《科創(chuàng)板日報(bào)》7月9日訊（記者 黃心怡）京東即將于7月13日推出言犀大模型。在2023世界人工智能大會（WAIC 2023）上，京東探索研究院院長、京東科技智能服務(wù)和產(chǎn)品部總裁何曉冬博士接受了《科創(chuàng)板日報(bào)》記者的采訪。他透露，京東大模型聚焦產(chǎn)業(yè)應(yīng)用，屆時(shí)還會展示具身智能方面的進(jìn)展。

京東探索研究院院長、京東科技智能服務(wù)和產(chǎn)品部總裁何曉冬

▍下一步AGI將走向多模態(tài)和具身智能

何曉冬表示，在大語言模型的研發(fā)上，京東更注重的是對話方向，也在積極推進(jìn)多模態(tài)模型的研發(fā)?！芭c通用語言模型不同，對話有一定博弈和對抗性的互動。當(dāng)對方說了一句話，光理解意圖并不夠，還需要知道怎么回答他，要進(jìn)行牽引。因?yàn)樗囊鈭D可能只是一個表達(dá)，要牽引到最后能達(dá)到共識的結(jié)論、解決方案上。大模型幫助我們更好地獲取背景知識和上下文知識，更好地做對話決策?！?/p>

除了通用性的數(shù)據(jù)，京東還將零售、金融、健康、物流等廣泛專業(yè)領(lǐng)域的產(chǎn)業(yè)數(shù)據(jù)也融合到基座模型進(jìn)行訓(xùn)練?！澳撤N意義上，我們相當(dāng)于既做了通識教育，又讀了四年專業(yè)性的本科教育。”

除了大語言模型，何曉冬稱，京東也在語音、視覺等多模態(tài)模型上進(jìn)行了研發(fā)。

“我們在語音識別方面的模型做得非常大，用了十萬小時(shí)級別的數(shù)據(jù)去訓(xùn)練語音模型。在視覺模型上也做了很多，包括視覺的圖象生成、數(shù)字人形象的生成和合成等。”相關(guān)技術(shù)已運(yùn)用到政務(wù)熱線、數(shù)字人直播、智能客服、AI外呼等場景。

此外，何曉冬還透露，7月13日將會展示具身智能方面的探索與進(jìn)展?！跋駲C(jī)械臂、無人車這些京東早就在做了。我們有一個項(xiàng)目，讓智能的機(jī)械臂，在實(shí)際的物流分揀、搬運(yùn)當(dāng)中進(jìn)行操作?！?/p>

GPT 所表現(xiàn)出的超越以往的通用性，讓人類看到實(shí)現(xiàn)通用人工智能（AGI）偉大目標(biāo)的可能性。何曉冬認(rèn)為，目前這種通用性仍停留在語言領(lǐng)域，下一步AGI將走向多模態(tài)和具身智能。

“一個方向是多模態(tài)，必須具有視覺能力，可能嗅覺、觸覺是再進(jìn)一步的，但至少要具有視覺能力。第二是走向具身智能，包括機(jī)器人、機(jī)械臂、無人車，各種各樣的載具，都可以更智能化起來，讓AGI走到物理世界?！?/p>

▍面向行業(yè)應(yīng)用的大模型比通用大模型更難做

不少業(yè)內(nèi)分析指出，通用大模型不是模型應(yīng)用的唯一方向，面向垂直產(chǎn)業(yè)的模型會成為大模型價(jià)值的引爆點(diǎn)。對此，何曉冬強(qiáng)調(diào)，面向產(chǎn)業(yè)應(yīng)用的大模型其實(shí)比普通大模型更難做。

“專有模型、垂直行業(yè)模型的訓(xùn)練成本和難度其實(shí)并不低。因?yàn)樾袠I(yè)模型并不意味著小模型，也不意味著單獨(dú)某一個領(lǐng)域的數(shù)據(jù)，而是通用公域數(shù)據(jù)加上行業(yè)數(shù)據(jù)一起，構(gòu)成了產(chǎn)業(yè)大模型的訓(xùn)練數(shù)據(jù)來源?！?/p>

