我们对AI大模型的误解有多深？_新浪财经_新浪网 和另外 2 个页面 - 个人

意见领袖 | 新金融联盟NFA

大模型可以无所不能吗？怎样让模型少犯错？企业应该部署多大的模型，一个超级大模型还是一堆专业模型？　　对于这些问题，第四范式联合创始人、首席架构师胡时伟认为：类GPT模型是高级复读机，有多少“人工”就有多少“智能”，绝非无所不能。模型100%会犯错，一味地追求算力和数据并不能解决这个问题，因此模型之上必须要有运营兜底机制，知错就改。算力决定参数规模，一堆专业模型比一个超级大模型更有落地可行性。　　上述观点源于6月10日新金融联盟举办的“金融机构数智化转型与大模型技术应用”内部研讨会。

大模型并非“无所不能”

现在各行各业都十分关注大模型这一话题。第四范式在自己的大模型产品“式说”2月份发布以来，与17个行业的114家企业进行了密集与深入的沟通，发现业界普遍对大模型存在一些误解，需要纠偏。

(资料图)

第一，要相信科学。大家普遍认为大模型已经具备“涌现”能力，可以无师自通。但大模型的能力主要还是源于给它提供了什么样的数据，并不是直接“涌现”出来的。本质上讲，类GPT模型的背后还是机器学习，需要高质量的数据训练而来，并通过Fine-tuning（微调）进行调优才能实现一些特定的能力。

第二，有多少人工，就有多少智能。生成式AI到底能解决什么问题？通俗地讲，从基础大模型到行业大模型甚至到场景定制，我们目前认为它可以用以完成一份文档。在一个特定场景下正确地完成一个文档，一定来自于人反馈的数据。就像GPT要用到非常多维基百科的数据，是因为该数据质量更高。我们行业要做的是，一定要对大模型形成反馈闭环和迭代，即告诉大模型什么是好的，训练它达到更好的效果。这件事情本质还是依赖人工。

第三，大模型生成一定会出错。哪怕是GPT-4，在行业专业、严肃场景的应用也远未达到工业可用的效果。这是技术本身的缺陷所致，靠算力和数据也无法从根本上解决这个问题。目前大部分企业的共识是模型之上必须加一层运营机制来兜底。

企业应该部署多大的模型？

企业在大模型落地过程中会面临一个现实问题——预算有限，预算决定了算力，算力决定了参数规模。

因此，我们需要抉择：应该部署一个超级大模型，期待它能够把能力上升到一定程度，还是应该从解决问题出发，部署一堆专业模型，让它们各司其职。这里面涉及两个不同的思路。

第一个思路是通过增加参数和堆砌算力，把所有参数都给NLP模型。但从实际落地的角度来看，根据No Free Lunch（没有免费的午餐）定理，没有哪一个模型能以最优的方式解决所有问题。如果我们把所有的东西都放在一个模型里，最后会花出极大的代价，超级英雄成本很高，也很难管理。

因此，我个人认为会走向另外一个方向，即Learnware（学件）的思路，我们要做一堆参数过亿的专业模型，来组成整体企业系统，这种方式更利于模型迭代、维护，同时更利于控制成本。就如同一家公司里不能都是董秘，还得有销售、产研、市场等各个专业线。

大模型可实现传统软件两大升级

“介质”同样是企业落地大模型的关键要素。

想象一下，如果没有APP，推荐算法能用吗？没有搜索，广告算法能用吗？APP和搜索就是推荐算法和广告算法的介质。同样，大模型在企业落地时，企业软件就是大模型的介质。如果介质没有革新，只有算法革新，就像是一个人只有脑没有手。

因此，我们非常需要关注介质层面的革新。企业中大部分工作的完成都需要使用软件，但是大量软件交互的方式都非常低效、复杂，现在我们可基于大模型解决两个升级：

第一，由生成式大模型负责软件界面的升级。人机交互要变成多模态，通过大模型更强的语义理解能力，可以更直接调用企业内部各种形式的信息、数据和模型。

第二，由判别式大模型负责软件内核的升级。以前的软件主要围绕数据库做增删改查，现在可由判别式大模型对软件进行智能化升级。

让大模型成为知错就改的小助手

由于GPT在技术上存在局限性，因而无法做到百分之百准确，尤其在应用于严肃的金融场景时，大模型之上必须要加一层运营体系兜底，让模型的输出和操作从不可用变成可用，并且能做到知错就改。

知错就改有三个机制叠加保障：一是专家给答案。虽然听起来不是那么智能，但在专家能给答案的地方一定要给答案，因为这个是最准确的。二是专家给示例，模型进行一定的上下文学习也可以表现更好。三是模型自主学习，基于专家生成的知识反馈给模型，让模型少犯错。

生成式大模型加上“执行可控、知错能改”的运营体系，我们可以期待有一位善于理解、准确执行的工作助手。这位助手需要让用户可以清晰了解哪些内容是“100%准确”，哪些是“不确定的”，并且知错能改。

总体来说，底层大模型不能解决所有问题，介质层及运营机制的革新对于数字化推动作用同样重要。企业需重新打造决策类AI、生成式AI、应用层、介质层。我们目前探索落地的重点是让生成式大模型结合介质，围绕企业数字化转型的目标，在企业里生成一堆Agent，分别用以查资料、查数据、准确操作软件等，这可能是当下一个更加贴合实际、可落地的方向。

(本文作者介绍：一个高质量的新金融政策研讨和行业交流平台。)

责任编辑：张文

新浪财经意见领袖专栏文章均为作者个人观点，不代表新浪财经的立场和观点。

关键词：