以概念跨學(xué)科定義法的視角來(lái)看，今天的人工智能技術(shù)并不是去模仿人類(lèi)所有的智能，而主要是模仿通過(guò)大量數(shù)據(jù)歸納（在人工智能的術(shù)語(yǔ)里變成“訓(xùn)練”）的經(jīng)驗(yàn)知識(shí)形成過(guò)程。即使其中的所謂“推理”，也只是以經(jīng)驗(yàn)知識(shí)為基礎(chǔ)的、很容易犯“經(jīng)驗(yàn)主義錯(cuò)誤”性質(zhì)的推理。

2023安博會(huì)上霸屏的宇視科技

目前中國(guó)可以說(shuō)進(jìn)入“千模大戰(zhàn)”的階段，以下是轉(zhuǎn)引自智東西的中國(guó)大模型發(fā)布統(tǒng)計(jì)。

另外，華為大模型最早于2020年11月在華為云內(nèi)部立項(xiàng)成功，2021年4月對(duì)外發(fā)布，2022年4月，其升級(jí)到2.0版本。目前，其AI 大模型中的 NLP 大模型、CV 大模型以及科學(xué)計(jì)算大模型（氣象大模型）均已被標(biāo)記為即將上線(xiàn)狀態(tài)。對(duì)于網(wǎng)上傳說(shuō)其大模型名稱(chēng)為“盤(pán)古”，華為并未予以證實(shí)。

需要特別提示一下的是：北京智源人工智能研究院，早在2020年10月已啟動(dòng)了AI大模型“悟道”項(xiàng)目，并先后于2021年6月1日發(fā)布了悟道大模型1.0，2021年6月1日 發(fā)布了2.0兩個(gè)版本。其中悟道2.0官方公布的參數(shù)規(guī)模達(dá)到1.7萬(wàn)億。彼時(shí)，OpenAI公布1750億參數(shù)的GPT-3模型也才一年時(shí)間。即使在國(guó)外，這一輪大模型也還沒(méi)火爆起來(lái)。ChatGPT在國(guó)外也是在2022年底才開(kāi)始大爆發(fā)的。智源在國(guó)內(nèi)算是搞大模型比較早的。單從其技術(shù)狀態(tài)看似乎是很好的，但在國(guó)內(nèi)卻比較沉寂。原因在于其沒(méi)有找到很好的應(yīng)用。ChatGPT與其說(shuō)是技術(shù)的成功，不如說(shuō)是找到了一個(gè)很適合的應(yīng)用，就是對(duì)信息準(zhǔn)確性和可靠性要求不高的聊天類(lèi)應(yīng)用。

我有些疑惑，今天這個(gè)時(shí)候市場(chǎng)格局遠(yuǎn)未確定。如果2021年6月1日就發(fā)布了的智源悟道2.0有1.7萬(wàn)億參數(shù)規(guī)模，為什么不推出自己的聊天產(chǎn)品呢？

以上是福布斯發(fā)布的AI 50強(qiáng)國(guó)外公司的列表。我們眼里不要只有ChatGPT，尤其是從事這個(gè)行業(yè)的專(zhuān)業(yè)人士。以上相對(duì)較為成功的人工智能公司的產(chǎn)品很多都是面向可靠性要求不高的聊天、文案、繪畫(huà)、合成視頻、協(xié)助進(jìn)行細(xì)胞基因研發(fā)等類(lèi)型的應(yīng)用。

