意見領袖 | 新金融聯盟NFA

　　大模型可以無所不能嗎？怎樣讓模型少犯錯？企業應該部署多大的模型，一個超級大模型還是一堆專業模型？

　　對于這些問題，第四范式聯合創始人、首席架構師胡時偉認為：類GPT模型是高級復讀機，有多少“人工”就有多少“智能”，絕非無所不能。模型100%會犯錯，一味地追求算力和數據并不能解決這個問題，因此模型之上必須要有運營兜底機制，知錯就改。算力決定參數規模，一堆專業模型比一個超級大模型更有落地可行性。

　　上述觀點源于6月10日新金融聯盟舉辦的“金融機構數智化轉型與大模型技術應用”內部研討會。

　　大模型并非“無所不能”

　　現在各行各業都十分關注大模型這一話題。第四范式在自己的大模型產品“式說”2月份發布以來，與17個行業的114家企業進行了密集與深入的溝通，發現業界普遍對大模型存在一些誤解，需要糾偏。

　　第一，要相信科學。大家普遍認為大模型已經具備“涌現”能力，可以無師自通。但大模型的能力主要還是源于給它提供了什么樣的數據，并不是直接“涌現”出來的。本質上講，類GPT模型的背后還是機器學習，需要高質量的數據訓練而來，并通過Fine-tuning（微調）進行調優才能實現一些特定的能力。

　　第二，有多少人工，就有多少智能。生成式AI到底能解決什么問題？通俗地講，從基礎大模型到行業大模型甚至到場景定制，我們目前認為它可以用以完成一份文檔。在一個特定場景下正確地完成一個文檔，一定來自于人反饋的數據。就像GPT要用到非常多維基百科的數據，是因為該數據質量更高。我們行業要做的是，一定要對大模型形成反饋閉環和迭代，即告訴大模型什么是好的，訓練它達到更好的效果。這件事情本質還是依賴人工。

　　第三，大模型生成一定會出錯。哪怕是GPT-4，在行業專業、嚴肅場景的應用也遠未達到工業可用的效果。這是技術本身的缺陷所致，靠算力和數據也無法從根本上解決這個問題。目前大部分企業的共識是模型之上必須加一層運營機制來兜底。

　　企業應該部署多大的模型？

　　企業在大模型落地過程中會面臨一個現實問題——預算有限，預算決定了算力，算力決定了參數規模。

　　因此，我們需要抉擇：應該部署一個超級大模型，期待它能夠把能力上升到一定程度，還是應該從解決問題出發，部署一堆專業模型，讓它們各司其職。這里面涉及兩個不同的思路。

　　第一個思路是通過增加參數和堆砌算力，把所有參數都給NLP模型。但從實際落地的角度來看，根據No Free Lunch（沒有免費的午餐）定理，沒有哪一個模型能以最優的方式解決所有問題。如果我們把所有的東西都放在一個模型里，最后會花出極大的代價，超級英雄成本很高，也很難管理。

　　因此，我個人認為會走向另外一個方向，即Learnware（學件）的思路，我們要做一堆參數過億的專業模型，來組成整體企業系統，這種方式更利于模型迭代、維護，同時更利于控制成本。就如同一家公司里不能都是董秘，還得有銷售、產研、市場等各個專業線。

　　大模型可實現傳統軟件兩大升級

　　“介質”同樣是企業落地大模型的關鍵要素。

　　想象一下，如果沒有APP，推薦算法能用嗎？沒有搜索，廣告算法能用嗎？APP和搜索就是推薦算法和廣告算法的介質。同樣，大模型在企業落地時，企業軟件就是大模型的介質。如果介質沒有革新，只有算法革新，就像是一個人只有腦沒有手。

　　因此，我們非常需要關注介質層面的革新。企業中大部分工作的完成都需要使用軟件，但是大量軟件交互的方式都非常低效、復雜，現在我們可基于大模型解決兩個升級：

　　第一，由生成式大模型負責軟件界面的升級。人機交互要變成多模態，通過大模型更強的語義理解能力，可以更直接調用企業內部各種形式的信息、數據和模型。

　　第二，由判別式大模型負責軟件內核的升級。以前的軟件主要圍繞數據庫做增刪改查，現在可由判別式大模型對軟件進行智能化升級。

　　讓大模型成為知錯就改的小助手

　　由于GPT在技術上存在局限性，因而無法做到百分之百準確，尤其在應用于嚴肅的金融場景時，大模型之上必須要加一層運營體系兜底，讓模型的輸出和操作從不可用變成可用，并且能做到知錯就改。

　　知錯就改有三個機制疊加保障：一是專家給答案。雖然聽起來不是那么智能，但在專家能給答案的地方一定要給答案，因為這個是最準確的。二是專家給示例，模型進行一定的上下文學習也可以表現更好。三是模型自主學習，基于專家生成的知識反饋給模型，讓模型少犯錯。

　　生成式大模型加上“執行可控、知錯能改”的運營體系，我們可以期待有一位善于理解、準確執行的工作助手。這位助手需要讓用戶可以清晰了解哪些內容是“100%準確”，哪些是“不確定的”，并且知錯能改。

　　總體來說，底層大模型不能解決所有問題，介質層及運營機制的革新對于數字化推動作用同樣重要。企業需重新打造決策類AI、生成式AI、應用層、介質層。我們目前探索落地的重點是讓生成式大模型結合介質，圍繞企業數字化轉型的目標，在企業里生成一堆Agent，分別用以查資料、查數據、準確操作軟件等，這可能是當下一個更加貼合實際、可落地的方向。

　　(本文作者介紹：一個高質量的新金融政策研討和行業交流平臺。)