社区教程 Wiki

注册登录

创作新主题

社区所有版块导航

Python

python开源 Django Python DjangoApp pycharm

DATA

docker Elasticsearch

分享

问与答闲聊招聘翻译创业分享发现分享创造求职区块链支付之战

aigc

aigc chatgpt

WEB开发

linux MongoDB Redis DATABASE NGINX 其他Web框架 web工具 zookeeper tornado NoSql Bootstrap js peewee Git bottle IE MQ Jquery

机器学习

机器学习算法

Python88.com

反馈公告社区推广

产品

短视频

印度

印度

关注

Py学习 » chatgpt

敢于对标ChatGPT，国产大模型迎来高光时刻

科技每日推送 • 1 年前 • 368 次点击

在蒸汽机诞生后的短短两百年，人类就创造出了超过之前数千万年的生产力总和。

如今，人工智能也在以惊人的速度进步。

以ChatGPT为代表的认知大模型正在掀起一场新的“工业革命”，它的意义不亚于当年的蒸汽机。

比尔·盖茨称其为“1980年以来最具革命性的科技进步，这是他67年的人生中第二次被科技真正震撼到。”

随着ChatGPT火到出圈，一场围绕大型语言模型展开的军备竞赛拉开帷幕。

先有微软、谷歌等海外巨头针锋相对，后有百度、阿里等国内势力奋起直追，大家都清楚AI是最当红的风口，抢占先机就意味着拿到登上新时代的船票。

目前市面上已出现众多号称ChatGPT“劲敌”的产品，其中更是有不少国产开源项目。

上周，科大讯飞正式发布了讯飞星火认知大模型，成为国内首批亮相的AI大模型之一。

值得一提的是，讯飞星火并不是“PPT发布”，目前已经向大规模开放体验，发布会现场也演示了星火认知大模型的多种能力。

那么，它的实力究竟如何呢？

构建科学评价体系

对标ChatGPT

自诞生以来，ChatGPT通过高质量清洗海量数据，学习训练上亿参数的模型，实现不断进化。

最新的GPT-4在文本生成、语言理解、基于思维链的逻辑推理、数学和代码能力等多个领域的表现让人惊叹。

讯飞星火想要追赶并超越ChatGPT，首先需要构建一套科学的评测体系。

因为这样才能知道目前技术达到什么程度、存在哪些不足，还有下一步该往哪走。

根据这套评价体系，目前讯飞星火在文本生成和数学能力（一定程度代表通用认知大模型的智慧水平）已经显著领先国内同类产品，且相比ChatGPT也具有一定优势。

而在语言理解和知识问答方面也达到接近ChatGPT水平，处于国内领先水平。

为了测试讯飞星火的实力，科技每日推送也注册体验了一番，并设计了多个场景的测试。

我们来问个简单的脑筋急转弯，看看它的IQ如何。

可以看到，讯飞星火成功Get到了这是一个玩笑，并没有掉进陷阱里，还呼吁我们要保护动物不要当真。

同样，中文十级测试题也没能难倒它，可以准确理解了我们的语意。

此外，讯飞星火还十分精通国际象棋。

既然逻辑理解没问题，接下来就上点难度，问它一个经典“电车难题”。

面对这道让无数男人头疼的家庭伦理题，讯飞星火不仅给出了合情合理的答案，还会提醒我们救人的同时要注意自身安全。

他真的，我哭死.......

当然，如果你先选择救妈妈，还能让它给你支招去和老婆狡辩解释（反之亦然）。

关于长文本生成，例如写邮件、做方案、讲故事、写新闻稿件这些活儿，讯飞星火也通通不在话下。

比如，我们可以让它针对即将到来的618写个促销方案，还可以让它不断调整细节，享受一把当甲方当乐趣。

在数学能力方面，讯飞星火也展示出好学生的气质，不仅能正确回答，还会展示解题过程和思路。

让它敲个Python爬虫代码，也是几秒钟的事情。

存在的不足

当然，讯飞星火也不是百分百完美，在发布会上刘庆峰也表示，目前大模型技术还有待攻克的缺陷。

这是因为认知大模型都是使用历史数据进行训练，通过在海量的模型参数中记忆学习，从而实现智慧涌现和触类旁通。

而这也造成了新知识难以及时更新的问题。

我们也实际测试了一下，在面对“特种兵旅行”这种网络流行词汇，讯飞星火也没有及时更新，就算多次重新生成，答案都不尽如人意。

同时，讯飞星火在回答事实类问题时偶尔会张冠李戴，而在一些史实、传统典籍上也容易“编造情节”等。

如果我们问“耶稣比刘邦大多少岁”这种“关公战秦琼”的题目，它很可能会给出错误的答案。

在回答“唐朝帝王顺序”这类历史问题时，讯飞星火容易搞乱顺序，偶尔还会夹杂着英文，这可能跟中英文一起双语训练有关。

或者一开始我们就往错误的历史上引导，讯飞星火有时也不会发现。

例如问它“泰坦尼克号为什么会在太平洋沉没”，它会顺着我们的问题说下去，而不是指出泰坦尼克号在大西洋沉没。

除了上述问题，多模态的输入和表达也是很多用户期待的功能。

不仅能生成文案，还可以根据用户的描述和指令，输出图片甚至视频，带来更广泛的应用前景和发展空间。

针对用户的期待，科大讯飞也坦率承认不足，并表示有非常明确的方法来改进它。

同时，发布会上还给到了今年大模型技术持续升级的三个关键里程碑节点：

6月9日，将突破开放式问答、多轮对话能力明显提升、数学能力再升级；
8月15日，代码能力升级以及多模态交互能力提升，希望能帮助到更多的合作伙伴及开发者团队；
10月24日，将实现通用模型对标ChatGPT，中文超越ChatGPT的当前版本，英文能做到相当水平，并在教育、医疗等领域做到业界领先。