無(wú)論通用性的產(chǎn)品發(fā)展到什么程度，采用相同的資源去集中于專(zhuān)業(yè)的某個(gè)領(lǐng)域，在其他技術(shù)水平相同情況下，肯定是專(zhuān)業(yè)的產(chǎn)品在這個(gè)專(zhuān)業(yè)領(lǐng)域更加出色嘛。人工智能概念發(fā)展的歷史非常長(zhǎng)，但真正獲得實(shí)際應(yīng)用的并不多。我在“網(wǎng)上最權(quán)威的人工智能分析”一文中指出了其關(guān)鍵原因所在：因?yàn)槿斯ぶ悄鼙举|(zhì)就是一個(gè)基于概率的判決系統(tǒng)。因此，它的可靠性是很難達(dá)到極高水平的。另外，解決任何技術(shù)問(wèn)題必須要基于有限的前提，而不能提出一個(gè)無(wú)邊界、復(fù)雜性可能會(huì)無(wú)限增加的問(wèn)題。這樣的問(wèn)題是不可解的。解決任何問(wèn)題的前提是能夠有效地簡(jiǎn)化問(wèn)題。相對(duì)來(lái)說(shuō)，智能交通、人臉識(shí)別等應(yīng)用相對(duì)較為成功。因?yàn)檫@類(lèi)對(duì)象的識(shí)別是可以有約束前提的。車(chē)輛的車(chē)牌本身相對(duì)是規(guī)范的。人臉識(shí)別軟件運(yùn)行時(shí)，可以顯示一個(gè)人頭的虛框，使人臉相對(duì)有規(guī)矩地處于最有利識(shí)別的位置。

人臉識(shí)別的差錯(cuò)率市場(chǎng)上產(chǎn)品的平均水平在萬(wàn)分之1的水平。也有些公司宣稱(chēng)能達(dá)到百萬(wàn)分之1，但一定要給出實(shí)現(xiàn)這種識(shí)別率的條件。如果實(shí)驗(yàn)室理想條件下實(shí)現(xiàn)這種識(shí)別率是沒(méi)多大意義的。

直到今天，語(yǔ)音識(shí)別等依然很難說(shuō)應(yīng)用得很順暢。其原因就在于很難像人臉識(shí)別那樣，簡(jiǎn)單地通過(guò)虛框來(lái)建立一種規(guī)范語(yǔ)音輸入的方法。如果說(shuō)話(huà)很規(guī)范、背景雜音很小，識(shí)別率還可以。但如果背景稍微吵雜一些，語(yǔ)速或停頓不規(guī)律、說(shuō)話(huà)不規(guī)范（如夾雜很多重復(fù)和多余發(fā)音），識(shí)別率就會(huì)顯著下降。而我們又不能說(shuō)先把人們都培養(yǎng)成播音員的說(shuō)話(huà)習(xí)慣，再來(lái)應(yīng)用語(yǔ)音識(shí)別軟件。因此，為了降低背景雜音的影響，說(shuō)話(huà)時(shí)要盡量離麥克風(fēng)近一點(diǎn)。另外想好了再說(shuō)，語(yǔ)速要穩(wěn)定，盡量不要有停頓、反復(fù)和多余的雜字（如：啊...、這個(gè)這個(gè)、嗯...等等）。

對(duì)于很多應(yīng)用、尤其是工業(yè)應(yīng)用來(lái)說(shuō)，其差錯(cuò)率可能需要控制在百萬(wàn)（6個(gè)9）甚至千萬(wàn)分之1（7個(gè)9）以下的水平才有可能真正商用。例如城區(qū)道路的自動(dòng)駕駛等應(yīng)用就是如此，僅僅秀一下是沒(méi)用的，其可靠性可能要實(shí)現(xiàn)8個(gè)甚至9個(gè)9人們才有可能真正接受并真正商用化。對(duì)目前的人工智能技術(shù)，從原理上來(lái)說(shuō)就困難到幾乎是不可能的程度。

宇視科技從一開(kāi)始就是從事智能交通產(chǎn)品研發(fā)，因此也就從一開(kāi)始選擇了最適合的人工智能應(yīng)用領(lǐng)域。目前的大模型技術(shù)，更準(zhǔn)確地說(shuō)只是一種更深入的神經(jīng)網(wǎng)絡(luò)算法，而不要理解成本身就是通用人工智能。專(zhuān)業(yè)還是通用，只是一種應(yīng)用方向的差異，不是技術(shù)本身天然決定的。

