|
文末有福利！ 大型语言模型的落地应用正在深刻地影响数字产业的多个方面（如图 4-1 所示）。
图 4-1 大语言模型将改变数字产业生态 首先，这种技术革命性地改变了人机交互方式。传统软件通过接入高级对话能力，使交互界面发生根本性转变，自然语言成为新的操作指令输入模态。 这种影响不仅局限于搜索引擎或知识信息平台，而是波及到所有需人机交互的应用。 随之而来的用户友好度和功能性的大幅提升预计将激活软件服务的增量用户市场。其次，大型语言模型也催生了一系列“AI-first”的全新产品，特别是在创意设计、AI 营销和 AI 运营等领域。 此外，以“模型即服务”为核心的新兴商业模式正在重塑应用开发流程，使传统企业能以更低的成本构建强大的应用模型。 最后，大型语言模型也助力于构建全新的生态平台。这些所谓的“超级应用”实质上构建了一个基于自然语言交互的平台生态，连接用户需求与各类信息服务，成为移动互联网新时代的主要流量入口。 以 ChatGPT 为标志性代表的生成型人工智能技术已经让个人与企业实现了通过简单命令来解决复杂问题的可能性。 这一突破性成就不仅在生产工具、对话引擎和个人助理等多个领域中展现了其协助或甚至超越人类的能力，还在搜索引擎和各种工具软件中引发了广泛的应用热潮。 这种现象不仅吸引了大量用户对 ChatGPT 及其相关技术的深度关注和学习，也为下游应用开辟了全新的技术和产业机会。众多企业和开发者正通过大模型与工程化能力，将 ChatGPT类产品的高级功能集成到现有应用中，标志着应用革命新篇章的崭新起点。 （一）通用搜索引擎新布局 在搜索引擎领域，New Bing 通过集成 ChatGPT 版搜索引擎引领了一场革命，改变了传统的搜索内容呈现逻辑（如图 4-2 所示）。 该模型能够在短时间内为用户提供更可靠、更完整以及更具创意的答案，并通过接入实时网络数据来满足对数据实时性的高要求。 凭借这一创新的搜索体验，New Bing 成功吸引了大量用户流量。与此同时，竞争对手如谷歌和百度也发布了与 ChatGPT 具有相似功能的产品，然而并未直接嵌入到其搜索引擎平台。
图 4-2 搜索引擎与大语言模型结合情况 谷歌目前正在进行多款集成了类似 ChatGPT 对话式功能的新搜索产品的测试。另一方面，作为国内搜索引擎的后来者，360 发布了大模型产品并将其整合到自家的搜索引擎中，意在夺取更大份额的用户流量。 这一系列动作显示出各大搜索引擎企业都在对标微软的布局进行加码，表明互动溯源搜索方式正在成为行业的新趋势。 ChatGPT 与搜索引擎之间的关系并非零和竞争，而是一种互补与共生的合作模式。ChatGPT 不仅能优化搜索引擎的用户体验，还能推动其朝向更先进的发展阶段迈进。 然而，在这一共生关系中，ChatGPT 面临三大核心挑战：首先，确保模型输出的可信度与准确性，以降低机器信任风险，同时需要解决频繁更新数据和模型精调导致的知识遗忘问题。其次，由于模型训练和在线推理的高成本，如何在商业模式中平衡 C 端用户的收费问题成为一个棘手的决策。 最后，ChatGPT 的整合可能会对现有的广告系统产生影响，从而需要重新审视和调整商业逻辑。总体来说，ChatGPT 与搜索引擎共生的前景充满机会，但同时也伴随着一系列复杂的挑战和决策。 （二）基础办公软件革新 2023 年 3 月 17 日，微软全面推出其革命性产品 Microsoft 365 Copilot，该产品成功地将GPT-4与ChatGPT的先进算法集成至Office 365 的全方位生产力解决方案中。 该一体化平台进一步发布了名为Business Chat 的功能，该功能能够综合 Office 365 的海量数据资源，从而显著提升数字化办公环境中的智能化操作水平。这一突破性的创新大幅度减轻了重复性基础办公任务的负担，提高了办公效率。 与 Microsoft 365 Copilot具有可比性的产品主要来自谷歌的 Workspace套件。同时，国内厂商金山办公也在 AIGC 与 LLMs 领域进行密集研发，以推出具有相似高级功能的产品解决方案（如图 4-3 所示）。
