智東西（公眾號：zhidxcom）
編輯?| ?GTIC
智東西(xi)4月18日報道，在剛剛落幕(mu)的GTIC 2023中國AIGC創(chuang)新(xin)峰會上，瀾舟科(ke)技創(chuang)始(shi)人(ren)兼(jian)CEO、中國計(ji)算機學(xue)會CCF副理(li)事長、創(chuang)新(xin)工場首席科(ke)學(xue)家(jia)周(zhou)明以《大(da)模型(xing)帶來的新(xin)范式(shi)》為題發表了主題演講。
作為微(wei)軟走出的技術(shu)專家，周明非常(chang)認可微(wei)軟聯合創始人(ren)比爾·蓋(gai)茨關(guan)于“要把自然(ran)語言理解做好了，基本上可以重塑一(yi)個微(wei)軟”的評(ping)價。
在(zai)他看(kan)來，大模(mo)型正帶(dai)來認知智能的崛起。大模(mo)型尤其是ChatGPT代(dai)表著語言理解(jie)、多輪對話、問(wen)題求解(jie)進入了一個可實(shi)(shi)用(yong)的時(shi)代(dai)。同(tong)時(shi)，大模(mo)型有效解(jie)決NLP任(ren)務碎片化(hua)問(wen)題，大幅度提高(gao)研發效率，標志著NLP進入工業化(hua)實(shi)(shi)施階段。AI 2.0時(shi)代(dai)將首先革新創作內容、辦公方(fang)式、搜索(suo)引擎、人機交(jiao)互界面、金融場景(jing)任(ren)務等領域(yu)。
創(chuang)立于2021年6月的瀾舟科技(ji)已(yi)推出了(le)多(duo)(duo)個大模型對(dui)外產品服務，目前已(yi)落地孟子(zi)大模型、AIGC（智能(neng)(neng)創(chuang)作）平臺(tai)、機器翻譯平臺(tai)、金融NLP平臺(tai)等(deng)多(duo)(duo)款技(ji)術及產品，落地同花順、華夏基金等(deng)企業(ye)。結合類ChatGPT技(ji)術，瀾舟科技(ji)推出了(le)對(dui)話機器人(ren)MChat，能(neng)(neng)夠通過(guo)智能(neng)(neng)對(dui)話幫助用戶完成特(te)定場景中的多(duo)(duo)種工作任務。
談及對產(chan)業(ye)未來(lai)方(fang)向的展望，周明坦言，當下(xia)類(lei)ChatGPT技術在(zai)推理、邏輯、數學和算術、事實性(xing)錯誤等(deng)方(fang)面仍有所欠(qian)缺。未來(lai)，大(da)模型相關(guan)的九大(da)問題(ti)尤其(qi)值(zhi)得關(guan)注(zhu)，涉及推理能力、事實正確性(xing)、中文處理能力等(deng)方(fang)面。
以下為周明的演講實錄：
今天給(gei)大(da)家(jia)介紹我(wo)(wo)們對大(da)模型的(de)一(yi)些新思考，我(wo)(wo)的(de)演講分(fen)(fen)三部分(fen)(fen)：一(yi)是(shi)我(wo)(wo)們對大(da)模型的(de)理解，它帶(dai)來哪些新的(de)范式變化；二是(shi)瀾舟科技在這個領域所做(zuo)的(de)一(yi)些努力；三是(shi)未(wei)來大(da)模型的(de)發展。
一、大模型標志著NLP進入工業化實施階段
我先談(tan)談(tan)大(da)模型的(de)一(yi)些(xie)背景。此前(qian)十(shi)余年人(ren)工智能(neng)在感知(zhi)(zhi)智能(neng)方(fang)面進展迅速。大(da)模型帶(dai)(dai)來認(ren)知(zhi)(zhi)智能(neng)的(de)崛起，大(da)家都知(zhi)(zhi)道2017年谷歌(ge)提(ti)出了Transformer技(ji)(ji)術，隨后預訓練模型BERT、GPT等一(yi)系(xi)列技(ji)(ji)術出現，NLP能(neng)力在各項任(ren)務(wu)上大(da)幅度(du)提(ti)升，最近(jin)ChatGPT帶(dai)(dai)動(dong)了NLP發(fa)展熱(re)潮。