智能交通為什么可以取得很好的應(yīng)用效果？原因在于現(xiàn)階段的人工智能已經(jīng)可以有相當(dāng)高可靠性實(shí)現(xiàn)車(chē)輛信息的識(shí)別（結(jié)構(gòu)化，就是識(shí)別出車(chē)輛的車(chē)牌號(hào)，車(chē)輛顏色、車(chē)型等）。這些信息人工智能識(shí)別并不是絕對(duì)準(zhǔn)確的，有一定的識(shí)別誤差，目前水平大致在千分之1 到百分之1的水平。但這個(gè)可以通過(guò)與交通部門(mén)儲(chǔ)存在數(shù)據(jù)庫(kù)里的車(chē)輛信息進(jìn)行比對(duì)來(lái)進(jìn)行多維度的復(fù)核，以此大大減少誤差。例如，可能車(chē)牌中最后一個(gè)數(shù)字識(shí)別錯(cuò)了（計(jì)算機(jī)并不知識(shí)道究竟是哪一位錯(cuò)誤），但通過(guò)車(chē)輛顏色、車(chē)型等信息的交叉比對(duì)，有可能很容易把識(shí)別錯(cuò)誤的那一位數(shù)字糾正過(guò)來(lái)。也可通過(guò)該車(chē)輛在不同位置的誤別結(jié)果進(jìn)行比對(duì)，糾正出現(xiàn)識(shí)別差錯(cuò)的數(shù)字。這就是通過(guò)不同信息來(lái)源復(fù)核提升可靠性的方法。這種方法在專(zhuān)業(yè)領(lǐng)域會(huì)去不同程度地采用，而在Chat GPT等聊天類(lèi)應(yīng)用中是很難采用的。這就是它們的可靠性普遍不高的原因所在。

我們很關(guān)心的一個(gè)問(wèn)題是：大模型是否只是適合于可靠性要求不高的領(lǐng)域？對(duì)于行業(yè)應(yīng)用能帶來(lái)更多價(jià)值嗎？事實(shí)上，宇視的梧桐并不是簡(jiǎn)單地直接以GPT這類(lèi)大模型為基礎(chǔ)，而是以Meta(原來(lái)的Facebook)開(kāi)源的、更專(zhuān)注于圖像與視頻的CV（Computer Vision，計(jì)算機(jī)視覺(jué)）通用大模型為基礎(chǔ)開(kāi)發(fā)的。這個(gè)說(shuō)是通用，事實(shí)上已經(jīng)針對(duì)視覺(jué)信息進(jìn)行專(zhuān)業(yè)性地強(qiáng)化了。以這個(gè)CV通用大模型為基礎(chǔ)進(jìn)行大量針對(duì)性的裁減、優(yōu)化，加上針對(duì)性的行業(yè)場(chǎng)景和訓(xùn)練調(diào)優(yōu)，就進(jìn)一步專(zhuān)業(yè)化，變成針對(duì)行業(yè)的通用大模型。

由此帶來(lái)的好處是什么呢？

工作簡(jiǎn)化。原來(lái)的小模型人工智能技術(shù)針對(duì)全新的車(chē)輛（如機(jī)場(chǎng)內(nèi)的各種車(chē)輛）需要專(zhuān)門(mén)進(jìn)行訓(xùn)練，但新的行業(yè)大模型可以不需要這個(gè)過(guò)程。這使得很多合作伙伴都可以自己進(jìn)行更進(jìn)一步應(yīng)用場(chǎng)景的專(zhuān)業(yè)訓(xùn)練優(yōu)化，以提升最終應(yīng)用場(chǎng)景里的識(shí)別率和可靠性。

智能交通視頻這種特定應(yīng)用的人工智能算力是有嚴(yán)格限制的，因?yàn)閿z像頭里不可能安裝算力太高的芯片。因此，結(jié)合了大模型的技術(shù)不是全面替代，而是與原有的小模型AI共同起作用來(lái)最有效地解決問(wèn)題。攝像頭里還是采用小模型算法進(jìn)行結(jié)構(gòu)化，而在云端結(jié)合進(jìn)大模型的應(yīng)用。