图 4-3 ChatGPT 应用于基础办公软件 （三）对话式 AI 接入“高知、高情商大脑” 在 ChatGPT 问世之前，行业内对话式人工智能产品，如文本和语音机器人、多模态数字助手等，普遍面临知识结构不完善、仅能进行简单问题回答、以及在语义与情感理解方面的不足。 这些缺陷在很大程度上削减了用户的交互体验。然而，通过将先进的大语言模型与对话式 AI 系统融合，我们实质上为该系统植入了一个更为丰富和高效的“大脑”。 这不仅解决了历史性的痛点，还在产品功能上实现了全面优化，并引入了新的竞争优势。这种升级不仅提升了产品的知识储备和智慧，更重要的是，它还增加了情感识别和处理能力，从而大幅度提升了用户的交互体验（如图 4-4 所示）。
图 4-4 大语言模型与对话式 AI 结合 （四）企业服务与垂直领域应用 在 B 端市场，海量的应用需求迫切等待解决方案。 聊天机器人模型，如 ChatGPT 等产品，已具备被整合到现有企业服务中以实现功能升级的潜力。从知识检索、数据分析、编程辅助，到数字员工交互硬件和数字人，这些企业级应用都面临重新构建和优化的巨大空间。 与此不同，G 端市场则呈现出更加复杂的态势。虽然存在大量的潜在高价值应用场景和未被满足的需求，但由于对自主可控、私有化部署和可信 AI 的特殊要求，加之“数据烟囱”现象导致高质量数据资源稀缺，目前 G 端市场尚处于尝试和观望的阶段。 然而，国家大数据局的成立预示着政务大数据管理和体系建设将得到加速推进，这将为基于大模型的、数据驱动的价值生产在国内环境中的应用提供有力支撑（如图 4-5 所示）。
图 4-5 大语言模型应用于企业服务及垂直领域 （五）ChatGPT Plugins 触发生态建设开关 2023 年 3 月 24 日，OpenAI 正式推出 ChatGPT Plugins 功能，标志着 ChatGPT 从一个单一的对话生成模型升级为一个综合性的应用平台（如图 4-6 所示）。 这一转变类似于微信或支付宝的生态系统，其中第三方插件和小程序集成于一个单一的界面之内。这些插件不仅填补了 ChatGPT 在数据时效性方面的短板，而且拓展了其数据源，允许与第三方应用进行高度互动和数据共享。 具体来说，基于现有的 11款第三方插件以及 2款由 OpenAI托管的插件，ChatGPT现在可以实时访问更新的信息，支持数学计算、代码执行和第三方 API 调用。这一创新使得更多的数据、行业知识、第三方应用和开发者能够加入到 ChatGPT 的能力构建中。 原有的计算机软件生态和数据库也因此成为 ChatGPT 的有力补充，进一步增强了其联网、实时信息处理和多工具应用的能力。 总体而言，ChatGPT 通过插件功能的集成，成功地从一个单点式工具升级为一个多元化、高度可扩展的综合平台，深度渗透并整合进各行各业的生态系统，从而触发了其应用生态的全面建设。
图 4-6 ChatGPT 通过 Plugins 构建超级应用生态 五、ChatGPT 带来的风险与挑战 从 2022 年底到 2023 年 3 月，全球科技界因生成式 AI 的崛起而充满活力。美国科技公司积极推动 AI 领域的各种应用和生态系统，中国企业也在类似 ChatGPT 和 Midjourney 的产品开发方面布局深入。 然而，也有一系列批评声音，如“ChatGPT 取代人类”或“AI 的伦理与安全风险”，促使了全球首富马斯克和其他科研重量级人物呼吁暂停开发超过 GPT-4 水平的 AI 系统。 业界已经开始认识到治理的重要性，采用了如人类反馈强化学习 (Reinforcement learning from human feedback，RLHF)、去除危险内容生成和监管框架等手段来减少模型的偏见和滥用。 OpenAI 也针对安全和伦理问题发布了相关声明。总体而言，尽管 ChatGPT 和类似大模型的风险不容忽视，但其商业和创新价值显而易见。 一小部分人的反对声音不应妨碍整个产业和商业巨头的前进步伐。AIGC 技术并不是“剑悬头顶”的风险，相反，围绕它的伦理和安全讨论将进一步促进 AIGC产业的可持续发展。 在 AI民主化的大背景下，OpenAI经历了由非营利向半营利组织的演变，同时针对大模型的开源与闭源问题持续展开深入讨论。其AIGC 产品主要基于公有云进行部署，因此，用户在使用过程中面临个人隐私与商业敏感信息泄露的风险，这不仅威胁到个体，也可能损害企业和国家安全。除此之外，大语言模型由现实世界的大量语言数据预训练而成，数据偏见性可能导致生成有害或误导性内容。 尤其在医学和法律等敏感领域，一旦生成错误信息，可能直接对人们造成伤害。模型改进通过基于人类反馈的强化学习进行，但这同样可能引入标注人员的主观偏见。 