風(fēng)起AIGC

(資料圖)

AIGC已經(jīng)成為我們這個時代新的商業(yè)分水嶺，引領(lǐng)著內(nèi)容和創(chuàng)意的“寒武紀(jì)大爆發(fā)”。無論是前沿科技產(chǎn)業(yè)還是整個經(jīng)濟社會格局，都將因此產(chǎn)生巨大的變化。為了讓創(chuàng)業(yè)者更好地?fù)肀н@個時代，創(chuàng)業(yè)黑馬將以中國AIGC第一服務(wù)平臺為己任，通過走訪多位業(yè)內(nèi)知名企業(yè)家、投資人、專家學(xué)者和創(chuàng)業(yè)實踐者，從軟硬件平臺視角、投資人視角、行業(yè)應(yīng)用視角等維度進(jìn)行系列報道，共話大模型時代新機會，展現(xiàn)產(chǎn)業(yè)新力量。本篇為第八篇。

本期的分享嘉賓是竹間智能總裁兼COO孫彬。竹間智能由前微軟（亞洲）互聯(lián)網(wǎng)工程院副院長簡仁賢于2015年創(chuàng)辦，是認(rèn)知AI時代下以大小模型雙輪驅(qū)動的NLP為核心技術(shù)的國內(nèi)領(lǐng)先人工智能企業(yè)，通過對話、知識、培訓(xùn)和生成四大產(chǎn)品平臺，實現(xiàn)跨行業(yè)、跨場景的規(guī)模化落地，已累計服務(wù)500多家大中型企業(yè)。在以ChatGPT為代表的LLM（大語言模型）技術(shù)掀起全球浪潮之際，竹間對所有產(chǎn)品系列進(jìn)行了全線升級，并推出運用多種LLM技術(shù)的成熟AIGC企業(yè)級產(chǎn)品，幫助白領(lǐng)等知識生產(chǎn)者提高生產(chǎn)力，助力企業(yè)完成數(shù)智化轉(zhuǎn)型。

在6月8日的黑馬AIGC主題系列直播第二季中，孫彬以《大語言模型在To B領(lǐng)域的落地和探索》為主題進(jìn)行了分享，并展示了竹間智能在生成式AI技術(shù)落地方面的商業(yè)洞察、布局和重要成果。

以下為本次直播實錄整理：

今天我來分享一下，作為NLP（自然語言處理）從業(yè)團隊，過去親身經(jīng)歷過的大語言模型發(fā)展歷程，以及我們看到的未來。

我相信很多人都是最近在網(wǎng)上了解到 Chat GPT這種大語言模型，也分析過很多關(guān)于大語言模型和生成式AI的特點、優(yōu)勢或短板。但是其實大語言模型，包括我們所從事的NLP（自然語言處理）產(chǎn)業(yè)已經(jīng)發(fā)展了很長時間了。竹間智能團隊聚焦NLP已經(jīng)有8年了，這8年也是NLP真正實現(xiàn)產(chǎn)業(yè)化的時期。在此期間，我們一直身處NLP賽道，研究如何將NLP服務(wù)商業(yè)化，如何進(jìn)行營銷，如何為企業(yè)提供服務(wù)，如何在C端實現(xiàn)成長，也積累了一些經(jīng)驗和客戶。

01

行業(yè)變局與四大挑戰(zhàn)

在人工智能領(lǐng)域，圖像、語音、語義的處理都是一些重要的賽道，NLP就是其中關(guān)于自然語義理解的部分。

實際上，在人工智能的語義理解方面，具體可以分為兩個部分：一是大家非常熟悉的人機問答，我們叫它短文本，是用來交互的；另一個是長文本，讓機器能夠?qū)ΜF(xiàn)有的非結(jié)構(gòu)化的文件、文章進(jìn)行閱讀、理解、抽取、提取。這兩大領(lǐng)域都是NLP的強勢領(lǐng)域，也恰恰是產(chǎn)業(yè)化落地的領(lǐng)域。今天我們所熟悉的大語言模型，給大家展示了對話中的高理解、高對話能力，但它更讓大家驚艷的地方卻是生成的文章、寫出的代碼、翻譯成的語言。

