习近平总书记强调,“科技创新是发展新质生产力的核心要素”,“要以科技创新推动产业创新,特别是以颠覆性技术和前沿技术催生新产业、新模式、新动能,发展新质生产力”。利用前沿科技培育和推动新质生产力发展,是建设现代化产业体系、推进高质量发展、提升国际竞争力的重要内容和必然要求。
  生成式人工智能是发展新质生产力的重要驱动力。以大模型为代表的生成式人工智能技术,通过在技术上集成多年积累的深度学习模型与训练算法,依靠大算力,充分利用海量多模态数据,实现了从特定任务处理到跨领域通用的人工智能系统能力的飞跃,在语言理解、图像识别、语音识别、内容创作等多个领域展现了强大的能力和广阔的应用前景。大模型具有丰富的常识,拥有强大的通用任务解决能力、较好的工具使用能力、卓越的人机交互能力以及出色的指令遵循能力,这些优势使大模型能够显著提升应用效率,辅助产业实现数智化转型,从而带来巨大的经济效益。
  近两年我国生成式人工智能取得了显著进展,技术路径基本探明,应用路径逐渐明确,产业化应用落地广泛。目前国产大模型数量已达数百个,涵盖金融、医疗、教育等多个行业,成为赋能千行百业的新抓手和支撑产业创新的新支柱。生成式人工智能的发展与应用趋势日益明朗。
  生成式人工智能不仅是一种新技术,更代表着生产应用的新范式,能够催生新产业和新业态。大模型的学习模式类似人类大脑的处理机制,基于一个通用底座,通过学习不同的数据,能够形成多样化的能力,而无须针对特定任务开发定制算法。通过自然的人机交互,用户可直接通过对话生成应用程序,用户就是程序员,数据和场景本身就是软件应用。这一突破改变了软件开发范式,使软件开发由代码驱动向语言描述驱动转变,在需求分析、代码编写、测试、部署等软件开发的各个流程,都显著降低了技术门槛、提高了开发效率。这种新范式同时也给软件系统的建设和应用带来了新模式,使各行业的体系变革和生态发展都有了新逻辑和新路径,促使新的产品、服务和商业模式不断涌现。新兴产业的形成和发展,将引领产业变革,成为新质生产力培育和发展的主阵地。
  生成式人工智能能够推动传统产业深度转型升级,为实体经济发展注入新动能。通过将大模型应用于各个领域,可实现各行业的降本增效,提升产业自动化水平,助力企业的智能化升级,促使实体经济再上新台阶。在工业制造领域,生成式人工智能可辅助实现研发设计的自动化,为生产制造提供智能化的解决方案,通过预测需求、制定生产计划助力经营管理,并提供故障预测、健康管理等运维服务。在教育领域,可为师生提供智慧教育产品,实现个性化的因材施教。在医疗领域,可辅助诊断,成为医生的诊疗助理和患者的健康助手。在金融领域,可为金融机构提供智能客服、智能风控、智慧营销等服务,为客户提升服务体验。据有关预测,2035年生成式人工智能有望为全球贡献近90万亿元的经济价值,其中我国将突破30万亿元,且对我国经济的赋能效应显著优于美国等其他经济体。生成式人工智能与实体经济的深度融合,将打造“人工智能+”千行百业的产业新格局,形成现代化、智能化的产业体系,促进由传统生产力向新质生产力的转型。
  生成式人工智能带来的安全风险和治理挑战不容忽视。由于大模型自身结构和生成机制存在漏洞,有被恶意攻击的风险,同时大模型自身的知识表达和学习模式还存在缺陷,经常出现常识性错误、杜撰内容等“幻觉”。
  为此,应建立针对大模型全生命周期的安全监管与治理体系,从数据安全、模型安全、内容安全、伦理安全等多个角度,保障大模型研发和应用安全可信。一方面,需制定技术标准,强化过程控制。建立严格的数据采集、存储和处理规范,确保数据来源合法可靠,同时保障数据隐私。对大模型进行安全攻击检测,提升其对恶意攻击的抵抗能力,并及时发现和修复安全漏洞。另一方面,系统推进大模型监管体系建设,制定和完善相关法律法规。强化内容审核和过滤机制,识别并过滤生成的虚假信息、恶意内容和违法信息。明确伦理规范,建立伦理审查机制,确保人工智能发展遵循人类道德和价值观。通过建立全流程的安全保障体系,降低生成式人工智能的安全风险,推动技术的安全、可持续发展。
