浙江紹興越聘人力資源管理有限公司

Trend insights

趨勢洞察

AI浪潮下(xià)的企業數字化建設

2023.08.01

一、AI的前世今生

1956年，約翰·麥卡錫、馬文(wén)·明(míng)斯基、納撒尼爾·羅切斯特和(hé)克勞德·香農(nóng)在達特茅斯學院共同舉辦了(le)首次AI會(huì)議(yì)。在這(zhè)次會(huì)議(yì)上(shàng)，他(tā)們首次提出了(le)“人工(gōng)智能(néng)”這(zhè)個概念，并将其定義爲“制造出能(néng)夠模拟人類智能(néng)的程序”。随後AI進入了(le)長達60多年的不斷摸索、緩慢發展階段。主要有三個流派或範式的觀點占據主導地位：符号主義、連接主義和(hé)貝葉斯主義。每一個流派都代表了(le)一種不同的方法來(lái)理(lǐ)解和(hé)創建智能(néng)系統。

符号主義：也(yě)被稱爲規則主義或邏輯主義，是AI發展早期的主導範式。符号主義者認爲，智能(néng)行爲可以通過明(míng)确的規則和(hé)邏輯來(lái)實現(xiàn)。他(tā)們使用(yòng)邏輯符号和(hé)規則來(lái)表示知(zhī)識，并通過邏輯推理(lǐ)來(lái)解決問題。這(zhè)個觀點的典型代表是專家系統，它們使用(yòng)一組預定義的規則來(lái)模拟專家的知(zhī)識和(hé)判斷。

連接主義：傾向于使用(yòng)神經網絡來(lái)模拟人腦(nǎo)的工(gōng)作(zuò)方式。他(tā)們認爲，智能(néng)行爲是通過大(dà)量的簡單計(jì)算(suàn)單元（類似于神經元）的相互連接和(hé)交互來(lái)實現(xiàn)的。這(zhè)種觀點的代表是各種類型的神經網絡，包括深度學習模型，它們能(néng)夠通過學習大(dà)量數據來(lái)自(zì)動提取有用(yòng)的特征和(hé)知(zhī)識。

貝葉斯主義：使用(yòng)概率和(hé)統計(jì)方法來(lái)處理(lǐ)不确定性和(hé)學習知(zhī)識。他(tā)們認爲，智能(néng)行爲涉及到(dào)對(duì)不确定信息的處理(lǐ)和(hé)決策，而這(zhè)可以通過貝葉斯統計(jì)和(hé)概率圖模型來(lái)實現(xiàn)。這(zhè)個觀點的典型應用(yòng)包括貝葉斯網絡、隐馬爾科夫模型等。

2016年，當AlphaGo戰勝圍棋世界冠軍李世石的那一刻，連接主義流派實現(xiàn)了(le)一次曆史性的突破。2023年，以ChatGPT爲代表的大(dà)語言模型橫空(kōng)出世，随後Claude、文(wén)心一言、訊飛(fēi)星火等國内外(wài)大(dà)模型百花(huā)齊放(fàng)，在全球掀起了(le)新一輪AI科技浪潮。

今年3月以來(lái)，AI成了(le)每天必不可少的新聞熱點。AI新産品也(yě)在以天爲單位推陳出新。随之産生了(le)很(hěn)多新詞彙：

大(dà)語言模型：大(dà)語言模型（Large Language Model），簡稱大(dà)模型，是指使用(yòng)大(dà)量文(wén)本數據訓練的深度學習模型，可以生成自(zì)然語言文(wén)本或理(lǐ)解語言文(wén)本的含義。大(dà)語言模型可以處理(lǐ)多種自(zì)然語言任務，如文(wén)本分類、問答(dá)、對(duì)話(huà)等，是通向人工(gōng)智能(néng)的一條重要途徑。

提示詞：提示詞（prompt）是在人工(gōng)智能(néng)領域，特别是在自(zì)然語言處理(lǐ)和(hé)對(duì)話(huà)系統中，用(yòng)于觸發模型生成某種特定響應或行爲的輸入。一個好(hǎo)的提示可以幫助模型更準确地理(lǐ)解用(yòng)戶的意圖，生成更相關和(hé)有用(yòng)的響應。