在這兩大領(lǐng)域（短文本和長文本），過去各個NLP團隊也取得了很多成果，但是在它們落地發(fā)展過程中，主要面臨四大挑戰(zhàn)，而現(xiàn)在大語言模型的出現(xiàn)，則讓情況產(chǎn)生了很大的改變。

首先，是深度語義理解及推理。在大語言模型爆發(fā)之前，所有的語言模型相對來說都比較輕量，針對一些具體場景，那時首先面臨的挑戰(zhàn)就是如何能夠準(zhǔn)確理解客戶的意思，大家都不斷地在用新的模型優(yōu)化算法，去了解客戶的意圖，理解客戶的上下文和他們的情緒，但是現(xiàn)在大語言模型極大地拉升了這方面能力。

第二，是基于知識圖譜的智能問答。這也是現(xiàn)在大家對大模型最為詬病的地方，因為大模型的知識不是很準(zhǔn)確。過去的最佳實踐方案，是我們用NLP的模型去理解客戶的對話意圖，然后用客戶方給到的知識和答案實現(xiàn)精準(zhǔn)匹配，這樣可以幫助對話機器人給出正確回復(fù)。

第三個挑戰(zhàn)是如何通過語義訓(xùn)練實現(xiàn)問答精準(zhǔn)匹配。比如在金融行業(yè)，關(guān)于信用卡的服務(wù)內(nèi)容其實是有標(biāo)準(zhǔn)答案的，但是客戶的問法千差萬別，我們?nèi)绾斡谜Z言模型理解客戶的意圖是一個難題。在To B服務(wù)領(lǐng)域，對答案的準(zhǔn)確度要求是非常高的，否則會對客戶產(chǎn)生誤導(dǎo)或造成損害，這一挑戰(zhàn)依然延續(xù)到大語言模型時代。

第四個挑戰(zhàn)，就是任務(wù)的流程。大家知道，任何一個大語言模型的聊天能力都很強，但是你要讓它完成一個工作，比如說辦一張信用卡、重出一張機票，或查詢一個工單信息，就有些困難。這種多輪的流程式的對話方式，對大語言模型來說可以很容易去模仿，但是要精準(zhǔn)地提供這些數(shù)據(jù)，還需要另外一層的技術(shù)控制。

過去NLP產(chǎn)業(yè)落地的這四大挑戰(zhàn)，現(xiàn)在依然還存在，但是在很大程度上來說，用大語言模型可以更容易地解決，這就是技術(shù)變革給產(chǎn)業(yè)帶來的好處。在這方面，我們已經(jīng)應(yīng)用大模型做出了一些案例，獲得了客戶的認(rèn)可。比如一家證券客戶的客服中心原先使用的是傳統(tǒng)的客服機器人，在使用中暴露出諸多問題，比如業(yè)務(wù)知識與閑聊混合管理不便于維護，大量知識材料內(nèi)容和分組不匹配，回答準(zhǔn)確率過低等等，40%~50%的電話最后還是要轉(zhuǎn)到人工服務(wù)。但是經(jīng)過技術(shù)的加持，機器人的服務(wù)占比可以提升30個百分點，就能很大地節(jié)約人力，提高效率。

所以，今天的 AI在應(yīng)用過程中，特別是在To B產(chǎn)業(yè)，其實并不像大家想象的那樣，一個模型就能夠解決所有問題。它實際上是一個像下圖這樣的平臺邏輯：

最底層是基礎(chǔ)技術(shù)，上面是AI模塊，還要通過一些API的方式進(jìn)行二次開發(fā)，最后接入客戶的業(yè)務(wù)場景。最近大家都把聚焦點放在大語言模型的寫作能力和對話能力方面，但是從為企業(yè)服務(wù)的從業(yè)者視角來看，雖然目前底層的模型能力有了極大的突破，但要想更好地實現(xiàn)應(yīng)用，還有很多的能力需要完善。

