9月8日消息，iPhone的诞生开启了移动互联网的黄金15年。大模型的应用突破，也意味着产业变革再次来到了“人工智能”的iPhone时刻。9月7日，2023外滩大会首日，生成式AI和大模型成为热议话题。多位“两院”院士、诺贝尔奖和图灵奖得主等专家学者以及科技领军企业分享了他们在AI领域的观察和思考。
生成式AI有望开启万亿美元新赛道
今年以来AI热度持续攀升，近半年内全球近百家公司、机构相继发布大语言模型相关产品。国内也正面临着“百模大战”，有数据显示，全国有至少130家公司研究大模型产品，其中做通用大模型的有78家。
但专家普遍认为，这一技术带来的产业红利才刚刚开始。麦肯锡中国区主席、全球资深董事合伙人倪以理在外滩现场预测，生成式AI的技术风暴有望开启一场关系到未来8-10年的新一轮技术和产业变革。
“AI对全球经济的潜在收益将达到25万亿美元，是当前所有企业最重要的赛道之一，但这个时代刚刚开始。”他举例说道，在高科技行业，该技术每年可以额外创造2400亿至4600亿美元价值；在零售和消费品领域，每年可达2400亿至3900亿美元；在整个银行业，每年可达2000亿至3400亿美元。与此同时，他指出，生成式AI可能大幅促进生产力提升，并提供新的就业机会。
金沙江创投主管合伙人张予彤的观察也印证了上述观点。当前生成式人工智能创业与投资爆发，今年上半年投资额已超过去年全年水平。
张予彤预测，AIGC在企业的关键职能中将释放巨大价值潜力，影响集中在四个职能：客户运营、营销和销售、软件工程、产品研发。以游戏行业为例，AIGC首先将优化内部效率，随后重塑开发流程并引领游戏玩法创新。
蚂蚁集团董事长兼CEO井贤栋引用电影《奥本海默》的一句台词说，“this is not a new weapon.this is a new world”，他认为大模型不只是一个新技术，而是一个新世界，会引发全面的变革。他透露，蚂蚁自研大模型以全栈布局、长线发展为原则，以创造产业价值为目标，将在外滩大会期间发布最新落地进展。
高效产业协作是抓住技术变革机遇的关键
中国科学院院士、复旦大学副校长张人禾认为，面对“AI时代”的来临，“单打独斗”已不适应大科学时代的科技创新，要进行“有组织科研”，最大的优势在于布局建设大平台。
而产业变革也更急需走向高效协作。但因为很多产业比如跨境贸易从时间和空间上都有很长的链路，产业协作涉及多个参与方，环节众多、流程复杂，很容易因为缺乏信任造成协作不畅。
蚂蚁集团资深副总裁、数字科技事业群总裁蒋国飞指出，“信任问题是产业高效协作的最大障碍。”他认为，在物理世界产业供应链的背后，需要用数字科技构建一个围绕数据供应链的协作网络。比如，在数据生成环节，物联网可以实现数据源头可信；在数据流通环节，区块链技术可以进行数据确权，防篡改；隐私计算技术确保数据在流通与融合过程中“可用不可见、可算不可识”；在数据价值的挖掘环节，人工智能技术与场景结合，能够让数据价值释放出巨大潜力。
在专家们看来，AI、区块链、隐私计算、数字人民币等新技术、新场景的应用，会在实体领域创造很大价值。北京智源人工智能研究院顾问、美国国家工程院外籍院士张宏江说，AI、区块链和数字人民币的结合，会带来未来更加自动化、更加可信、更加有效的金融服务体系。
井贤栋说，隐私计算的突破，能够实现数据价值的交换，而非数据本身去交换，意义极其巨大。蚂蚁在重点投入，希望未来有一天加密计算的成本和效率做到今天的明文计算一样，那个时代会真正迎来数据时代的大爆炸。联合国开发计划署可持续金融中心高级顾问迈克尔·舍伦则指出，新技术的应用，可以促进绿色融资，并降低融资成本，帮助我们创造一个更可持续的世界。
应对大模型安全问题需设好“紧箍咒”
模型的通用能力让其能够应用到人类生产生活的各个场景中，可谓“无孔不入”。AI的发展因此带来了新的安全隐私问题，如何解决这一隐患？中国科学院院士何积丰开出了他的“药方”：利用对齐技术为大模型戴上紧箍咒。
何积丰院士认为，大模型的安全问题主要是在未经同意的情况下，收集、使用和泄露个人信息。隐私问题既可能发生在训练过程，也可能发生在使用过程中，而大模型的生成能力则让“隐私泄露”的方式变得多样化，造成隐私保护更加困难。
“为了应对这些问题，我们需要大模型对齐技术。”何积丰说，“对齐（alignment）”是指系统的目标和人类价值观一致，使其符合设计者的利益和预期，不会产生意外的有害后果。“如果把人工智能看作西游记里的孙悟空，’对齐’就是唐僧的紧箍咒。有了紧箍咒，就可以保证技术不会任意使用能力胡作非为。”
不过，对齐技术同样面临挑战。首先，对齐的基础，人类的价值观是多元且动态变化的，需要保证大模型为人服务、与人为善；其次，大模型的有用性与无害性之间目标也不完全一致。如何对错误进行有效纠正，设好大模型的“紧箍咒”也是挑战。
因此，对齐技术已经成为了一项令人眼花缭乱的跨学科研究，不仅考验技术，也审视文化。
何积丰介绍，反馈强化学习是实现对齐的技术途径，目前有两种方式，一种方式是通过人工反馈给模型不同的奖励信号，引导模型的高质量输出；另一种方式，事先给大模型提供明确的原则，系统自动训练模型对所有生成的输出结果提供初始排序。“这意味着，不仅智能系统需要向人类价值观对齐，人类的训练方法也要向价值观对齐。”何积丰说。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