通用(yòng)大(dà)模型：通用(yòng)大(dà)模型是泛行業的，它被訓練在大(dà)量的、跨領域的數據上(shàng)，目的是理(lǐ)解和(hé)生成各種各樣的文(wén)本。這(zhè)類模型的特點是非常通用(yòng)，可以應用(yòng)于許多不同的任務和(hé)領域。例如，GPT-4就是一個通用(yòng)大(dà)模型，它可以用(yòng)于從(cóng)寫作(zuò)助手到(dào)自(zì)動編程，再到(dào)聊天機器人等各種任務。

行業大(dà)模型：行業大(dà)模型指的是專門(mén)針對(duì)某一行業或專業領域進行訓練的大(dà)型人工(gōng)智能(néng)模型。這(zhè)些(xiē)模型通過在特定領域的大(dà)量文(wén)本數據上(shàng)進行訓練，可以理(lǐ)解并生成與該領域相關的語言内容，具有高(gāo)度的專業知(zhī)識和(hé)理(lǐ)解能(néng)力。

通用(yòng)大(dà)模型，就像是把大(dà)模型培養成一個高(gāo)中生。它具備了(le)自(zì)主學習能(néng)力和(hé)基本知(zhī)識儲備數理(lǐ)化史地生都懂一些(xiē)，但(dàn)不深入。行業大(dà)模型，就像是把大(dà)模型繼續培養成一個大(dà)學生，計(jì)算(suàn)機專業、經濟專業、法律專業……深耕于某一專業領域。

二、建設一個大(dà)模型總共分幾步

需求定義和(hé)設計(jì)：在這(zhè)個階段，我們需要明(míng)确建模的目标、任務，以及模型應用(yòng)的場景。同時(shí)，需要進行預研，确定模型的架構和(hé)技術路線。

數據收集和(hé)準備：在此階段，我們需要收集用(yòng)于訓練、驗證和(hé)測試模型的大(dà)量數據。數據可能(néng)來(lái)自(zì)多個來(lái)源，需要進行清洗和(hé)預處理(lǐ)，以符合模型訓練的需求。

模型開(kāi)發：這(zhè)一階段包括模型的預訓練（Pretraining）和(hé)微調（Fine-tuning）。預訓練是讓模型學習基本的語言模式和(hé)知(zhī)識，微調則是基于具體任務對(duì)模型進行調整，使其能(néng)夠更好(hǎo)地執行特定的任務。

模型驗證和(hé)評估：在此階段，我們需要在驗證集和(hé)測試集上(shàng)評估模型的性能(néng)，檢驗模型是否滿足預設的性能(néng)指标和(hé)需求。

模型優化：根據模型在驗證集和(hé)測試集上(shàng)的表現(xiàn)，可能(néng)需要對(duì)模型進行優化，這(zhè)包括調整模型參數、改進模型架構，甚至改變模型訓練的策略。

模型部署：模型訓練和(hé)優化完成後，可以将模型部署到(dào)實際的使用(yòng)環境中，如服務器或者嵌入式設備。模型部署後，用(yòng)戶可以開(kāi)始使用(yòng)模型進行預測。

模型監控和(hé)維護：部署後，我們需要定期監控模型的性能(néng)，根據實際情況對(duì)模型進行維護和(hé)更新。這(zhè)可能(néng)包括重新訓練模型、更新模型版本等。

反饋和(hé)叠代：收集用(yòng)戶的反饋，對(duì)模型進行叠代更新和(hé)優化。這(zhè)是一個持續的過程，以不斷提高(gāo)模型的性能(néng)和(hé)用(yòng)戶體驗。

三、大(dà)模型上(shàng)線後，在平時(shí)的使用(yòng)中它還會(huì)自(zì)我進化嗎？

不會(huì)。大(dà)模型是靜态模型，并不具備在使用(yòng)中進化的能(néng)力。以ChatGPT爲例，它被設計(jì)成一個“靜态”模型。這(zhè)意味着一旦訓練完成并發布，模型就不會(huì)繼續從(cóng)用(yòng)戶輸入中學習或更新。用(yòng)戶與模型的互動，并不會(huì)導緻模型對(duì)新數據的學習或者對(duì)模型權重的更新。這(zhè)種設計(jì)主要基于兩個原因：