在今天這個大語言模型產(chǎn)業(yè)爆發(fā)之際，我們更呼吁所有在賽道中有經(jīng)驗的專業(yè)團隊，都應(yīng)該駕馭好大模型，讓大模型能夠在多場景中落地，實現(xiàn)產(chǎn)業(yè)化發(fā)展。不但大模型自身要高速發(fā)展，大模型帶來的創(chuàng)新業(yè)務(wù)也應(yīng)該實現(xiàn)高速發(fā)展。

02

產(chǎn)業(yè)的未來

接下來，我來分享一下站在從業(yè)者的視角分析，大語言模型會給產(chǎn)業(yè)帶來哪些變革？

首先想一下，Chat GPT現(xiàn)象的本質(zhì)是什么，它給大家?guī)淼慕?jīng)驗是什么？相信所有跟它做過對話的人都不僅僅是為了好玩，大家會感覺到“我是在跟一個智能體對話”。這代表了什么？代表人類可以跟語言模型進(jìn)行溝通了。它能理解你，能回答你，能幫你去執(zhí)行。大語言模型最好的一點就是它用一種“暴力”的方式帶來了足夠多的知識，然后又可以理解人的情緒，可以跟人對話，這恰恰將以前人和機器交互的瓶頸問題解決了。

從這一點出發(fā)，我的第一個判斷，是大模型會改變我們現(xiàn)在的軟件范式。相信做IT的同事們對此都有切身體會，當(dāng)PC出現(xiàn)的時候，當(dāng)互聯(lián)網(wǎng)到來的時候，當(dāng)手機應(yīng)用開始爆發(fā)的時候，軟件范式都曾發(fā)生過改變，從工業(yè)軟件到PC軟件，到網(wǎng)站和手機APP，再到現(xiàn)在的大模型熱潮，軟件范式又將被改寫一次。

那么，大語言模型來了以后，軟件應(yīng)用會是什么范式？我們通過對話的方式就可以調(diào)動各種各樣的應(yīng)用。如果說以前我們是應(yīng)用為主導(dǎo)，今后我們可以非常明確地想象，人會跟手機或者智能硬件溝通，然后由它來完成相應(yīng)的軟件操作，所有應(yīng)用之間的屏蔽會被打破，應(yīng)用的能力會被調(diào)用，大語言模型直接調(diào)動應(yīng)用能力會形成新的交互方式，這將是一個新的操作系統(tǒng)，新的“iPhone 時刻”。

在未來2~3年內(nèi),我們大量的C端應(yīng)用，都會因為對話方式的改變而改變，很有可能不再是觸摸式輸入，而是語音輸入，很多行動也會打破應(yīng)用的邊界，可能每個手機都會有個AI助手，它可以通過對話的方式調(diào)度多個應(yīng)用能力，下單、叫車、購買都可以通過語音來完成，接下來會有千千萬萬個基于類ChatGPT模型的應(yīng)用出現(xiàn)。

以上是C端的變化，那么B端會怎樣變化？我的第二個判斷是，在B端，企業(yè)/行業(yè)的私域知識會變得至關(guān)重要，產(chǎn)生大量的企業(yè)Chat GPT、行業(yè)Chat GPT。

目前，大語言模型的特點是它可以高度理解人的語義，并且可以做一些深層次的工作，比如寫作、推理、分析等等，但是它的知識是不可被依賴的。這是因為用來訓(xùn)練的互聯(lián)網(wǎng)數(shù)據(jù)是不可靠的，今天的大語言模型實際上是一個對話模型，并不是一個問答模型。它是為了對話而產(chǎn)生的，所以它會妥協(xié)，會認(rèn)錯，為了讓對話繼續(xù)進(jìn)行下去，它會根據(jù)對話的人的喜好改變內(nèi)容，但是它并不是一個具備正確知識的模型。

