(相关资料图)

编者按：伴随着数字经济的快速发展，人工智能产业也正处于良好的发展条件和技术环境中。而人工智能作为关键性的新型技术能力，也被视为推动整个国家数字化经济发展的核心推动力。本文整理自“上，第四范式联合创始人、首席科学家陈雨强博士线上主题分享 “奇点临近——人工智能落地的趋势与挑战”，以飨读者。

陈雨强以技术发展的视角深入浅出地解析了关于人工智能落地的趋势与挑战。他认为，在起起伏伏的发展过程，人工智能一直在朝着解决更为复杂问题的方向演进，人类对人工智能的认知也一直处于不断变化之中。 但衡量人工智能进步与否、以及能力范畴的标准始终未变，也就是VC维（Vapnik-Chervonenkis Dimension） 。 （编者注： VC维理论是由Vapnik 和Chervonenkis两位科学家于1960 年代至1990年代建立的统计学习理论，它反映函数集 的学习能力。 VC维越大则模型或函数越复杂，学习能力就越强。 如果人类的智商水平可以用大脑的脑细胞数来衡量，那么机器的智商水平就可以用VC维比喻来衡量，即超高智商的人工智能，需要超高维度的机器学习模型来实现。 ）

关注我们，阅读干货不迷路！

从持续不断提升VC维这一视角看，人工智能发展是不断提升模型维度的历史。不管是决策类AI、视觉类AI还是NLP（自然语言处理）领域，都经历了四大阶段，积累量变形成质变。 第一个阶段是由人制定规则来构建专用小模型，应用在专业领域； 第二个阶段是让机器写少量规则，受限于机器的数据、算力、算法，仍然维持在专用小模型的阶段； 第三个阶段是机器能写大量规则构建了专用大模型，这也是搜索、推荐、电商等领域蓬勃发展的原动力。现在通用大模型是一个重要的趋势，通过多任务学习的方式，让一个模型拥有非常多的能力，将不同专用的大模型，变成一个通用大模型。 回看AI发展再到聚焦ChatGPT，他指出， 大模型就是高维模型。随着参数量不断上升，模型语言能力也不断增强；当前GPT水平已经突破了临界点，同时拥有了非常广域的知识、能完成大量任务，首当其冲的就是对内容生成方式的冲击和改变，即AIGC。 但要注意的是，ChatGPT是用学语文的方式学跨领域知识，大力出奇迹，因此企业如果要使用这样的技术，有些挑战必须克服。当前生成式大模型主要面临内容可信、数据安全以及成本高昂三大挑战，对此，他介绍了短期内可在企业快速落地，且兼具多模态输入输出、企业级Copilot、生成式语言等三大能力“式说”。

END

有小伙伴后台问，为什么最近收不到我们的推文 那是因为微信改了推送机制 如果不星标很难看到我 所以一定要 记得星标 ，阅读干货不迷路！

延伸阅读（猜你喜欢）:

分享

收藏

点赞

在看

关键词：