每經(jīng)記者 朱成祥    每經(jīng)編輯 張海妮    

近日，天壤創(chuàng)始人、CEO薛貴榮在位于上海徐匯濱江的天壤總部接受了《每日經(jīng)濟(jì)新聞》記者的專訪。

天壤創(chuàng)立于2016年，幾年間，從AI圍棋到用AI分析蛋白質(zhì)結(jié)構(gòu)，乃至設(shè)計(jì)蛋白質(zhì)，天壤一直緊跟AI發(fā)展的潮流。進(jìn)入大模型時(shí)代，在2023世界人工智能大會(huì)上，天壤也連發(fā)三款大模型產(chǎn)品。

如何使如今QA（一問一答）形式的大模型更容易使用呢？薛貴榮表示：“要把它（大模型）變成一個(gè)企業(yè)可用的東西，還需要加一層所謂的操作系統(tǒng)。目前大語言模型能跟人對(duì)話，已經(jīng)很好了。但真正商用，還缺一層操作系統(tǒng)。”

圖片來源：每經(jīng)記者 劉雪梅 攝（資料圖）

通用人工智能的起點(diǎn)

很多人第一次被AI震撼，是來自于其在圍棋領(lǐng)域的表現(xiàn)。

堯造圍棋，以教子丹朱。自圍棋發(fā)明以來，在這縱橫19路的棋盤上，上演了許多可歌可泣的故事。但這些故事，都是發(fā)生在人與人之間。

直到2016年3月，谷歌旗下DeepMind公司研發(fā)的“AlphaGo”與曾經(jīng)的一代王者李世石激戰(zhàn)5盤，最終以4:1獲勝。人工智能第一次在圍棋項(xiàng)目上，戰(zhàn)勝了人類頂尖職業(yè)棋手。

這鼓舞了無數(shù)AI人。“當(dāng)時(shí)大家都在想，是不是逼近了通用人工智能（AGI）。”薛貴榮回憶。

但很快，薛貴榮就發(fā)現(xiàn)AlphaGo這類模型的局限性，“那時(shí)我們做了一段時(shí)間，發(fā)現(xiàn)它的領(lǐng)域還是相對(duì)有限，是非常特定領(lǐng)域的小問題。相對(duì)于通用人工智能，還是比較小眾。”

因此，薛貴榮認(rèn)為，這個(gè)東西（AlphaGo）可能是通用人工智能的起點(diǎn)。從算法角度，叫深度學(xué)習(xí)+強(qiáng)化學(xué)習(xí)。“我覺得這兩者（深度學(xué)習(xí)+強(qiáng)化學(xué)習(xí)）結(jié)合起來，能夠適應(yīng)環(huán)境的變化，算法能夠作出自身的反應(yīng)。”

于是，類似于AlphaGo的天壤AI圍棋誕生。記者查詢天壤官方微信發(fā)現(xiàn)，在2018年5月第一屆2050大會(huì)上，天壤AI圍棋擊敗了世界圍棋冠軍樸廷桓。

薛貴榮也講述了彼時(shí)的研發(fā)難度：一方面，算法的能力還比較有限，類似Transformer這樣的架構(gòu)還未出現(xiàn)；其次算力水平也比較低，當(dāng)時(shí)天壤買了很多V100；此外還有系統(tǒng)難題，分布式超大模型的訓(xùn)練還沒有搞定。

對(duì)于系統(tǒng)難題，其詳細(xì)解釋道：“直白一點(diǎn)，現(xiàn)在就是給你100塊卡，讓你去訓(xùn)練一個(gè)大的模型，你都算不出來。因?yàn)槟菚r(shí)（指2017年、2018年）網(wǎng)絡(luò)、訓(xùn)練體系都偏向于（用）一臺(tái)機(jī)器處理。這里面我們碰到非常多的系統(tǒng)問題，比如模型需要來回不斷傳輸，怎么把模型從這臺(tái)機(jī)器搬到另一臺(tái)機(jī)器。”

在算力有限、算法水平有限以及面臨眾多系統(tǒng)問題的背景下，天壤依然突破了AI圍棋模型。但這個(gè)過程也讓薛貴榮團(tuán)隊(duì)認(rèn)識(shí)到，通用人工智能可能真的要等一等。

“2018年，我們那時(shí)的結(jié)論是，得稍微等一等，這個(gè)技術(shù)沒有那么成熟，推動(dòng)會(huì)很費(fèi)力。”