我們今(jin)天看到的(de)(de)(de)(de)一個(ge)明(ming)顯趨勢是(shi)AI正在大(da)模型驅動下快速(su)實現認(ren)(ren)知智(zhi)能。認(ren)(ren)知智(zhi)能包(bao)含語言(yan)理(li)(li)解(jie)，就跟我們的(de)(de)(de)(de)大(da)腦一樣，理(li)(li)解(jie)后要回答、解(jie)決問題，對業務做出預(yu)測(ce)。它(ta)有很多廣泛的(de)(de)(de)(de)應用，從(cong)翻(fan)譯、問答、交(jiao)互、搜索、推薦(jian)、寫(xie)作、專家系統等等，你能想到的(de)(de)(de)(de)跟人(ren)的(de)(de)(de)(de)智(zhi)能有關的(de)(de)(de)(de)應用，幾(ji)乎(hu)都是(shi)認(ren)(ren)知智(zhi)能。
它對企(qi)業(ye)非常重要，原來企(qi)業(ye)講大(da)數據(ju)(ju)，現在智能平臺可以把企(qi)業(ye)的很(hen)多業(ye)務進行升級，甚至可以提供一些企(qi)業(ye)洞見(jian)，發現數據(ju)(ju)之間(jian)規律。
大規模預訓練模型簡單來說就是幾件事：1、海量文本數據，比如互聯網數據；2、超大規模算力；3、超大規模預訓練語言模型，要么針對不同任務進行微調（BERT/GPT），要么連微調都不做（GPT-3，ChatGPT）；4、一個模型解決N個任務。
大(da)家最近很(hen)熟悉的是(shi)ChatGPT，其實大(da)模型有很(hen)多(duo)(duo)流派，像(xiang)BERT是(shi)encoder這邊，GPT是(shi)decoder這邊，T5既有encoder又(you)有decoder，它適合(he)不同(tong)的場合(he)。BERT類似的東西一(yi)般適合(he)于文本分析、信息抽取(qu)，GPT更多(duo)(duo)適用(yong)(yong)于文本生成，T5更多(duo)(duo)被用(yong)(yong)于機器翻譯。
當前在預(yu)訓(xun)(xun)練(lian)模(mo)型領域較受關注的研究重點包括：第一，怎么把大(da)模(mo)型做(zuo)到更好(hao)，把它的能力做(zuo)到更強？第二，預(yu)訓(xun)(xun)練(lian)大(da)模(mo)型代(dai)價太大(da)，怎么降下(xia)來？第三，我自己有(you)(you)行業數據(ju)、有(you)(you)知識圖譜，怎么融(rong)入進(jin)去？第四，做(zuo)下(xia)游任務時，能不能少標(biao)點數據(ju)，少樣本(ben)學習或者(zhe)無(wu)樣本(ben)學習？
我這里有兩句話，希望大家能有點印象：第一，大模型尤其是ChatGPT和GPT-4，代表著語言理解、多輪對話和問題求解，進入了一個可實用的時代；第二，大模型有效解決了NLP任務碎片化問題，大幅度提高研發效率，標志著NLP進入工業化實施階段。
傳統NLP開發(fa)(fa)存(cun)在任務(wu)碎片化(hua)嚴重的(de)問題，每一個NLP小任務(wu)比如分詞、語義理解(jie)、機器理解(jie)都是從頭開始開發(fa)(fa)，每個企業的(de)數據又不一樣。其他問題還有要做很多數據標注、開發(fa)(fa)周(zhou)期長、支付(fu)成本高(gao)、維護代價高(gao)。