“1+N”全场景布局

除了能“唠嗑”，讯飞星火认知大模型技术正逐渐为更多行业赋能。

围绕星火认知大模型“1+N”架构中“N”个领域的内容，科大讯飞还带来了大模型在教育、办公、汽车、数字员工等多个方向的行业应用成果。

教育方面，星火大模型的语言能力跟讯飞学习机结合，能达到因材施教的效果。

比如，可对作文进行深度理解，同时自动生成评语和范文，像老师一样批改作文，并给出优化建议。

它还可以实现写作思路启发，利用 AI 润色技术生成片段优化参考和写作建议提升，让孩子在启发中精准提升。

让无数家长头大的英语口语练习，在讯飞星火的帮助下也不再是问题。

它可以实现跟人一样的自由对话，对话的时候还可以自动进行翻译评测，目前已覆盖了所有中小学课标话题。

相比传统面对面的口语练习，这种学习方法更加灵活高效。它打破了时空限制，学生党可以随时随地和大模型互动交流，利用好零碎时间提升效率。

对于社恐人群来说，这也是一大福音；在大模型的帮助下，他们可以一个人努力练习，再默默惊艳所有人。

办公方面，在讯飞星火的加持下，根据现有录音和笔记，讯飞智能办公本能把一大段录音转写出来的文字生成会议纪要。

甚至可以把一大篇口水稿，通过语篇规整变成更容易阅读的书面语言，极大减少不必要的工作量。

不仅如此，在讯飞听见中，只需提供一段录音，即可生成品宣文案、新闻稿件、工作总结等文案，可以说是无数打工人的梦寐以求的功能。

其他方面，在数字员工场景中，数字员工可以按照事先编写的脚本，自动操作计算机中的各种软件，实现业务流程的自动化，轻松胜任各种工作。

而在汽车场景中，讯飞星火不仅可提供自驾游、亲子游推荐路线，还能订餐、买电影票、听新闻等等，可谓十分方便。

实现智慧涌现

讯飞底气从何而来？

讯飞星火发布会上，刘庆峰自信表示：讯飞星火完全可以重现OpenAI的智慧涌现。

简单来说，智慧涌现就是通过自我学习和推理来产生新的知识和洞察力。

要知道，对于人工智能来说，实现智慧涌现是一项非常复杂和困难的任务，需要多学科的知识技能，以及长期的努力和不断的创新。

刘庆峰这句话的背后，有着科大讯飞长远的战略谋划和充足的技术实力作为支撑。

如果从发展的视角来看，大模型仅仅是人工智能历程中的一个阶段而已。

早在1999年，科大讯飞就致力于让机器像人一样能听会说。

2014年，讯飞启动讯飞超脑项目，开始布局认知智能，提出要让机器像人一样具备能理解会思考的能力，并在2017年开始承载认知智能国家重点实验室的重任。

正是在相关国家级平台和讯飞超脑计划的支撑下，科大讯飞在认知智能领域才能取得一系列全球领先成果，为星火认知大模型的推出和落地应用提供充分铺垫。

当然，对于大模型来说最重要的还是数据，数据的质量和数量直接影响模型的质量。

科大讯飞在Transformer深度神经网络算法方面拥有丰富经验，达到国际领先水平。

同时，作为国内语音AI龙头，讯飞开放平台每天有超50亿次用户交互，给大模型投喂海量文本语料和用户反馈数据，进一步提高模型理解能力，推进更新迭代。

此外，由于超大模型由于参数规模大、数据体量大，因此需要更大的算力支持。

讯飞自建有业界一流的数据中心，目前已建成四城七中心深度学习计算平台，为大模型训练平台建设奠定了可靠的硬件基石。

-最后-

1950年，英国数学家阿伦·图灵发表了具有里程碑意义的论文《电脑能思考吗？》，创造性提出“机器思维”的概念，成为人工智能领域的金科玉律。

如今，以ChatGPT为代表的认知大模型，不仅能听会说，还会理解和思考，让我们看到了通用人工智能的曙光。

作为后起之秀，讯飞星火体验下来给我们带来的惊喜远远高于预期。

尽管还存在一些不足，但已燃起星星之火，在不断更新迭代中，我们也期待星火大模型在未来能实现“智慧涌现”，为我们创造更大的价值。

•END•

如需转载原创文章，请联系微信：KJMRTS88

Python社区是高质量的Python/Django开发社区
本文地址：http://www.python88.com/topic/154747

368 次点击

登录后回复

关于移动版

Py学习 - 专注于Python技术发展的社区(原Django社区)

沪ICP备11025650号