人工智能|同一模型完成多场景任务人工智能大模型或加速技术落地( 三 )_

同质化和涌现特性带来机遇与挑战
最近，斯坦福大学数十位研究者联名发表《基础模型的机遇和风险》综述文章，认为大模型的特点之一是“同质化” ，好处在于大模型的任何一点改进就可以迅速覆盖整个AI社区。但同时，它也带来一些隐患，大模型的缺陷会被所有下游模型所继承。特点之二是海量数据训练出的基础模型具有“涌现”特性，也就是产生未曾预先设想的新能力，这种特性有望让AI具备处理语言、视觉、机器人、推理、人际互动等各类相关任务的能力。因此这类模型将赋能各行各业，加快行业的智能化转型，在法律、医疗、教育等领域都会带来具有社会价值的影响。
但同时，如何应对大模型下游的传播问题，进一步提高信息的精准性与适用性，以人工智能大模型技术激活各行各业？
【人工智能|同一模型完成多场景任务人工智能大模型或加速技术落地】黄铁军回答道：“这是学界现在所面临的共同难题，未来应该从几个方面来减轻甚至消除这类影响：首先就是要关注训练数据的质量，目前一些模型具有的偏见其实都是由训练数据本身所引发的，因此我们要在数据源头上做好保障，既要量大，也要质高。第二，要加强对算法本身及模型内部运作机制的研究，目前深度学习算法的可解释性等理论还在探讨阶段，对大模型的理论分析和缺陷查找能力提出了更大挑战，这就需要加强基础研究，以支撑大模型在那些可靠性要求更高行业中的应用。此外，模型的训练过程中，要加入多模态的数据，比如文本、图片、视频等类型的输入，通过多模态信息内在的多重关联性降低大模型‘偏执’的概率。我们常说人要‘行万里路，读万卷书’ ，大模型也一样，会随着算法的改进和‘阅历’的增加越来越智能。 ”采访人员华凌