有了大模型，用微調（Fine-tune）或者提示（Prompt）技術，一下子就把碎片化解決得很好；再加上一點零樣本技術或Prompt技術，減少了數據標注問題；再有一些輕量化訓練方法或部署方法，減少了客戶代價；還可以幫助客戶自行快速建模，以便快速驗證業務流程；最后可以通過本地部署或SaaS提供服務，減少用戶的開發代價和維護代價。
我原來也是微軟的，我一直受到比爾·蓋茨的感召，他曾經跟我們在review的時候說過一句話：“你們要把自然語言理解做好了，基本上可以重塑一個微軟。”我們這些天看到的(de)(de)(de)微軟(ruan)和(he)ChatGPT和(he)OpenAI的(de)(de)(de)合作(zuo)中，幾乎(hu)微軟(ruan)所有的(de)(de)(de)業務都(dou)受到了一(yi)些新的(de)(de)(de)革命性的(de)(de)(de)影(ying)響。
ChatGPT有(you)對話(hua)(hua)、語言(yan)理解(jie)、改寫、翻譯、寫作、解(jie)題(ti)等能力，具體來講，有(you)幾件事(shi)印象(xiang)深刻：比如in-context learning，不需要改變大模(mo)型參數，用Prompt技術一(yi)個模(mo)型解(jie)決N多(duo)問題(ti)；還有(you)Instruct-learning、涌現能力、復(fu)雜query理解(jie)、多(duo)輪對話(hua)(hua)、推理、邏輯、NL2Code、與人類價值觀對齊等等。
過去幾十年來(lai)，NLP也好，AI也好，以前都是(shi)一個模型(xing)(xing)解決(jue)一個任務，要針對每(mei)一個具(ju)體(ti)任務，設(she)計(ji)(ji)規則(ze)（規則(ze)系統(tong)(tong)）、設(she)計(ji)(ji)特征（統(tong)(tong)計(ji)(ji)系統(tong)(tong)）、針對大模型(xing)(xing)微調（大模型(xing)(xing)早期(qi)），開發周期(qi)長，而(er)且(qie)不(bu)能(neng)(neng)復(fu)用。訓練出來(lai)的模型(xing)(xing)，只具(ju)備這個能(neng)(neng)力(li)(li)，不(bu)具(ju)備其他的能(neng)(neng)力(li)(li)，而(er)且(qie)設(she)計(ji)(ji)的能(neng)(neng)力(li)(li)水平不(bu)會(hui)因模型(xing)(xing)架構修改或數(shu)據增加出現躍升。
這樣的AI系統，我管它叫AI 1.0系統(tong)。有(you)點類比(bi)于(yu)比(bi)較本(ben)分(fen)的小孩子，你告訴他(ta)做什么(me)，他(ta)做什么(me)，不(bu)會(hui)舉(ju)一(yi)反(fan)三(san)，不(bu)會(hui)觸(chu)類旁通，他(ta)練(lian)習增加，能力可慢慢增長，但是(shi)不(bu)能頓悟(wu)。在GPT3.0，GPT3.5和ChatGPT之(zhi)前，我們就簡單地(di)說ChatGPT之(zhi)前是(shi)AI 1.0時代。
現在ChatGPT帶來了一個所謂的AI 2.0或者NLP 2.0時代，用(yong)一個(ge)模型(xing)解決N個(ge)功能(neng)，再(zai)加新的(de)功能(neng)，就(jiu)用(yong)Prompt技術把(ba)它的(de)能(neng)力(li)帶動(dong)起來(lai)。再(zai)往前走(zou)，我(wo)們可以設想這樣(yang)的(de)能(neng)力(li)一點(dian)(dian)點(dian)(dian)增強，一點(dian)(dian)點(dian)(dian)走(zou)到所(suo)謂的(de)通(tong)用(yong)人(ren)工智能(neng)（AGI）。