此外，用户滥用风险也不可忽视，例如学生在作业或考试中作弊，或不法分子用以造谣、勒索等，同时还涉及知识产权问题。虽然滥用风险的形式日趋多样化，但相应地，针对生成内容的鉴别技术研究也在同步推进中。 六、全球人工智能时代来临：个体能力与社会文化的新格局 迈入全球人工智能时代，个体能力评价体系将发生根本性变革。 AGI 不仅是技术的飞跃，更是一场社会、经济、文化层面的革命。GPT-4 的出现标志着 AGI 研究的重大突破，其在多项学术考试和专业任务上已经达到或超过人类水平。然而，这一进展加剧了“人工智能将取代人”的社会焦虑。 事实上，AGI 与人的关系并不是简单的替代，而是通过重新定义个体能力评价体系，进而实现人的价值分层。传统的“通识知识掌握和流程性工作能力”将转变为更高层次的“创新性价值和高效工具运用能力”。 社会角度看，AGI 可能将自动化多数传统工作，同时使教育、医疗等领域变得更为高效和精确，从而全面提升社会生产力和福利水平。然而，财富不平等问题也可能因此而加剧，因为掌握 AGI 技术的人将在经济竞争中占据更大优势。 从经济角度分析，AGI 有望大幅提升全球生产力和经济增长，但也可能导致某些行业和企业面临淘汰风险。同时，数据经济和知识经济等新经济形态有望随 AGI 的出现而兴起。 文化层面，AGI 的崛起可能会深刻影响人类的思维模式和文化传统，推动哲学、心理学、神经科学等学科的发展，同时也可能挑战人类的自我认知和价值观，引发对人类存在和意义的深入思考。 总体来说，面对 AGI 带来的巨大变革，人类除了需要摒除不必要的焦虑，更应积极拥抱变革，心存敬畏，因为这一趋势不仅可能重新塑造个体能力评价体系，还可能深刻影响人类文明的未来走向。 七、专业术语解析 应用程序编程接口（Application Programming Interface，API）API是一组预定义的规则和规范，允许不同软件程序相互交流和共享数据。它为程序员提供了方便的方法来实现特定功能或访问特定数据，而无需编写所有代码。 人工智能（Artificial Intelligence，AI）AI 是计算机科学的一个分支，旨在开发能模拟人类智能行为的计算机系统。AI 系统可以执行复杂任务，如识别模式、学习、推理、解决问题和做决策。 生 成 预 训 练 Transformer 模 型 （ Generative Pre-trained Transformer，GPT）GPT 是一种基于自然语言处理的深度学习模型，它使用Transformer 结构进行大量无监督预训练。GPT 可用于生成文本、翻译、摘要等任务，并具有强大的生成和理解能力。 机器语言（Machine Language） 机器语言是一种用于与计算机硬件直接交流的编程语言。它是一串用于表示指令集的二进制代码。这种语言通常是特定于某种类型的处理器，并且对人来说难以直接阅读或编写。 自然语言（Natural Language） 自然语言是人类用于交流和表达思想的语言，包括但不限于英语、中文、法语等。这些语言有自己的语法、词汇和句构，用于口头或书面的交流。 自然语言处理（Natural Language Processing，NLP） NLP 是计算机科学和人工智能领域的一个子领域，关注计算机与人类（自然）语言之间的交互。NLP 技术使计算机能够理解、解释和生成人类语言，从而提高人机交互的效率。 预训练语言（Pre-trained Language Model） 预训练语言模型是一种在大量文本数据上预先训练过的模型，通常用于自然语言处理任务。这样的模型可以被用作各种 NLP 应用（如文本分类、情感分析等）的基础，也可以通过进一步的训练（微调）来适应特定的任务或领域。 基 于 人 类 反 馈 的 强 化 学 习 （ Reinforcement Learning with Human Feedback，RLHF）RLHF 是一种结合了人类知识和强化学习的方法。通过将人类反馈作为奖励信号或辅助训练信息，学习算法可以更快地找到有效策略，解决复杂问题，并避免许多强化学习中存在的挑战。 提示语（Prompt） 在自然语言处理任务中，提示语是提供给模型的输入语句或问题，用于引导模型生成特定类型的回答或输出。通过设计合适的提示语，可以更好地利用预训练模型的能力，解决各种实际任务。 推荐书籍： |
|
|
