【资料图】

复旦大学计算机科学技术学院教授、MOSS系统负责人邱锡鹏4日对记者表示，好的语言模型需要更好地理解语言与常识。情景学习、思维链和自然指令学习是语言模型的关键技术。

邱锡鹏教授认为，大型语言模型技术的快速演进，已经给人类展现出一个通向“通用人工智能”未来的大框架，下一步最重要的是让大模型和现实世界“对齐”，保证模型对人类的可信、诚实、有助、无害至关重要。

邱锡鹏解释，情景学习，即在上下文语境中学习的能力。语言模型会在“提示词”(prompt)中附带一些例子作为“上文”输入，再预测并输出下文，这就改变了传统的学习范式，可以大幅降低下游开发成本。

思维链，指的是做大模型示例的时候不要只给答案，也要给它推导过程，语言模型学习这个推导过程，最终给出一个正确的答案。他认为，这是突破模型参数约束、实现“涌现”能力的关键技术。自然指令学习，则是让模型能直接理解人类指令，模型从指令中学习判断能力，不断“对齐”人类的真实意图。

邱锡鹏教授主持研发的MOSS系统将于4月中旬开源。他直言，该系统在推理能力和事实类知识方面还需提升。这主要是由于参数规模不足造成的，可以通过扩大模型规模来实现。这位学者指出：“首先是对语言模型基座进行架构优化，将面临输入长度、中文编码、多模态接入等几重挑战；其次是指令微调，难度远高于预训练，而让模型的回答‘对齐’人类思维习惯也非常困难；再次是能力强化。”

“在让模型自我学习、自我迭代的过程中，最重要的就是人必须参与其中，以保持机器与人类价值观、思维方式的对齐，否则就可能会离我们人类的偏好越来越远。”他指出，当语言模型向人类的价值观和思维方式对齐，并应用于真实世界，无疑将颠覆各个行业生态。

记者了解到，在由复旦大学管理学院主办的复旦科创先锋论坛上，嘉宾们聚焦“大型语言模型引发的时代变革”，就人工智能的现状和未来展开对话，进一步讨论了人类可能将要面临的时代变革。

作为从事人工智能技术产品化的业界人士，沈李斌看到的则更多是如何用AI替代掉简单重复人类劳动的问题。他介绍，目前客服机器人已经替代了不少的人工。“人类的精力就可以留做一些更积极主动的工作。”沈李斌认为，这种生成式能力将在企业里发挥非常重要的作用，提高各个流程的效率。同时，基于生产力的解放，很多企业与企业之间的上下游关系也将产生变化，大量结构性的机会正孕育其中。

对此，邱锡鹏教授认为，人类具有适应性和灵活性，更擅长的是利用AI的能力把工作做到更好。在这样的背景下，人类的思考和判断能力需要再度强化，变得更加明确。他表示，目前为止AI依然在可控范围内发展，但当它成为某种基础设施后，如何控制其能力就将变得十分关键，相关的法律法规、政府的重视、社会的认同，都将参与进整个生态中来。(完)