結(jié)合了通用行業(yè)大模型以后，可以很容易適應(yīng)更多應(yīng)用場(chǎng)景，云端的算法效率也會(huì)有顯著提升。因?yàn)閷?duì)原始的CV大模型中不需要的參數(shù)進(jìn)行了大幅度的裁減優(yōu)化，因此所需要的算力也比原始的CV大模型大幅度地減少。

以上應(yīng)用的方式是值得其他人工智能開(kāi)發(fā)者參考的。不要被業(yè)界炒作的概念所誤導(dǎo)，一定要針對(duì)自己的應(yīng)用選擇最優(yōu)化的技術(shù)路徑。別人炒作參數(shù)數(shù)量、算力，那是有人家的目的。需要的算力越大，當(dāng)然英偉達(dá)的芯片就賣(mài)得越多嘛。但如果你不是經(jīng)營(yíng)AI芯片生意的，就別被這種概念炒作忽悠了。

用最小的資源實(shí)現(xiàn)自己真正的目的，這才是最體現(xiàn)人類(lèi)智能的行為。而不是去簡(jiǎn)單地展示自己用到的資源有多大，只是為“顯得更牛氣”。

越是在人工智能大行其道的時(shí)代，越需要提升人類(lèi)自己的智能。

以下是我應(yīng)用百度文心一言的案例刨析。

找不到數(shù)據(jù)。

這個(gè)27309億千瓦時(shí)的發(fā)電量是所有技術(shù)的發(fā)電量，而不是光伏的。全國(guó)每年所有技術(shù)的發(fā)電量總和才8萬(wàn)多億度，1到4月怎么可能光伏的發(fā)電量就達(dá)到2.7萬(wàn)億度呢？這個(gè)是對(duì)中國(guó)電力行業(yè)稍有些基本常識(shí)的人一眼就可看出錯(cuò)誤的。

前后自相矛盾的數(shù)據(jù)。

必應(yīng)的CHATBOT AI回復(fù)的結(jié)果，因?yàn)樗鼈冎挥?xùn)練了2021年前的數(shù)據(jù)，所以就查詢(xún)2020年5月的光伏發(fā)電量，但這個(gè)結(jié)果明擺著相差太遠(yuǎn)了，它居然還一本正經(jīng)地說(shuō)是國(guó)家能源局這個(gè)權(quán)威渠道發(fā)布的數(shù)據(jù)。

文心一言的回答結(jié)果：2020年5月中國(guó)光伏發(fā)電量數(shù)據(jù)為132.79億千瓦時(shí)，這個(gè)數(shù)據(jù)是正確的。

這個(gè)照片的上傳時(shí)間是2022年12月29日

那么2160.5米的數(shù)據(jù)最初是怎么來(lái)的呢？是不是加上這個(gè)石碑后變成2160.5米了。那我們?cè)俨橐粋€(gè)有參考高度的，比如有人在旁邊的照片。

坦率地說(shuō)，我一時(shí)還真沒(méi)查到2160.5米的數(shù)據(jù)是怎么來(lái)的。尤其是一些旅游網(wǎng)站上，明明編輯自己上傳的照片（比如前一張南峰的照片）就是2154.90米，但在文字介紹中卻寫(xiě)著2160.8米。與2160.5米有更細(xì)微的0.3米的偏差。這種自己和自己的數(shù)據(jù)都不一致就表明：編輯者本人并未認(rèn)真確認(rèn)這個(gè)數(shù)據(jù)。