二、大模型改變工作范式：激發創意、高效辦公、革新搜索、重塑人機交互
AI 2.0時代會帶來哪些影響呢(ni)？
第一個影響是ChatGPT以及大模型，很(hen)(hen)好解(jie)決了創(chuang)意問題，以前想一個營銷(xiao)文(wen)案(an)半天(tian)想不明白，現在(zai)跟它交互幾次，它可以提供很(hen)(hen)多(duo)新的創(chuang)意。解(jie)決了這(zhe)個問題，就可以大(da)批量生產(chan)很(hen)(hen)多(duo)內容。這(zhe)已(yi)經影(ying)響到大(da)文(wen)娛、影(ying)視傳(chuan)媒等很(hen)(hen)多(duo)產(chan)業。
第二是辦公自動化的問題，生(sheng)(sheng)成式(shi)AI讓用戶更(geng)加專注自己的業(ye)務(wu)領(ling)域(yu)，把(ba)繁瑣的生(sheng)(sheng)成工(gong)作交給(gei)AI，讓工(gong)作成果展現(xian)更(geng)加高效。像微軟Office加上(shang)了Copilot，郵件(jian)、文章、PPT等辦(ban)公(gong)工(gong)作的生(sheng)(sheng)產過程更(geng)加智能化、更(geng)加快速。
第三是對搜索引擎的影響。原來(lai)一個query得到10個Boolean，現(xian)在搜(sou)(sou)(sou)索(suo)(suo)引擎基(ji)于大模型的(de)(de)理解，可以做復雜query理解，可以做語義層面的(de)(de)query和文檔的(de)(de)匹配；以前(qian)搜(sou)(sou)(sou)索(suo)(suo)就是看(kan)(kan)數據，看(kan)(kan)不到數據內部的(de)(de)規律(lv)，現(xian)在除(chu)了看(kan)(kan)數據，可以形(xing)成(cheng)總結、形(xing)成(cheng)觀(guan)點洞(dong)見，對數據可以有深度的(de)(de)洞(dong)察；最(zui)后是整(zheng)個搜(sou)(sou)(sou)索(suo)(suo)改變了，原來(lai)就是搜(sou)(sou)(sou)索(suo)(suo)，現(xian)在把搜(sou)(sou)(sou)索(suo)(suo)、了解內容、了解規律(lv)、形(xing)成(cheng)洞(dong)見、寫(xie)出文章及發表，都可以一條龍提(ti)供服務。
除了微軟提(ti)供的通用搜(sou)索服務(wu)，我們也(ye)可(ke)以設想在某些(xie)專用領(ling)域，把這樣一些(xie)事情(qing)，比如解(jie)決金融領(ling)域的投研分(fen)析、投研報告問題，對各行各業都有非常大的影(ying)響。
第四是對用戶語言的理解增強，你(ni)可以用(yong)自然語言與幾(ji)乎所有(you)的(de)(de)應(ying)用(yong)、所有(you)的(de)(de)設備對話，你(ni)也可以把很多第三方(fang)的(de)(de)東西通(tong)過(guo)插(cha)件的(de)(de)方(fang)式聯系(xi)(xi)到你(ni)的(de)(de)系(xi)(xi)統里，就像(xiang)我們所看到的(de)(de)OpenAI通(tong)過(guo)發(fa)布(bu)了(le)一些插(cha)件的(de)(de)方(fang)式，實際(ji)上(shang)用(yong)AI連接一切(qie)。我認為這(zhe)是未來非常(chang)大(da)的(de)(de)一個(ge)趨勢。
三、瀾舟科技大模型已落地金融場景，具備百億級類ChatGPT能力
有了大(da)模型，怎(zen)么改變(bian)行業？