但對企業(yè)客戶來說，我們的行業(yè)總監(jiān)、客服、營銷人員、政策咨詢?nèi)藛T，絕對不能給客戶不準(zhǔn)確的知識。所以，在B端一定會發(fā)展成這樣的范式：大語言模型做溝通和理解，加上私域知識——準(zhǔn)確的私域知識——然后驅(qū)動行業(yè)/企業(yè)的應(yīng)用，行業(yè)/企業(yè)的應(yīng)用也會因為這一變化而變化。

那么，企業(yè)的私域知識怎樣構(gòu)建？我們可以回顧一下企業(yè)數(shù)字化的發(fā)展過程，最早的時候，我們把設(shè)備聯(lián)網(wǎng)叫數(shù)字化，這是第一代的生產(chǎn)數(shù)字化；第二步，我們將ERP，包括生產(chǎn)制造系統(tǒng)使用起來，實現(xiàn)全業(yè)務(wù)流程IT化，這是第二代的資產(chǎn)數(shù)字化。

現(xiàn)在，我們有了大語言模型，有了行業(yè)/企業(yè)的私域知識，真正地讓企業(yè)的hr部門、行政部門、銷售部門、客服部門……所有的知識全部用對話或者閱讀的方式表達(dá)出來，就真正讓企業(yè)智能化了。

人工智能發(fā)展到一定階段之后，可以將知識利用起來，就實現(xiàn)了進(jìn)化，我們將從數(shù)字化時代進(jìn)化到數(shù)智化時代。

在接下來的時間，我們會看到越來越多的企業(yè)將部門的知識、企業(yè)的知識甚至行業(yè)的知識利用人工智能技術(shù)變成知識庫，變成可以被AI構(gòu)建和調(diào)用的知識，形成知識流，然后讓這些知識變成數(shù)字人，服務(wù)我們的企業(yè)，服務(wù)我們的客戶。

我們可以預(yù)測,在未來的一年，企業(yè)服務(wù)的這些內(nèi)容會呈現(xiàn)指數(shù)級的增長，會提升至少10倍以上。從事To B行業(yè)的創(chuàng)業(yè)者，一定要對此做好準(zhǔn)備。

03

未來的四個新挑戰(zhàn)

那么，未來大模型發(fā)展將面臨哪些新挑戰(zhàn)？

除了前面提到的四大挑戰(zhàn)之外，作為技術(shù)從業(yè)者，我在這里跟大家分享幾個我們看到的新挑戰(zhàn)：

第一個挑戰(zhàn)就是大模型閱讀 or 知識圖譜預(yù)建？過去我們做了很多的知識圖譜，但是今天的大語言模型可以閱讀文檔，可以閱讀那些非結(jié)構(gòu)化的數(shù)據(jù)。那么，到底是不是還需要建立知識圖譜？換一種說法，就是今天是要預(yù)設(shè)好答案，方便來問答和查詢，還是要讓大語言模型自己去閱讀內(nèi)容，然后給你答案？

其實，這兩種實踐路徑都可以完成很多的內(nèi)容查詢，但是最終哪個效果好，哪個準(zhǔn)確率高，我相信應(yīng)該是不同的場景使用不同的模式。也許有人會問兩種結(jié)合在一起會不會更好？答案很值得期待，希望我們的從業(yè)團隊用工程能力給出結(jié)果。

第二個新挑戰(zhàn)是“Prompt？Embedding？Fine-tuning? ”這三個詞都是現(xiàn)在特別熱的詞。Prompt是提示詞，Embedding指嵌入接口，F(xiàn)ine-tuning指模型微調(diào)，都是訓(xùn)練大模型要做的工作。但目前其實并沒有多少團隊能夠把模型調(diào)好，可能在微調(diào)的過程中間，越調(diào)越差。所以今天我給到大家的建議，就是不要迷戀對大語言模型進(jìn)行微調(diào)，最終要以結(jié)果可控和高質(zhì)量目標(biāo)作為標(biāo)準(zhǔn)。利用大語言模型的能力加上自身的工程能力，比如對知識圖譜、對客戶數(shù)據(jù)的調(diào)用，然后利用數(shù)據(jù)的能力，最終滿足客戶的需要才是王道。