以上分析并不是說(shuō)我們最終就一定絕對(duì)接受了2154.90米這個(gè)數(shù)據(jù)，而只是要說(shuō)明一些對(duì)人工智能研究來(lái)說(shuō)很重要的問(wèn)題。我在作以上分析時(shí)，人們有沒(méi)有發(fā)現(xiàn)一個(gè)事實(shí)：人類(lèi)的智能是怎么來(lái)思考問(wèn)題的？并不是簡(jiǎn)單依靠巨大的語(yǔ)料或信息源數(shù)量解決問(wèn)題，而是靠邏輯；對(duì)不同的信息不是靠概率去進(jìn)行判決，而是靠信息的質(zhì)量；不是單一的某個(gè)模型，無(wú)論它是大模型還是小模型，而是靠“跨模型”的多種不同維度，不同思路，不同側(cè)面，不同信息來(lái)源，不同信息種類(lèi)（尤其是與提前儲(chǔ)存的精確可靠數(shù)據(jù)進(jìn)行交叉確認(rèn)），不同科學(xué)知識(shí)框架的思維交叉對(duì)比、反復(fù)確認(rèn)。人類(lèi)的思維本身從單一角度來(lái)說(shuō)是不太可靠的，網(wǎng)上出現(xiàn)的大量錯(cuò)誤信息都是人類(lèi)的錯(cuò)誤，而極少是純粹由機(jī)器導(dǎo)致的錯(cuò)誤。但人類(lèi)之所以利用本身并不可靠的神經(jīng)元，卻有可能獲得極高可靠性的思維結(jié)果，采用的就是邏輯、信息質(zhì)量、跨模型的復(fù)核，以此獲得可靠性的提升。如果一條路難以確認(rèn)，就增加走另一條路試試。

希望以上思維研究的結(jié)論可以給人工智能研究者一定的啟發(fā)。人類(lèi)的智能是尋求以盡可能少的算力需求去得到最可靠的結(jié)果，而不是簡(jiǎn)單追求算法的暴力美學(xué)。

人工智能交通視頻與人臉識(shí)別之所以獲得成功的應(yīng)用，不僅因?yàn)樗鼈儽旧淼淖R(shí)別率相對(duì)較高，有一定規(guī)范性，還因?yàn)樗鼈兌伎梢耘c單純?nèi)斯ぶ悄茏R(shí)別之外的其他途徑信息進(jìn)行交叉比對(duì)。除了前面所說(shuō)車(chē)牌信息與車(chē)輛顏色、型號(hào)等與車(chē)輛所數(shù)據(jù)庫(kù)里的信息進(jìn)行交叉比對(duì)以外，如果再與移動(dòng)運(yùn)營(yíng)商的車(chē)主手機(jī)位置進(jìn)行交叉比對(duì)，識(shí)別率就更高。人臉識(shí)別也可以與已經(jīng)存儲(chǔ)在數(shù)據(jù)庫(kù)里的身份數(shù)據(jù)，如姓名，性別，身份證號(hào)等進(jìn)行交叉比對(duì)。這些都會(huì)使最終的識(shí)別率在人工智能本身識(shí)別率基礎(chǔ)上獲得實(shí)質(zhì)性的極大提升。而諸如語(yǔ)音識(shí)別的結(jié)果，就只能人工進(jìn)行檢查排錯(cuò)，沒(méi)有預(yù)存數(shù)據(jù)庫(kù)之類(lèi)高度準(zhǔn)確信息的交叉比對(duì)。

1. 一頭熊一天吃14罐蜂蜜，請(qǐng)問(wèn)它一年吃多少罐蜂蜜？

2. 一頭熊一天吃14罐蜂蜜，請(qǐng)問(wèn)它閏年吃多少罐蜂蜜？'

3. 這頭熊要去出差了，它要屯一點(diǎn)蜂蜜，請(qǐng)問(wèn)蜂蜜怎么保存最好？

4. 請(qǐng)畫(huà)一張小熊吃蜂蜜的 ascii art 圖片？

5. 如果我在野外，背包里有一罐蜂蜜，被熊聞到了，我可以把蜂蜜給熊來(lái)求生嗎？

6. 一只熊抱著一罐蜂蜜從一個(gè)點(diǎn)出發(fā)，向南走一公里，再向東走一公里，再向北走一公里，正好又回到了起點(diǎn)，請(qǐng)問(wèn)：這只熊是什么顏色的？

