近日，在2023复旦管院科创周的复旦科创先锋年度论坛上，复旦大学计算机科学技术学院教授、上海市数据科学重点实验室主任肖仰华发表了“走向千行百业的大模型”主题演讲，围绕人机协作模式的前景、大模型对全行业的发展影响等视角分享了最新研究和前沿洞察。
金句
1.未来的认知模式一定是人机协作的认知模式。
2.大模型在千行百业的应用，本质就是利用大模型实现专家水平的认知智能的过程。
3.大模型所能认知的跨学科知识，将给我们带来前所未有的机会。
4.大模型的能力发展与人类的认知发展理论存在高度可映射关系。
5.To B服务的智能化正在经历从传统小模型、知识图谱驱动向大模型驱动的引擎升级。
01
人机协作认知多变的复杂世界
自ChatGPT去年11月底上线以来，这一年是梦幻般的一年。ChatGPT在不到2个月的时间里突破了1亿“月活”，很多新技术名词层出不穷，“我们似乎处于前所未有的技术加速发展时代，而唯一不变的是变化本身。”
快速变化的技术正在让这个世界日益复杂。在肖仰华看来，“我们整个人类社会日益变成了人、机、物融合的复杂系统，这个系统的复杂性前所未有。”
人类的认知受限于生物智能的本质，有限的认知能力难以认知当下快速变化、日益复杂、不确定的世界。“我们一定要把认知能力让渡给机器，让机器也在一定程度上具备人的认知能力，进而开展人机协作的认知，才有可能认知日益加速变化的复杂世界。”
一旦把认知能力赋予机器，机器的认知能力可以随着世界复杂性的增长而增长。当下的机器智能，只要“喂”给它的数据越来越多，供养的算力越来越多，智能就会持续增长。“唯有机器形成认知世界的能力，才有可能与世界复杂性的增长同步。未来的认知模式一定是人机协作的认知模式。”
肖仰华认为，很多技术的出现在某种程度上是时代发展的必然，必须发展人机协作的认知。而目前人机协作的认知结果就是大家熟知的ChatGPT这一类大模型，大模型可以认为是机器认知这个世界的一个技术成果。
02
通用人工智能是一场技术“元革命”
理解图像，理解现场的照片并做出精妙回答；操控机械臂，完成一些只有人类才能完成的复杂规划任务……在这样快速发展的趋势中，机器人不单单在理解千行百业的文本，它们又进一步向多模态快速发展。
当生成式语言模型逐步向多模态、具身化快速发展，这一系列的发展趋势形成合力，会带来一场前所未有的技术革命，我们把这场技术革命称为“通用人工智能技术革命”，这绝不是传统意义上的某一次技术革命所能比拟的。
肖仰华认为，通用人工智能将会渗透整个社会生产、生活的每一个角落，将会渗透进社会的每一根“毛细血管”，对人类社会产生广泛而深远的影响。“我一直把通用技术革命视作是一场‘元革命’”。在他看来，这一波行业智能化解决方案，恰恰是先发展通用认知能力。只有建立起通识能力，才有可能发展专业认知能力，通识是专识的基础。
03
大模型拥有哪些新能力？
在肖仰华看来，大模型带来了开放世界的理解能力、强大的组合创新能力，大模型的评估评价能力首次达到人类专家水平，具有复杂任务的规划能力。
“我们常说跨部门、跨层级、跨专业……一个‘跨’字往往意味着难题所在。”肖仰华表示，大模型是巨大的知识容器，尤其擅长跨学科边界处的知识，给我们提供了跨领域、跨专业，尤其是跨系统边界的知识。“不同部门、不同学科之间的认知是一个巨大的盲区，大模型所能认知的跨学科知识，其很多内容可能是人类从未探索或触及的领域，这将给我们带来前所未有的机会。”
正因为大模型具备这些能力，肖仰华倾向于认为大模型这对于行业发展，尤其是对于To B行业的发展，会是一次全新的智能引擎升级。“To B服务的智能化正在经历从传统小模型、知识图谱驱动向大模型驱动的引擎升级。”
ChatGPT比较好地实现了机器与人类的开放式对话，也就是开放式闲聊，然而实际应用场景多需机器的复杂决策能力，复杂决策才是领域应用的根本特点。
“To B行业的应用本质是一类复杂、严肃的决策任务。在这方面，现在的大模型还有漫长的路要走。”
大模型容易编造虚假事实去“一本正经胡说八道”。这就是为什么很多严肃场合大家不敢用大模型的重要原因，“大模型要为千行百业创造价值，首要问题是解决‘幻觉问题’。”
此外，因为已经在通用领域学到很多通用知识，大模型往往还缺乏领域的忠实度。
04
百花齐放的场景应用
如何让大模型在行业应用里创造价值，也就是场景和应用问题。
“大模型赛道是百花齐放的，我们没有必要都专注于通用大模型。”在肖仰华看来，从通用大模型，到行业/领域大模型、场景大模型、科学/专业大模型，要开辟大模型竞争新赛道，避免在通用大模型的红海竞争。“这条赛道足够宽广，每一家企业都可以发现专属自己独特优势的竞争机会。”
我国正在大力推动数据要素市场化，当数据成为第五个生产要素，数据将成为数字中国战略实施的重要元素。当前的数据价值变现全链路上的各个环节，仍然需要人类专家的密集参与，暂时还难以实现数据要素的有效、高效流通和数据价值变现。其根本原因在于缺乏智能化手段。
“但实际上，大模型已经具备了一定的数据理解能力，将可能实现自动化的数据要素价值变现。”
05
大小模型协同有效落地
大模型成为数据要素释放价值的重要工具，那么在推动大模型进入行业应用时，成本和价值将是必须要考虑的问题。
如何降低大模型使用成本？肖仰华认为，并不是任何场景都需要使用大模型，很多大模型应用属于“杀鸡用牛刀”，大小模型协同才是降低应用成本的有效方法。
又该如何促进大模型更好地落地？“首先要把大模型炼制过程变成科学。”在肖仰华看来，现在大模型的炼制方式很像传统的炼金术炼丹，所有的数据准备好丢进服务器，然后祈祷好的效果，整个过程并不透明。
“要想让炼制过程更加透明、科学，仍然需要努力。其中很重要的努力就是对语料进行精准刻画。我们需要掌握大模型炼制工艺的关键参数，及其对大模型效果的评价体系，建立起数据特性与模型能力之间的因果关系。”
大模型的能力发展与人类的认知发展理论存在高度可映射关系。人类认知在什么时候发展出注意力，什么时候发展出信念，什么时候发展出欲望……儿童的认知能力存在一个持续发展的过程，这对大模型炼制存在指导意义。
肖仰华补充说道，“对于行业大模型炼制，尤其要注重数据的选择，不能盲目配比数据。炼制过程也要注重高质量指令数据的收集。”
在肖仰华看来，大模型的行业落地路径与行业专家的演进路径十分相像。大模型在千行百业的应用，本质就是利用大模型实现专家水平的认知智能的过程。
“在推动大模型进入千行百业应用的过程中，一定要合理定位、正确认识、场景多元、积极开辟新赛道。要注重大模型的成本和价值，促进大模型和千行百业的深度融合，大模型绝不应该只停留在炼金术阶段，我们要推动它变成科学，大模型必须与行业深度融合才有可能实现真正的可持续发展。”肖仰华说道。
来源：复旦大学管理学院
编辑：拾
↓分享
↓点赞
↓在看
