5月16日，北京商报记者获悉，《北京市促进通用人工智能创新发展的若干措施（2023-2025年）（征求意见稿）》（以下简称《若干措施》）面向全社会公开征求意见，“大模型”是其中的一大关键词。

作为“人工智能实现的基础之一”，教育、自动驾驶和医疗等领域都是大模型的应用场景，有关分析认为，未来大模型或将改变短期内“碎片化的协助作用”，带来全流程的个性、精准化服务。

(资料图片仅供参考)

离我们生活渐行渐近

“为抢抓大模型发展机遇，重视通用人工智能发展，充分发挥政府引导作用和创新平台催化作用……”在《若干措施》中，首句即是这样一句话。

其中提到的“大模型”是什么？科技部国家科技专家库专家周迪向北京商报记者介绍，大模型是指具有数亿或数十亿个参数的深度神经网络模型，这种模型经过专门的训练过程，能够对大规模数据进行复杂的处理和任务处理，是人工智能实现的基础之一。

关于大模型的作用，中国民营科技实业家协会元宇宙工作委员会创办人、秘书长吴高斌告诉北京商报记者，其作用在于通过对大量数据的分析和学习，建立出一个庞大的模型，使得机器能够更好地理解和处理人类语言、图像、声音等信息。“这种技术的应用范围非常广泛，包括自然语言处理、计算机视觉、语音识别等领域”。

目前，“大模型”这个词听起来似乎离消费者还很遥远，但事实上，它已在现实生活中展现过自己的“能力”。“大模型基于大数据，背后需要极大算力支持。”深度科技研究院院长张孝荣向北京商报记者介绍，大模型是大规模预训练模型的简称，其中的大规模又主要指参数量大。“比如chatGPT模型参数高达1750亿，而与之类似的模型，参数也从数百亿到数千亿不等。”张孝荣表示，“从chatGPT开始，大模型对文字生成、文本理解、自动问答等任务有显著的改善，现在正在向图片、视频和声音等应用领域延伸”。

场景创新已在路上

作为“人工智能实现的基础之一”，大模型的场景应用创新也在不断推进。《若干措施》中提到，将推动通用人工智能技术创新场景应用，其中包括探索在政务服务、科学研究、金融、城市治理、自动驾驶和医疗等领域的示范应用。

其中，在自动驾驶领域，将支持自动驾驶企业研发多模态自动驾驶技术，发挥大型语言模型高维语义理解和泛化优势，基于车路协同数据和车辆行驶多传感器融合数据，提高自动驾驶模型多维感知和预测性能，有效解决复杂场景长尾问题，辅助提高车载自动驾驶模型泛化能力。同时，支持在北京市高级别自动驾驶示范区3.0建设中，构建车路协同数据库，引导企业开展基于真实场景的自动驾驶模型训练迭代。探索基于低时延通讯的云控自动驾驶模型测试，发展自动驾驶新技术路径。

在医疗领域，将支持北京有条件的研究型医疗机构提炼智能导诊、辅助诊断、智能治疗等场景需求，充分挖掘医学文献、医学知识图谱、医学影像等多模态医疗数据，构建基于医疗领域通用数据与专业数据的智能应用，实现对各种疾病和症状的准确识别和预测，辅助医疗机构提高疾病诊断、治疗和预防的决策水平。

“智能医疗和自动驾驶等技术的应用已经有好多年的探索了。”周迪指出，其普及将对普通群众带来重大影响。“以医疗为例，目前医生少患者多，患者排不上队挂不上号是常态。依托人工智能，医疗诊断、影像分析、治疗方案选择等都可以借助人工智能的协助，大大降低人力成本，改善患者看病难的问题。”周迪说。

动态发展中求解难题

事实上，自4月11日国家互联网信息办公室起草《生成式人工智能服务管理办法（征求意见稿）》以来，包括《若干措施》在内的各类文件接连出台，充分体现国家对推进通用人工智能大模型发展的高度重视，有望加速大模型走向千家万户。

而在大模型“飞入寻常百姓家”的过程中，推动大模型的场景应用创新仅是一个开端。由此开端向外延伸，便可看到大模型对于普通群众的实际效用。例如，吴高斌指出，在自动驾驶领域，一个显而易见的效用便是提高车辆的自主驾驶能力，减少交通事故的发生。

此外，周迪介绍，在医疗领域，大模型带来的前述各项作用仅是相对短期的效用，长期看来，大模型可能使生活中的各类服务更趋全流程的个性化。“比如要去看医生的话，中间存在很多流程，但是大模型训练好之后，就可以给出一整套个性化的就医服务方案。相对而言，目前比较着眼于在各种碎片化功能上的协助作用，未来各类服务则可能达到更加整体更加个性化的程度。”周迪表示。

“全流程的个性化”不止于医疗领域。“在教育方面，大模型可以用于个性化教育，根据学生的学习情况和需求，提供个性化的学习资源和指导。”全联并购公会信用管理委员会专家安光勇向北京商报记者表示，“它还可以用于智能辅助教育，例如智能导师或智能助教系统，提供实时的问题解答和学习建议。”

吴高斌认为，总体来说，使用大数据训练得到的大模型对于实际应用、提高工业生产力和促进社会发展具有巨大的前景。“大模型的出现为人工智能的发展提供了新的思路和方法。它的应用将会为我们的生活带来更多的便利和改变。”

不过，在张孝荣看来，教育、医疗、自动驾驶等领域虽然对AI有广阔的潜在需求，但行业数据源封闭，孤岛化严重，难以提供训练大模型所需的大数据，“因此大模型若要满足这些行业的AI需求，仍需要经过很长的时间去探索，逐步地解决在动态发展中遇到的各种行业难题”。