我(wo)們要做金融(rong)，拿(na)金融(rong)的(de)數(shu)據繼續訓(xun)練，得到一個金融(rong)大(da)模型(xing)(xing)，再(zai)支持金融(rong)中幾乎所有的(de)業務，這就是我(wo)們大(da)模型(xing)(xing)落地(di)方(fang)面所做的(de)一些(xie)努(nu)力。
在智能客服場景，我們有上下文理(li)解、多(duo)輪對話的(de)能力，會對現在的(de)客服(fu)、基(ji)于FAQ的(de)客服(fu)產生碾壓(ya)式的(de)影響。
在營銷文案生成場景，跟聊天機器(qi)人對話，可(ke)以(yi)激發新的(de)靈感(gan)，最(zui)后得到不錯的(de)營銷文案(an)；可(ke)以(yi)生成各種各樣(yang)的(de)風控報告(gao)，基于信(xin)息抽取能力得到一些(xie)干貨(huo)，包(bao)括保函審查、搜(sou)索問(wen)答(da)場(chang)景等。
接下(xia)來介紹一下(xia)瀾舟科技做了(le)哪些工作，以(yi)及我們站在從業(ye)人員的(de)(de)視角，看類ChatGPT未來的(de)(de)發展(zhan)趨勢是(shi)什么。
瀾舟科技(ji)成立于2021年(nian)，一直做大模型，我們的大模型獲得了(le)HICOOL 2021全球創業(ye)大賽一等(deng)獎，得到(dao)時任北京市(shi)長陳吉寧(ning)先生的接見。
我們已經推出一系列大模型的服務，像AIGC（智能創作）平臺、機器翻譯平臺、孟子大模型、金融NLP平臺等等。這些底(di)層都是大模型(xing)，上層針(zhen)對(dui)行業特(te)點(dian)做繼續訓(xun)練，或(huo)者針(zhen)對(dui)任(ren)務(wu)特(te)點(dian)做監督(du)學習，把大模型(xing)和體系發布(bu)出來(lai)，通過SaaS或(huo)者本地部署來(lai)提供服務(wu)。
孟子大模型有很多應用案例：比如跟同花順做大模型在金融領域的落地，用于問答、對話、信息抽取等場景；跟傳神做大模型在多種語言翻譯和多種垂直領域翻譯的應用；跟華夏基金做輿情分析平臺；跟數說故事合(he)作(zuo)做AIGC營(ying)銷文案寫作(zuo)。
瀾舟科技把類ChatGPT做(zuo)出來(lai)(lai)了，加上以前做(zuo)的(de)(de)很多(duo)功能(neng)(neng)(neng)，如何(he)(he)用類ChatGPT把原來(lai)(lai)的(de)(de)功能(neng)(neng)(neng)串通起來(lai)(lai)，來(lai)(lai)解決行業的(de)(de)落地問題。比如調(diao)用類ChatGPT的(de)(de)能(neng)(neng)(neng)力，讓它介紹一(yi)下愛因斯坦(tan)，回答如何(he)(he)發現相對論的(de)(de)、推薦(jian)北京的(de)(de)5個著名景點、續寫小說、寫一(yi)個口紅的(de)(de)營銷文案(an)、作為工具(ju)處理一(yi)些金融場景任務(wu)等等。
目前我們開發的是百億級的類ChatGPT能力，有一定的對話、理解、問答各種方面的能力。我們花了很多工夫去整理中文數據，增強中文對話能力。我們也可以讓類ChatGPT調用一些已有的引擎，比如可能企業自己原來(lai)就開發(fa)出很好的翻譯、寫作等引擎(qing)，可能有第三方引擎(qing)，如何跟類(lei)ChatGPT聯系起來(lai)。
四、未來大模型研究方向，9個問題待解
再花5分鐘的(de)(de)時(shi)間，講講未來的(de)(de)研究(jiu)(jiu)方(fang)向。我們先問(wen)一下ChatGPT：我是(shi)做(zuo)自然(ran)語言研究(jiu)(jiu)的(de)(de)，沒有很多塊GPU，能做(zuo)什(shen)么樣的(de)(de)研究(jiu)(jiu)？