隐私和(hé)安全：如果模型在交互過程中持續學習，那麽用(yòng)戶的輸入數據就需要被存儲和(hé)處理(lǐ)，這(zhè)可能(néng)引發數據隐私和(hé)安全的問題。

可控性：一旦模型開(kāi)始在線學習，其行爲可能(néng)會(huì)變得難以預測。它可能(néng)學習到(dào)一些(xiē)不希望的或者有害的行爲，這(zhè)會(huì)增加模型的風(fēng)險。

換言之，一個大(dà)模型上(shàng)線後，它的能(néng)力上(shàng)限就在那裏，是明(míng)确的固定的。如果你(nǐ)覺得它最近變聰明(míng)了(le)變厲害了(le)，如果不是幻覺，那就是研發團隊對(duì)它做了(le)重新訓練或優化叠代。

微信圖片_20230913104940.jpg

四、對(duì)點咨詢的數字化建設規劃

自(zì)産品研發中心成立以來(lái)，我司在大(dà)規模數字化建設的過程中，結合自(zì)身發展實情，規劃了(le)三個階段性目标：

内循環：

内循環是數字化建設的第一階段。它主要緻力于基礎設施建設，用(yòng)系統處理(lǐ)業務取代用(yòng)Excel、郵件處理(lǐ)業務，具體量化指标是兩個所有：所有業務上(shàng)系統；所有系統實現(xiàn)數據互聯互通。

外(wài)循環：

數字化建設的第二階段是産品生态建設，着力打造面向B端客戶和(hé)C端用(yòng)戶的互聯網産品、服務和(hé)平台。外(wài)循環的戰略意義：一方面是實現(xiàn)新的增長曲線；另一方面也(yě)是增強公司的科技屬性。

智能(néng)化：

在AI技術的加持下(xià)，以多年積累的行業數據做訓練樣本，結合産研的技術積累和(hé)人才儲備，除了(le)利用(yòng)外(wài)部的通用(yòng)大(dà)模型和(hé)行業大(dà)模型來(lái)降本增效。在适當的時(shí)機，建立自(zì)己的私有小(xiǎo)模型，将雙循環系統進一步智能(néng)化，提高(gāo)AI爲業務賦能(néng)的含金(jīn)量。

五、當前AI面臨的機遇和(hé)挑戰

先說說機遇。今年3月ChatGPT的橫空(kōng)出世，确實是人工(gōng)智能(néng)60多年發展曆史上(shàng)的一次革命性突破。最明(míng)顯的改變是：它能(néng)真正聽得懂人話(huà)了(le)。它與人對(duì)話(huà)的能(néng)力，直接把小(xiǎo)度、天貓精靈、小(xiǎo)迪這(zhè)類智能(néng)音(yīn)響、智能(néng)車載系統秒成了(le)渣渣。它在自(zì)然語義解析、圖片、視(shì)頻和(hé)文(wén)檔處理(lǐ)等方面的能(néng)力，使得文(wén)案創作(zuò)類工(gōng)作(zuò)率先被AI重塑甚至颠覆。再結合虛拟數字人技術，短視(shì)頻和(hé)直播業務是下(xià)一個被AI席卷的行業。

作(zuò)者認爲，AI的廣闊空(kōng)間更多在于2B而非2C，在于行業大(dà)模型而非通用(yòng)大(dà)模型。2C沒有太深的行業壁壘，也(yě)不需要龐大(dà)的專業的行業數據，那麽通用(yòng)大(dà)模型的能(néng)力就是核心競争力。所以，這(zhè)一領域是神仙打架，最終活下(xià)來(lái)的隻有少數巨頭。這(zhè)也(yě)符合2C市場赢者通吃的特性。尤其是OpenAI最近推出的Plugin Store，在大(dà)模型的基礎上(shàng)建立生态，直接觸達C端，解決用(yòng)戶需求，形成閉環。國内廠(chǎng)商要加油了(le)。2B的需求遠不止寫詩作(zuò)畫(huà)那麽簡單，而更看(kàn)重處理(lǐ)和(hé)解決具體問題。比如：幫我找出過去30年北京地區(qū)的氣象數據并分析出氣象特點和(hé)變化趨勢。通用(yòng)大(dà)模型做不到(dào)，這(zhè)正是行業大(dà)模型的機會(huì)。

