI老兵云知聲卻顯得很從容，走得有條不紊。

　　ChatGPT是通用人工智能（AGI）的開端

　　ChatGPT走紅之后，外界驚嘆ChatGPT的表現(xiàn)，而對于人工智能業(yè)界而言，這意味著技術(shù)范式的轉(zhuǎn)變，更意味著通向AGI的大門可能正在開啟。

　　實(shí)際上，此前10年，深度學(xué)習(xí)帶來了一波人工智能的增長，但并未改變AI的范式。在2012年9月的ImageNet視覺識別挑戰(zhàn)賽上，AlexNet異軍突起，碾壓了所有對手。它的創(chuàng)造者之一Hinton教授，2006年在Science發(fā)起“深度學(xué)習(xí)”革命后，在重大技術(shù)評測上首次獲得突破性進(jìn)展，展示了深度學(xué)習(xí)的威力。深度學(xué)習(xí)雖然比傳統(tǒng)的統(tǒng)計(jì)學(xué)習(xí)展現(xiàn)出了更大威力，但并未跳出舊的AI范式——預(yù)先定義任務(wù)目標(biāo)，采集該任務(wù)的大量數(shù)據(jù)并進(jìn)行人工標(biāo)注，通過模型訓(xùn)練達(dá)到最優(yōu)效果，切換不同任務(wù)目標(biāo)時(shí)，往往需要重新采集數(shù)據(jù)和訓(xùn)練，無法實(shí)現(xiàn)不同任務(wù)間的高效遷移——被稱為“窄AI”或“弱AI”，本質(zhì)上是某種“高級自動化”。

　　真正推動AI進(jìn)入2.0時(shí)代的，還是2022年11月，ChatGPT的推出。它作為一個人工智能語言大模型，擁有自然語言理解、上下文學(xué)習(xí)、常識推理和高質(zhì)量應(yīng)答等特點(diǎn)，效果驚艷四座。對此，云知聲認(rèn)為“這是一個從專用AI轉(zhuǎn)向通用AI（AGI）的突破口?！?br>
　　云知聲投身變革浪潮，先質(zhì)后量，打通大模型新范式

　　入行25年的AI老兵和資深團(tuán)隊(duì)創(chuàng)立公司11年后發(fā)現(xiàn)，自己正置身當(dāng)下最火熱的跑道上，而這群AI老兵要投身新一輪變革浪潮的熱情依然澎湃。云知聲給這場大模型的角力劃定了時(shí)間表，“今年之內(nèi)肯定要有一個行業(yè)內(nèi)認(rèn)可的千億級大模型成果出來”。

　　在ChatGPT推出后，云知聲已開始訓(xùn)練模型，但數(shù)智前線獲悉，在云知聲看來，本輪技術(shù)升級并非只是簡單的“大力出奇跡”，而是開啟了新的“數(shù)據(jù)動力學(xué)范式”，需要從數(shù)據(jù)規(guī)模、質(zhì)量和模型調(diào)教下手，才能真正解決問題，“大力”只是“必要不充分條件”。

　　云知聲表示：“首先把它的端到端打通，再針對性地去解決問題，有些可能是從算法角度去優(yōu)化，有些可能要通過數(shù)據(jù)層面去優(yōu)化，包括并入醫(yī)療數(shù)據(jù)后，哪些跟現(xiàn)有的知識不能很好的融合，都要針對性做研究。”云知聲以前基于BERT模型，現(xiàn)在需要切換到以GPT為模式的框架。兩者本質(zhì)上都基于Transformer模型，有不同的優(yōu)缺點(diǎn)和特性。此次變革，云知聲并不需要從底層開始干，而是進(jìn)行模型架構(gòu)的切換，這會比從頭做的變量要少很多，而且有行業(yè)應(yīng)用場景、客戶和數(shù)據(jù)的積累。

　　十年磨劍，云知聲為大模型為基礎(chǔ)的MaaS平臺做好準(zhǔn)備

　　正如一句名言：“過去每一步都算數(shù)?！?br>
　　作為一支深度思考行業(yè)趨勢，密切關(guān)注行業(yè)前沿技術(shù)發(fā)展的團(tuán)隊(duì)，同時(shí)也在行業(yè)里有了多年積累，已形成全棧能力，給新一輪技術(shù)升級奠定了扎實(shí)的基礎(chǔ)，也為打造以大模型為基礎(chǔ)的MaaS平臺做好準(zhǔn)備。

　　在算力平臺之上是數(shù)據(jù)中心模型優(yōu)化(DCML)層。云知聲在2016年開始進(jìn)入醫(yī)療行業(yè)后，發(fā)現(xiàn)根據(jù)不同應(yīng)用場景數(shù)據(jù)，需要對模型進(jìn)行高效的針對性優(yōu)化，本質(zhì)上是如何根據(jù)應(yīng)用數(shù)據(jù)對模型進(jìn)行快速調(diào)優(yōu)，GPT模型的強(qiáng)化學(xué)習(xí)也是在這層完成的。這一層的構(gòu)建目標(biāo)就在于此，其作用是能夠提高產(chǎn)品的標(biāo)準(zhǔn)化程度，通過模型而非代碼來解決應(yīng)用場景差異，大幅提升人效比。

　　再之上是模型層。這也是目前正在改變的地方。在此前的AI范式下，無論是人機(jī)交互，還是各種行業(yè)應(yīng)用，實(shí)際上要先做好各單元模型，再把各種單元模型整合起來實(shí)現(xiàn)業(yè)務(wù)目標(biāo)，現(xiàn)在則要轉(zhuǎn)變?yōu)橐訥PT為核心的大模型來做。而過去各種部件級模型，像語音降噪、語音識別、語音合成等標(biāo)準(zhǔn)模塊仍會持續(xù)優(yōu)化，但也會借鑒大模型的思路，比如加大無監(jiān)督預(yù)訓(xùn)練數(shù)據(jù)規(guī)模，實(shí)現(xiàn)多語種聯(lián)合建模、輕量級定制和個性化等，可以顯著降低成本，同時(shí)提升效果和效率。

　　球已經(jīng)到了腳下，接下來要做的事情變得確定。面對ChatGPT帶來的機(jī)遇，云知聲已經(jīng)做好準(zhǔn)備，一季度就擴(kuò)充了30%算力，去做大模型的轉(zhuǎn)軌，年底算力預(yù)計(jì)將翻幾倍，“升級下一代以GPT為核心的架構(gòu)”。在以大模型實(shí)現(xiàn)智慧物聯(lián)（廣度）和智慧醫(yī)療（深度）兩個行業(yè)技術(shù)升級后，MaaS模式也將完成驗(yàn)證，再結(jié)合各行業(yè)應(yīng)用需求，逐步擴(kuò)充行業(yè)大模型，最終將MaaS平臺做到萬億級以上參數(shù)，實(shí)現(xiàn)從專用走向通用！