我昨天到學校去演示，很多同學也問了這樣的問題，ChatGPT告訴你，第一，你可以做模型壓縮；第二，你可以做遷移學習；第三，你可以做多語言學習；第四，你可以做領域有關的模型，或者說做小規模試驗環境下的創新算法。
我覺得它(ta)講得都挺好的(de)，雖然(ran)大家(jia)都很(hen)喜歡(huan)、很(hen)追捧ChatGPT，但(dan)是(shi)它(ta)還有很(hen)多問題。我們要做未(wei)來的(de)研究，一(yi)定要知(zhi)己知(zhi)彼，知(zhi)道它(ta)的(de)問題在哪里，才能有的(de)放矢(shi)，進(jin)行(xing)改進(jin)。
第一，ChatGPT在推理、邏輯、數學和算數、事實性錯誤、偏見和歧視、寫代碼、抽象理解等方面還有很多欠缺。
比如問魯迅和(he)(he)周樹(shu)人是一個人嗎(ma)？它說(shuo)不是一個人，講(jiang)了半天理(li)由；問父親和(he)(he)母(mu)親可(ke)以結婚嗎(ma)？它回答(da)說(shuo)不可(ke)以結婚。這就說(shuo)明(ming)ChatGPT在常(chang)識、事實(shi)性方面的(de)理(li)解和(he)(he)推理(li)能力還(huan)有問題(ti)。
網上(shang)最近熱傳的(de)(de)(de)畫一幅唐伯虎(hu)點(dian)秋香的(de)(de)(de)圖，結果AI畫成(cheng)了(le)一只老虎(hu)正在點(dian)香，實際上(shang)是(shi)因(yin)為它不(bu)理(li)解中(zhong)國的(de)(de)(de)文(wen)化(hua)，可能(neng)是(shi)把中(zhong)文(wen)翻譯成(cheng)英(ying)文(wen)，調(diao)用(yong)了(le)Stable Diffusion，Stable Diffusion是(shi)針對英(ying)文(wen)的(de)(de)(de)特點(dian)做(zuo)的(de)(de)(de)數(shu)(shu)據(ju)清(qing)洗(xi)(xi)和(he)訓練，所以拿它做(zuo)翻譯肯定會有(you)很多的(de)(de)(de)問題(ti)。實際上(shang)，要從根上(shang)來做(zuo)，需對數(shu)(shu)據(ju)清(qing)洗(xi)(xi)做(zuo)出中(zhong)文(wen)標記，不(bu)能(neng)僅僅依靠英(ying)文(wen)標記，有(you)很多的(de)(de)(de)功夫要做(zuo)。
信息抽取也有很多挑戰，比如對話式抽取的意圖理解欠佳，領域知識不足，缺乏專業度。Prompt這件事既好又壞(huai)：好的(de)Prompt能(neng)夠(gou)把它(ta)的(de)能(neng)力(li)帶出來，可(ke)是如果不會寫Prompt，它(ta)的(de)能(neng)力(li)放在(zai)那(nei)兒也用(yong)不起來。
還有涌現，大家整天討論涌現(xian)(xian)(xian)，涌現(xian)(xian)(xian)到底是(shi)什么(me)(me)？什么(me)(me)時候(hou)能出(chu)(chu)現(xian)(xian)(xian)涌現(xian)(xian)(xian)？模(mo)型(xing)做到多大才能出(chu)(chu)現(xian)(xian)(xian)涌現(xian)(xian)(xian)？模(mo)型(xing)小一點的(de)時候(hou)，能不能用什么(me)(me)招把(ba)數據弄好，把(ba)算法弄好，讓涌現(xian)(xian)(xian)早點出(chu)(chu)現(xian)(xian)(xian)，別等到搞到萬億(yi)模(mo)型(xing)才出(chu)(chu)現(xian)(xian)(xian)涌現(xian)(xian)(xian)？