醫(yī)療健康：用(yòng)于疾病診斷、預測患者狀況，開(kāi)發新藥、優化患者護理(lǐ)等方面，創造出新的醫(yī)療解決方案。

金(jīn)融服務：用(yòng)于風(fēng)險評估、欺詐檢測、投資策略制定等方面，提供更精确和(hé)個性化的金(jīn)融服務。

零售業：用(yòng)于銷售預測、庫存管理(lǐ)、個性化推薦、客戶服務等方面，提升零售業的效率和(hé)客戶體驗。

制造業：AI可以用(yòng)于預測設備故障、優化生産流程、自(zì)動化質量檢測等方面，提升制造業的生産效率和(hé)質量。

物流和(hé)供應鏈：AI可以用(yòng)于路線優化、貨物跟蹤、供應鏈預測等方面，提升物流和(hé)供應鏈的效率和(hé)透明(míng)度。

教育：AI可以用(yòng)于個性化學習、智能(néng)輔導、考試閱卷等方面，改變傳統的教學模式，提供更好(hǎo)的教育服務。

媒體和(hé)娛樂：AI可以用(yòng)于内容推薦、智能(néng)剪輯、音(yīn)樂和(hé)藝術創作(zuò)等方面，創新媒體和(hé)娛樂的内容和(hé)形式。

結合國内的局面，阿裏騰訊訊飛(fēi)等頭部玩(wán)家都有機會(huì)在自(zì)己擅長的電商、社交/遊戲和(hé)教育領域做出行業大(dà)模型。作(zuò)者認爲，隻有行業大(dà)模型還不足以覆蓋各行各業方方面面，還需要一種補充：私有小(xiǎo)模型。對(duì)于一些(xiē)有行業數據積累，且有研發能(néng)力的企業，可以采用(yòng)Llama2、ChatGLM-6B等開(kāi)源大(dà)模型做基礎，加以行業數據做訓練，最終形成貼合自(zì)己業務場景的私有小(xiǎo)模型。

再說挑戰。即便今天，即使是最先進的GPT4，也(yě)仍然隻能(néng)被歸類爲學術界所定義的弱人工(gōng)智能(néng)。即便今天，通過這(zhè)一波AI賺到(dào)錢(qián)的，主要有兩類人：一類是賣課的，教人怎麽用(yòng)ChatGPT；另一類是賣會(huì)員的，做個山寨版ChatGPT，起個名字叫ChatAI、AIRobot等，底層調用(yòng)OpenAI的API，上(shàng)層封裝成國内的網頁、公衆号、小(xiǎo)程序或APP等，使得國内用(yòng)戶可直接訪問（降低(dī)使用(yòng)門(mén)檻），然後收會(huì)員費。即便今天，雖然AI驚豔了(le)世人，但(dàn)它還隻是起到(dào)輔助性作(zuò)用(yòng)，人們爲此買單的意願并不強，或者說還有待發掘。打個比方，如果說人類文(wén)明(míng)是一桌菜，就目前來(lái)說，AI頂多是桌上(shàng)一碟提鮮的蘸料，連涼菜都算(suàn)不上(shàng)，更别說主菜了(le)。這(zhè)樣的局面持續的越久，對(duì)AI的發展走勢越不利。想讓AI時(shí)刻真正複刻iPhone時(shí)刻，除了(le)寫詩作(zuò)畫(huà)，AI需要更多的落地業務場景，需要更多的解決具體問題。

AI是曆史賦予互聯網行業的使命，是時(shí)代給予互聯網企業的饋贈。這(zhè)一輪AI浪潮來(lái)勢洶湧全球矚目，最頭部的玩(wán)家當屬中美(měi)，而中美(měi)背後則是兩國互聯網巨頭們的科技競賽。尤其中國，近年來(lái)，元宇宙、區(qū)塊鏈、無人超市等概念在紅(hóng)極一時(shí)之後迅速撲街，互聯網企業的影響力日漸式微。這(zhè)一仗，既是代表國家争奪全球科技制高(gāo)點，也(yě)是爲自(zì)己正名的立身之戰。