通用大模型的“矛”与“盾”

以他为代表的生成式AI工具至今仍在风起云涌。 一方面各大企业纷纷追赶浪潮，另一方面数据隐私安全、社会道德等威胁也猖獗。 通用车型的红线在哪里？

在此背景下，明略科技集团高级技术总监赵亮做客直播间，重点关注生成式AI的数据安全问题并探讨发展路径。

突破点在哪里？

上线2个月已实现突破，月活跃量突破1亿。 比如大家感觉对对话上下文的理解更加完整准确，生成的内容更加自然流畅。 从技术角度来看，之前相对封闭的AI系统通过知识的注入（自然语言提示）变得更加开放，但在应用和评估中，伊丽莎效应（ELIZA）却不容忽视。

从技术角度来看，它是一个通用语言模型，一个可以看到更多、容纳更多“上下文历史”/“详细条件判断”的大语言模型。 此外，它可以被看作是一个知识存储设备，通过它可以提取知识。 当它有了知识，能够综合各种“详细的条件判断”产生结果时，就会表现出类似人类的智能。 目前大家都认为它是迄今为止最接近通用人工智能的（产品），但与标准通用人工智能的原型——“人类”相比，它也有很多不足。 对行为可能产生的影响进行判断和纠正，然后进行预测，如此循环下去，直到产生或终止合理的行为。

如何平衡数据隐私安全与AI能力之间的关系？

目前生成式人工智能的应用还存在不足。 在整个应用链环节中，需要多方协助安装“安全螺栓”，制定安全协议，共同维护数据安全。

明略科技集团面向ToB市场，将更加注重保护企业的数据安全。 大模型的浪潮席卷甚至改写了行业工作流程。 最直接的优势之一就是能够降低成本、提高效率。 在此背景下，明略科技提供灵活自适应的模型训练服务，帮助客户充分利用自己积累的数据，在信息安全的基础上训练出适合自己的模型，然后私下部署模型，保护企业数据安全。

生成式人工智能会引发第四次工业革命吗？

马云曾经说过：“很多人因为输了而输。对于新事物，一是看不到，二是看不起，三是不了解，四是不了解。”没时间。”

例如，生成式人工智能工具已经在许多行业引起了一些重新思考和变化。 不管是不是工业革命，至少带来了巨大的变化。 所以更需要考虑的是不同角色的人在这个变革下应该如何拥抱它，或者说如何在这个变革中发展。

您认为目前与生成式人工智能相关的机会有哪些？

生成式AI工具爆发后，其表现确实引发了很多想象。 如果这些想象能够与具体需求结合起来，就是一个机会。

此外，它的出现，不仅给垂直大规模模型领域带来了新的机遇，也给历史遗留的技术问题带来了新的解决范式。 老问题可以得到解决，用户的网需求层面也会带来新的变化。 ，创造更多新机遇。 可以说，它的出现，掀起了AI应用探索的新高度。

以明略科技为例，明略在营销领域已有17年的探索，积累了大量的营销数据。 众所周知，模型的训练结果取决于数据，掌握准确、高质量的数据意味着能够在模型构建中更具竞争力。 经过17年的行业探索，明略科技在知识图谱方面积累了大量丰富的经验，尤其是在美容、3C、汽车、大健康等消费行业。 知识图谱的知识表达形式更加先进，有实体、有联系、可以逻辑推理。 图中的实体和关系决定了基于图生成的文章或图片的真实性、专业性和逻辑性。 明略科技可以帮助客户与私有知识和大模型进行竞争，类似于微软的架构，让客户的数据飞轮能够更好地运行。

未来，生成式AI有可能取代人类就业吗？

人是不可替代的。 这种担忧的根源在网于我们对新兴事物的发展和未来的无知。 我们现在要做的就是积极调整心态，拥抱新技术。 归根结底，生成式人工智能只是一个工具。 我们要利用好这个工具，提升自身能力，把工作重心向创新侧转移。

目前，我们仍在探索AIGC的能力边界。 能达到什么样的水平呢？ 它真的会彻底颠覆我们的生产生活吗？ 不管结果如何，可以肯定的是，我们已经走在探索的路上了。 通用大模型的发展、AIGC的发展以及其他人的成就都让我们看到了AI应用探索的希望，知道自己能做什么。 到了，远远网超出我们的想象。

广告声明：本文所包含的外部跳转链接（包括但不限于超链接、二维码、密码等）用于传达更多信息并节省选择时间，结果仅供参考。 IT之家所有文章均包含此声明。