這是由于，如果只用行業(yè)數(shù)據(jù)訓(xùn)練，會導(dǎo)致人機(jī)交互能力的不足。產(chǎn)業(yè)模型也需要有足夠的基礎(chǔ)常識作為背景，才能真正提供較高的溝通交流體驗(yàn)。

“人在跟機(jī)器打交道，哪怕是客服這種服務(wù)時(shí)，也會說一些操作領(lǐng)域之外的話。比如你想退換貨時(shí)，可能會突然想起來，今天不在家，明天才能來取貨。這種常識性的東西，是以前小模型難以應(yīng)對的。小模型在專有領(lǐng)域做得很好，但用戶突然說一句跟專有領(lǐng)域無關(guān)的話，小模型就迷茫了?！?/p>

而把產(chǎn)業(yè)數(shù)據(jù)和通用數(shù)據(jù)融合在一起，就能讓基礎(chǔ)模型本身有更多的產(chǎn)業(yè)理解。

“我們并非先把通用數(shù)據(jù)訓(xùn)一個基礎(chǔ)模型，然后再用專用數(shù)據(jù)微調(diào)。而是一開始訓(xùn)基礎(chǔ)模型的時(shí)候，就讓通用數(shù)據(jù)和專用數(shù)據(jù)、產(chǎn)業(yè)數(shù)據(jù)，全部均勻地放在一起，只是采樣的權(quán)重不一樣。因?yàn)槲覀兿ＭＰ筒灰a(chǎn)生所謂的遺忘，如果是完全割裂的兩個階段，會導(dǎo)致在吸收行業(yè)數(shù)據(jù)知識的時(shí)候，可能會把一些常識沖淡?！?

▍把大模型落到產(chǎn)業(yè)上才能真正發(fā)揮價(jià)值

如何降低大模型使用門檻，讓大模型真正在行業(yè)里用起來，是當(dāng)下企業(yè)用戶和大模型提供商關(guān)注的焦點(diǎn)。

“當(dāng)進(jìn)入產(chǎn)業(yè)的時(shí)候，更多的攔路虎是在更加微妙的細(xì)節(jié)上，這些細(xì)節(jié)往往決定了最后產(chǎn)品的價(jià)值，或者是用戶的體驗(yàn)。現(xiàn)在大家有點(diǎn)冷靜下來，更多從價(jià)值的角度，而不是從暢想未來的角度來看這個技術(shù)?！?/p>

何曉冬分析，AI技術(shù)不應(yīng)該只是純粹的學(xué)術(shù)推動，而需要從行業(yè)中凝練出需求。

“今年下半年，大家可能更關(guān)心行業(yè)價(jià)值如何呈現(xiàn)。雖然做高考題也很有意思，但最終的行業(yè)價(jià)值肯定不會產(chǎn)生在做高考題上。當(dāng)大家樂觀的時(shí)候，可能會忽視當(dāng)初看起來還不起眼的，但實(shí)際上是攔路虎的問題。當(dāng)把大模型真正落到產(chǎn)業(yè)上的時(shí)候，就一個個浮現(xiàn)出來了，需要解決這些問題才能真正用起來。”

談及國內(nèi)外大模型的差距，何曉冬判斷，并沒有想象中那么大?！八惴ㄆ鋵?shí)是整個技術(shù)社區(qū)一起發(fā)明的，每一個算法都建立在其他人的基礎(chǔ)之上，其中也有很多中國人的貢獻(xiàn)。我覺得算法一旦發(fā)表之后，是屬于全人類的科學(xué)。值得關(guān)注的反而是一些細(xì)節(jié)，從Transformer到GPT，中間還是走過了一段路，怎樣組成這樣的團(tuán)隊(duì)，里面各種各樣技能的人都得有。這樣才能把這個事情做起來，而且還得有足夠的冒險(xiǎn)精神?！?/p>