望海潮 | 拥抱人工智能时代,你准备好了吗?

如今,人工智能已经成为最炙手可热的词汇之一,OpenAI、微软、亚马逊……几乎所有科技巨头都对人工智能行业压下重注。在国内,“人工智能+”首次被写入政府工作报告中,围绕人工智能全产业链的布局已在各地如火如荼地展开,越来越多的AI技术走出实验室,渗透到各行各业中。

AI究竟有哪些“本领”?为何此次迭代升级能引发全球热议?我们又是否准备好迎接这场人工智能带来的变革呢?

大模型涌现

人工智能究竟是什么?我们往往会从两方面谈起:人类可以做的事情和人类无法做的事情。

早期的人工智能往往是做人类可以做的事情,以解决单一问题为主。比如战胜世界顶级围棋冠军的阿尔法狗只会下棋玩游戏,苹果发布的Siri功能只会回应那些基本问题。

随着训练参数规模不断扩大,当这个数字来到十亿、百亿、甚至千亿的时候,“神奇”的事情就发生了。以ChatGPT为代表的通用大模型出乎意料的聪明,通过接受人们的指令,可以回答问题,也可以创作故事,还能够写代码和查找代码问题等,在人类能做的领域开始实现超越。

与此同时,人工智能实现了许多人类无法做的事情,很多行业从业者都在思考如何让行业用大模型重做一遍,越来越多面向垂直场景的行业大模型涌现出来,“人工智能+”的解决方案开始不断被提出。

比如人工智能+制造业,能够提高生产效率,降低生产成本;人工智能+医疗,能够让医学影像检查更加高效精准;人工智能+教育,可以打破传统教学方式,解决教育师资短缺,教学资源不公平等问题。

在青岛,制造业、港口物流、海洋科技等优势产业集聚,丰富的应用场景带动垂直化行业大模型不断涌现,成为青岛发展人工智能的优势。目前,青岛拥有“奇智孔明AInnoGC”工业大模型、“数智八斗”大模型、海尔智家HomeGPT大模型以及全球首个橡胶轮胎行业大语言模型——赛轮橡链云聊-EcoRubberChat等10余个已投入使用并商业化应用的垂直大模型,同时储备了一批在研大模型,多数参数规模超50亿级。

山东大学计算机科学与技术学院副院长陈竹敏表示,“大模型技术打开了强人工智能阶段的大门”。当大门推开,我们将经历一场更大范围、更深层次的科技革命和产业变革。

改变正在发生

走进青岛市崂山区青岛市人工智能产业园,一系列由弯曲的玻璃和金属构成的建筑科技感十足。在这里,已聚集了人工智能企业200余家,在基础硬件技术开发、核心算法、数据生成采集等方面均有布局,2023年实现人工智能产业营收300亿元,同比增长40%左右。

不过,随着人工智能的“进化”,未来受益最大的恐怕并不是人工智能技术的设计者,而是每一位人工智能技术的使用者,率先应用人工智能的企业已经有所斩获。

在传统制造业,AI技术可以代替依赖经验的重复性劳动,比如工业质检。传统的产品质检依赖人眼检查、人脑判断,长时间重复劳动易出现漏检、偏差浮动大等问题。山东科技大学测绘与空间信息学院孙林教授和团队基于不良品检测的痛点,研究开发工业视觉检测系统,基于深度学习的AI视觉检测算法,可以通过图像自动检测,质检员只需要根据显示器传出的报警信息进一步审核就可以完成质检工作。其中,助力一家企业进行粉末冶金件检测,大大提高了质检的效率和准确率,同时优化了生产线人力成本,一年可节省成本4000多万元。

中国海洋大学计算机科学与技术学院王胜科副教授带领团队基于AI视觉技术,在无人机摄像头上添加“智慧大脑”,致力于城市治理高质量发展。针对绿色覆盖区域、违章建筑、乱设摊乱停车等问题,无人机可以边飞边看边分析,帮助管理机构减轻人员精力上面的负担,更加高效地处置问题,进一步提升城市治理精细化水平。

人工智能正像水、电一样赋能千行百业,成为新一轮科技革命和产业变革的核心力量。青岛属于较早进入人工智能赛道的城市,2019年获批国家人工智能创新应用先导区。目前,青岛以全省首个人工智能“双算力中心”、华为青岛人工智能计算中心、中国移动智算中心(青岛)、中国电信云计算基地等为依托形成大量的算力资源,汇聚了极视角、创新奇智、以萨等一大批人工智能领域的优势企业,赋能传统制造业加速升级,助力专精特新“小巨人”在细分赛道茁壮成长。

“把人工智能用在各行各业,就是新质生产力。”王胜科如是说道。

拥抱还需时日

据埃森哲对来自八个行业的550余家中国企业的调研显示,2023年,仅2%的受访企业通过打造数字核心能力,包括为大模型构建现代化数据平台,充分利用人工智能工具,重塑业务和职能。

机遇越大,越需要思想“破冰”。对大部分传统企业以及中小型企业而言,要想真正地拥抱人工智能技术,还面临着认知的探新。

首先,AI技术具有复杂性和不可预测性,技术的快速迭代会让企业无所适从。王胜科表示,“人工智能的应用会打破企业原有的运作方式,对企业来说是有难度,有成本的,整个过程需要很长时间才能得到经济回报,企业需要做好自身定位。”

其次,尽管大模型的泛化性较强,但针对不同业务不同场景的细分需求,往往需要重新训练模型,让它适应新的场景,这其中就会涉及到数据问题。中国石油大学计算机科学与技术学院曹绍华副教授表示,“AI性能和决策质量高度依赖于训练数据的质量和广度,偏见、错误或有限的数据集可能导致AI作出不准确或歧视性决策。”但在现实生活中,一些企业往往出于保密和安全考虑,不愿拿出更多数据来做训练,限制了AI算法性能的提升。

再者,模型效果好不好会影响到生产质量和生产效率,但目前基于深度学习的人工智能是一个“黑盒子”,对于使用者来说,AI行为的过程是无法追溯、复盘和理解,从而增加了管理和控制难度,降低了对人工智能的信任度。当前,也有越来越多研究者尝试设计“可解释人工智能”,曹绍华便是研究者之一,“相信随着AI透明度和决策过程的可解释性不断提高,AI可以安全可靠地为我们所用。”

从这个意义上来说,人类对人工智能的认知能走多远,人工智能就可以走多远。

在人工智能发展的新时期,我们要做的并不是在人类和机器之间进行二选一,而是要认识AI,学会AI。当理解AI变得容易许多,我们就会选择相信它,并指导它发展,创造出人机共生的最大化优势。诚然,这会是一个漫长的过程,但值得我们期待,值得我们努力。(青岛日报社/观海新闻记者 于君怡)

责任编辑:程雪涵

分享到 分享