第三個新挑戰(zhàn)，到底是應(yīng)該做大語言模型，還是做專業(yè)模型？我的觀點是通用大語言模型有它的優(yōu)勢，專業(yè)模型也有它的場景，每個模型其實都有它的能力特點。我們認(rèn)為通用大語言模型適合于To C端進(jìn)行對話和訓(xùn)練，專業(yè)的模型適合于在行業(yè)內(nèi)調(diào)取專業(yè)的知識，完成專業(yè)的任務(wù)。

第四個新挑戰(zhàn)：大模型應(yīng)該云端調(diào)用還是私域部署？在10年前，大家就在討論公有云好還是私有云好，其實我們看到今天這兩者是并存的。云計算和AIGC產(chǎn)業(yè)發(fā)展有相似之處，通用模型適合于各種各樣的中小企業(yè)，通用靈活；專業(yè)模型安全性高，數(shù)據(jù)可以控制，它要為企業(yè)服務(wù)，數(shù)據(jù)要準(zhǔn)確，要完成不同的任務(wù)。所以我們可以這樣預(yù)測，未來會有幾個頭部的企業(yè)提供最優(yōu)秀的大語言模型來為大家服務(wù)，但同時也會有千千萬萬的行業(yè)私有云、企業(yè)私有云，千千萬萬的行業(yè)模型和企業(yè)模型。

未來，公有的大模型一定會越做越強，會由頭部的幾個企業(yè)來領(lǐng)導(dǎo)，行業(yè)的私有模型一定會百花齊放，這也是我們很多To B企業(yè)的商機。

我們相信，ChatGPT現(xiàn)象將給我們帶來巨大的AIGC紅利。寫作類、繪畫類、創(chuàng)作類的職業(yè)會實現(xiàn)巨大的提效。大模型歸根到底是一個工具，會使用工具的人將會淘汰不會用工具的人。

智能家居行業(yè)會有很大的發(fā)展，過去每個家庭的環(huán)境太復(fù)雜，所以大家沒有辦法在家庭環(huán)境中預(yù)設(shè)好各種對話，現(xiàn)在大語言模型應(yīng)用之后，對智能家居行業(yè)又會有很大的促進(jìn)。

同樣還有個人助手類的應(yīng)用，我認(rèn)為會有極大的發(fā)展。AI可以幫你訂機票、訂餐、更改日期，還有去執(zhí)行一些預(yù)約，甚至去購買一些東西，我們期待著今年下半年會有很多個人助理類的應(yīng)用大爆發(fā)。

此外，還有元宇宙的“ IP 眾包”模式、情感陪伴類產(chǎn)品等等，都會迎來爆發(fā)。

竹間智能是2015年成立的一家NLP專業(yè)公司，我們的核心能力就是將短文本NLP和長文本NLP處理能力，結(jié)合我們的專業(yè)模型，以及現(xiàn)有的大語言模型，實現(xiàn)不同的應(yīng)用場景落地，做出不同的數(shù)字員工，來為企業(yè)和個人提供服務(wù)。我們也希望能夠跟行業(yè)內(nèi)所有的玩家共勉，一起來享受 AIGC帶來的產(chǎn)業(yè)爆發(fā)，共同做好AI在各個行業(yè)的落地。

黑馬AIGC產(chǎn)業(yè)營

讀懂AIGC底層邏輯，一步接入產(chǎn)業(yè)未來

3大核心認(rèn)知，6大前沿主題

（掃描下圖二維碼，即刻加入）

↓↓↓

標(biāo)簽：