這時(shí)，DeepMind推出了蛋白質(zhì)預(yù)測模型AlphaFold。于是，天壤把方向轉(zhuǎn)向蛋白質(zhì)結(jié)構(gòu)分析。

現(xiàn)階段：別把大模型神話

在研究分析蛋白質(zhì)結(jié)構(gòu)的同時(shí)，天壤也緊盯著AI發(fā)展潮流。薛貴榮說道：“我們一直Follow（跟隨）兩家實(shí)驗(yàn)室，DeepMind和OpenAI。因?yàn)檫@兩家實(shí)驗(yàn)室的理念是一致的，即走向AGI（通用人工智能）。DeepMind是AI for Science，更偏研究性；而OpenAI更偏向工程化。”

2022年初，薛貴榮認(rèn)為其蛋白質(zhì)分析已經(jīng)基本成型。在此背景下，天壤希望迎接全新的挑戰(zhàn)。于是，在研究了OpenAI的GPT后，把關(guān)注點(diǎn)投向大語言模型。

關(guān)于大模型，薛貴榮給出了他的見解。未來，大模型或許能通過提示詞直接生成文章。但是目前，有人寫了1000字的提示詞，仍然無法控制文章生成自己想要的方向。

對(duì)此，薛貴榮表示：“這種應(yīng)用還是比較樸素的。我說的樸素是指，只是寫了提示詞，一下子（讓大模型）把文章搞出來。人做事都不是這樣子的。人類要是寫文章，首先是查詢資料；其次是資料整合；第三開始寫；第四修改。目前大模型沒有這方面（的）能力。”

薛貴榮也給出了他的解決方案：“首先幫你查資料；第二幫你整理資料；第三是擬文章的脈絡(luò)；第四把內(nèi)容放進(jìn)來，再去適當(dāng)潤色；第五再檢查。”

其強(qiáng)調(diào)稱：“大語言模型的兩大準(zhǔn)則，第一要盡可能清晰明了，不要帶很多假設(shè)讓它做事。你如果想假設(shè)，就把假設(shè)寫進(jìn)去。第二，要給大模型時(shí)間思考。如果希望大模型一次性出結(jié)果，就沒有給它提供足夠的思考時(shí)間。”

薛貴榮進(jìn)一步表示：“大家別把大模型神話，最好把它分拆下來，分成10步走，它就會(huì)非常好。”

簡而言之，通過大模型撰寫稿件，不要追求一步到位。

薛貴榮表示：“我們現(xiàn)在碰到企業(yè)，很多都希望一步到位。這是大家的理想。實(shí)際上，把問題分拆，會(huì)拿到更好的結(jié)果。比如說，1000多字的提示詞，這么長的提示詞本身就存在邏輯不自洽的東西。你寫（提示詞）的時(shí)候沒有感覺，但是從模型的角度一定會(huì)發(fā)現(xiàn)邏輯不自洽的東西。”

那么，是否可以通過連續(xù)提問，強(qiáng)化大模型對(duì)上下文的理解呢？對(duì)此，薛貴榮表示認(rèn)可，并介紹了另一種方案。“通過這一輪大模型的輸出，變成下一輪的輸入，變成下一輪提示詞的一部分，你能拿到更好的結(jié)果。”

走向通用人工智能

對(duì)于如果使用大模型撰稿，薛貴榮認(rèn)為應(yīng)分三步走。第一步，先做Planning（規(guī)劃過程）；第二步梳理文章提綱；第三步，往里填充內(nèi)容。但大部分都是機(jī)器完成，不是由作者完成，作者只是Planning。

薛貴榮笑稱：“其實(shí)我們?nèi)祟?，做很多事情是有Planning的，但當(dāng)我們把問題給到GPT上，就變成一個(gè)QA。QA和Planning是兩回事，QA能解決一個(gè)Planning的事嗎？本來思維就是很復(fù)雜的事，你不能通過一個(gè)QA（解決問題），應(yīng)該變成10次，甚至更多。”

記者想通過大模型解決寫文章的問題，企業(yè)同樣希望通過大模型獲得價(jià)值。“我覺得本質(zhì)問題就是（大模型）對(duì)我們的價(jià)值。大模型一定要有用，而且要有核心的價(jià)值。”薛貴榮總結(jié)道。

但目前的大模型，仍然缺乏落地的應(yīng)用。薛貴榮描述道：“今年ChatGPT確實(shí)提供了（AI）大腦。但只有一個(gè)腦，那是個(gè)植物人。今天的大語言模型，我覺得一定程度上，還得配上手和腳，還得有個(gè)軀干。目前大模型沒有軀干，沒有手、沒有腳。”