7. 熊最近迷上了網(wǎng)購(gòu)。請(qǐng)問(wèn)有什么好的蜂蜜品牌推薦嗎？

8. 謝謝你回答上面的這一系列問(wèn)題。

在進(jìn)行這種評(píng)測(cè)的同時(shí)，還有一個(gè)“涌現(xiàn)”的概念來(lái)對(duì)不同通用人工智能進(jìn)行質(zhì)的區(qū)別。

參見(jiàn)，看百度文心一言實(shí)力，再聊ChatGPT觸類(lèi)旁通的學(xué)習(xí)能力如何而來(lái)？， 親愛(ài)的數(shù)據(jù)  親愛(ài)的數(shù)據(jù) 2023-03-21 12:10 發(fā)表于北京。

進(jìn)行這樣的區(qū)別意味著什么？當(dāng)然就會(huì)暗示不同的通用人工智能產(chǎn)品有本質(zhì)差異嘛——有些是已經(jīng)涌現(xiàn)了，而有些還沒(méi)有涌現(xiàn)。如果只是一些量的差異，只要在量上不斷改進(jìn)就可趨同或超越，而如果是質(zhì)的差別，就可能很長(zhǎng)時(shí)間超越不了。尤其是當(dāng)前國(guó)內(nèi)受到英偉達(dá)最高算力的H100芯片禁運(yùn)情況下，會(huì)讓人們感覺(jué)國(guó)內(nèi)根本沒(méi)有可能實(shí)現(xiàn)“涌現(xiàn)”的通用人工智能。

所以最頂級(jí)專(zhuān)業(yè)的人士不是看圖，而是看其可靠性數(shù)據(jù)指標(biāo)——本質(zhì)上就決定了它們都不可能太高。不是“涌現(xiàn)”，而是會(huì)無(wú)限地趨近并停滯在99.9%到99.99%這個(gè)水平上。

另外，對(duì)業(yè)界所稱(chēng)的“大模型”這一概念也需要最深入地保持冷靜。就像曾經(jīng)熱炒的“大數(shù)據(jù)”概念一樣。數(shù)據(jù)“大”到什么程度才算“大數(shù)據(jù)”，大到這種程度有什么本質(zhì)不同嗎？大數(shù)據(jù)發(fā)展到現(xiàn)在的歷史其實(shí)已經(jīng)極為充分地證明了：計(jì)算機(jī)發(fā)展的歷史主要就是量的差異。如果有什么本質(zhì)的不同，只會(huì)是針對(duì)特定應(yīng)用來(lái)說(shuō)的。例如視頻，每增加一倍掃線(xiàn)，相同編碼標(biāo)準(zhǔn)的計(jì)算能力大致需要增加4倍，所以在過(guò)去摩爾定律一直有效的時(shí)代，每過(guò)3年視頻掃線(xiàn)就可增加一倍。但從普遍的意義上來(lái)說(shuō)，正如沒(méi)有什么確切的理論依據(jù)可以表明大數(shù)據(jù)大到什么程度就會(huì)出現(xiàn)本質(zhì)性的變化一樣，也并沒(méi)有什么確切的理論依據(jù)可以表明參數(shù)多到什么程度就會(huì)出現(xiàn)“涌現(xiàn)”這個(gè)說(shuō)法。人工智能技術(shù)的本質(zhì)區(qū)別的確會(huì)體現(xiàn)在算法和算力上。這次的人工智能爆發(fā)一方面是算力的不斷提升，另一個(gè)是Trasformer這個(gè)新算法的進(jìn)步。它是CNN（神經(jīng)網(wǎng)絡(luò)）帶來(lái)的深度學(xué)習(xí)算法之后又一次小的算法革命（本質(zhì)上還是神經(jīng)網(wǎng)絡(luò)）。只要利用了這種新的算法，只有量的區(qū)別，不會(huì)有什么“涌現(xiàn)”“不涌現(xiàn)”的本質(zhì)區(qū)別。

搞核心硬件、尤其是擁有最領(lǐng)先核心硬件的企業(yè)，當(dāng)然希望整個(gè)業(yè)界都陷在爭(zhēng)先恐后的模型參數(shù)“越大越好”，從而需要盡可能更大算力的思維陷阱里了。