以及如何建立大模型的評測體系？有沒有一個比較客觀的自動化較強的體系來測大模型的能力？雖然我(wo)們看到學(xue)術(shu)界(jie)有些分(fen)任務做了一些標(biao)準測(ce)試(shi)集，但是很(hen)多(duo)新(xin)的(de)(de)大模型的(de)(de)能力是沒辦法(fa)測(ce)試(shi)的(de)(de)。所以(yi)我(wo)們呼喚產業界(jie)、學(xue)術(shu)界(jie)把大模型的(de)(de)評測(ce)體系好(hao)好(hao)地建立起(qi)來。
總結一(yi)下未(wei)來大模型方向的9個問題：
1、如何增強模型的推理能力，能(neng)理解復雜任務(wu)，如解數學題、邏輯推理。
2、如何提高生成內容的事實正確性，保(bao)證生成內容安全可(ke)靠(kao)。
3、如何最小化代價建立實時學習模型，能基于新產生的知識去生成答案，保證內容的時效性。
4、提升中文的處理能力，如中文處理(li)的成語、比(bi)喻、跨模態的語義(yi)對齊等(deng)。
5、如何增強領域知識、跨語言知識、更好注入特定任務知識等。
6、如何更加交互地、靈活地、智能地提升提示（Prompt）能力？
7、更好理解涌現能力。到(dao)底是什(shen)么(me)能力(li)？怎么(me)激發出來(lai)的？能不(bu)能更有效地，而不(bu)是單純靠模(mo)型規模(mo)急劇增加，而得(de)到(dao)涌現能力(li)？
8、如何做好模型輕量化？
9、如何高效構建更全面的模型評測體系，以(yi)建立更加(jia)安全、可控(kong)、無(wu)偏見的模(mo)型(xing)？
結語：在大模型帶動下，邁向通用人工智能
最后總結一下：
第一，大模型帶來了認知智能技術跨越式發展。
1、從AI大模(mo)型1.0到2.0，從簡單(dan)能力+針對具體任務的專用(yong)模(mo)型，到復雜能力+面向(xiang)泛任務的通用(yong)模(mo)型，推(tui)動著語言理解(jie)、多(duo)輪對話、問(wen)題求解(jie)進入了(le)基本可用(yong)時代(dai)。
2、有效解決NLP任務碎(sui)片化問題(ti)，大幅度(du)提高研發效率(lv)，標(biao)志著NLP進入工(gong)業化可實施(shi)階段。
第二，大模型帶來了個人和企業工作的新范式。
1、個人：從內容創作(zuo)、辦公、搜(sou)索和人機交互，都將被(bei)深深變革(ge)。
2、金融領域(yu)：智能(neng)客服、營銷(xiao)、風控、投研、推薦等各(ge)個方面將本(ben)增效。
3、企業服(fu)務：提(ti)升(sheng)人力、財務、營銷、獲客、調研、報告生(sheng)成等方面生(sheng)產率，有效改善客戶滿意(yi)度(du)，實現(xian)智能決策，提(ti)高工作效率，提(ti)升(sheng)企業形象和市場競(jing)爭力。
第三，未來在大模型帶動下，從AI 1.0到AI 2.0，將不斷走向AGI。
1、實現(xian)負責任(ren)的(de)、安(an)全可控的(de)、功能強(qiang)大的(de)通用大模(mo)型(xing)和功能引(yin)擎。
2、知識、常(chang)識、可解釋、自(zi)學習(xi)、動(dong)態接入各類動(dong)態和靜(jing)態數據。
3、成(cheng)為(wei)(wei)認知智能的基(ji)礎模型(xing)，通過云計算(suan)、本地部(bu)署和端，成(cheng)為(wei)(wei)各項服(fu)務的內在中樞和各類(lei)計算(suan)機軟硬件系統(tong)的泛在人機接口。
今天我的(de)演講就到這里(li)，謝(xie)謝(xie)大家(jia)！
以上是周明演講內容的完整整理。