  同时,为充分发挥大模型的带动作用,必须确保大模型的健康合理应用。然而,当前在大模型应用上仍存在一定误区。一是将生成式人工智能“工具化”,仅将其视为生成文案的办公工具。这种应用方式大大限制了生成式人工智能的潜力。大模型不仅可以用于文案生成,还能够在数据分析、决策支持、辅助管理等多个重要环节发挥作用,其应用价值远超办公自动化。二是将生成式人工智能“神化”,误将其视作万能助手。虽然大模型具备强大的通用能力,但在专业领域的赋能往往依赖专业知识,通用大模型难以满足需求,只有与根据专业领域的知识和需求定制专用模型相结合,才能实现更为精准和有效的支持。
  树立立体思维,保障应用健康发展。着力促进各类大模型之间、人与机器之间的灵活配合与协同进化,充分激发大模型的创新活力与应用潜力,最大化释放大模型的应用价值。
  一是形成各类大模型各司其职、共同发展的创新生态。大模型可分为三类:底座大模型、领域大模型和任务大模型。底座大模型通过在大规模无标注数据上进行训练,学习人类常识,能够形成举一反三的强大泛化能力,具有基础的通用功能,相当于完成了人类的通识教育。底座大模型可看作智能时代的基础设施,方便更多开发者在其基础上做进一步开发,从而促进大模型的普及和应用,加速构建更加活跃多元的技术生态系统。相比通用的底座大模型,领域大模型和任务大模型则更为专用。领域大模型专注于特定行业或领域的知识,通常基于领域相关专业数据进行预训练或微调,相当于完成了专业教育,成为领域“专家”。任务大模型针对具体任务进行微调和优化,以提升其在具体任务上的效果。应引导各类模型共同发展,培育多元化的创新生态。在实际应用中,应根据场景选择相应的模型,充分发挥各类模型的优势,从而更好地满足多样化需求,实现最佳的应用效果。
  二是形成大模型通专结合、高效协同的创新体系。通用大模型与专业大模型各有优势,它们之间的关系应辩证看待。通用大模型作为跨领域的通用平台,能够提供广泛适用的解决方案,满足不同用户的基本需求,具有适用范围广、灵活性强等优势。在依赖常识的通用场景,如主要面向公众的消费型业务和虚拟互联网应用等,能够发挥不可替代的作用。专用大模型专注于特定领域,通过深耕行业的专业知识,发挥领域纵深优势,提供针对特定业务场景的高质量解决方案,具有专业精度高、定制性强等特点。在实体经济、工业应用等更依赖专业知识的场景中,能够提供更加精准有效的支持。因此,应鼓励两类模型协同发展,支持互联网头部企业研发通用大模型,增强大模型的综合能力,同时支持各行业发挥行业优势,在通用大模型的基础上深耕专用模型,形成通专协同的创新体系。在实际应用中,通过实现两类模型的协同合作,使其充分发挥各自的优势,提高整体应用效果。
  三是形成人机融合、混合增强的创新机制。大模型自然流畅的人机交互能力,颠覆了传统的人机交互范式,大幅提高了人机协同的效率和灵活性。为实现基于大模型的人机高效协同,需从业务体系层面进行系统性的重构。首先应明确界定大模型、人类和专家各自的职责范围,统筹发挥各自的优势。大模型在系统设计中应担任自动化任务者的核心角色,充分发挥其能够快速处理大量信息、高效执行重复性任务的优势,显著提升系统的整体运行效率;人类应发挥创造力强、决策能力强的优势,对系统起到整体设计和引导的作用;对于需要深入理解和判断的任务,例如复杂情境中的任务或非标准问题,需由经验丰富的专家团队来主导,确保决策的科学性和有效性。其次应面向实际需求,设计人机协同工作流,建立有效的人机沟通机制和协作策略,确保人机能够高效合作。通过形成人机协同的创新机制,不断优化资源配置,提升系统的灵活性,实现更高效的系统性能,用人机融合新机制促进新质生产力的发展。

  (作者:曾大军 中国科学院科技基础能力局副局长、自动化研究所副所长)


原文链接

附件: