点击右上角微信好友

朋友圈

请使用浏览器分享功能进行分享

正在阅读:中文大模型让AI更“接地气”
首页> 科技频道> 综合新闻 > 正文

中文大模型让AI更“接地气”

来源:科技日报2023-05-23 10:19

  ◎本报记者 陈 曦

  目前成熟的生成式AI模型大多基于英文数据进行训练,在国内各行各业的应用环境中,中文大模型显然更“接地气”。通过中文或英文数据训练出来的大模型,差异比较大,中文的上下文理解和语义的多解性要大于英文。大模型首先要理解人类意图,因此对于国内用户来说,用中文去训练的大模型比较适用。

  “请讯飞星火认知大模型模仿梁晓声先生笔下的小说《人世间》的风格,续写一小段文章。”5月20日,在第七届世界智能大会闭幕式上,主持人蒋昌建向讯飞星火认知大模型发问。短短几秒钟,续写文字便“跃然纸上”。原作者梁晓声认为,续写内容简练、文字有一定温度,从传达的情感和思想来看几乎“无可挑剔”。

  在本次世界智能大会上,生成式人工智能毫无疑问成为大家关注的焦点。近期,国内各大厂商纷纷加快开展生成式AI核心技术的研发,无论是讯飞星火认知大模型展现出的雄厚“中文功底”,还是国家超级计算天津中心发布的基于国产天河超级算力、智能算力和汇集构建中文大数据集研发训练的天河天元大模型,都让大众对我国自主研发的中文生成式AI大模型充满期待。

  开发适合国人的中文大模型

  “AI大模型是基于海量多源数据打造的预训练模型,是对原有算法模型的技术升级和产品迭代。”国家超级计算天津中心数据智能部部长康波介绍,预训练大模型在基于海量数据的自监督学习阶段完成了“通识”教育,再借助“预训练+精调”等模式,在共享参数的情况下,根据具体应用场景的特性,用少量数据进行相应微调,即可高水平完成任务。

  AI大模型能够理解人类的自然语言表达,并通过庞大的网络结构实现具有针对性的内容输出。

  从效果上看,生成式AI表现为“无所不知、无所不能”,其具备了逻辑推理、上下文理解、文字创作、知识提取、代码生成等非常多元化的强大能力。

  不过,目前成熟的生成式AI大模型大多基于英文数据进行训练。“通过中文或英文数据训练出来的大模型,差异还是比较大的,中文的上下文理解和语义的多解性要大于英文。大模型首先要理解人类意图,因此对于国内用户来说,用中文去训练的大模型比较适用。”康波说。

  此外,生成式AI正一步步向生产工具方向发展,为产业深度赋能,或将成为人工智能与实体经济深度融合的重要力量。那么作为数据驱动的AI大模型,其训练数据来源的可靠性和安全性,便成为推动科技创新的关键。因此,自主研发中文大模型成为越来越多科技巨头的首要选择。

  三月以来,国内大模型领域已进入“混战”模式,各路玩家纷纷入局,其中有不少都“相中”了研发中文大模型。

  “抢抓通用人工智能的发展机遇有几个基本要素。”科大讯飞董事长刘庆峰认为,第一,必须要在自主可控的平台上;第二,必须要同时做中文和英文,不只学习中国的“智慧”,还要向世界学习;第三,在“硬碰硬”的科技对比上,不仅要学习,还要想办法赶超。

  例如,阿里推出了首个中文AI模型社区,社区首批上架超300个模型,其中中文模型超过100个,覆盖了视觉、语音、自然语言处理、多模态等AI主要领域,覆盖主流任务超过60个,且均全面开源并开放使用。360公司推出的“360智脑”背后的360GPT大模型,在海量的中文文本数据上进行了预训练和微调,从而具备了强大的语言理解和生成能力。据悉,该模型目前已经达到了100亿参数规模,并且还在不断扩展中。

  中文大语言模型数据集稀缺

  生成式人工智能是人工智能发展到一定阶段的产物。就像ImageNet数据集推动了残差网络等计算机视觉算法的成熟,openslr等开源数据集的发布催生了长短期记忆神经网络等自然语言神经网络的发展,图形处理器的大量使用使得模型参数从百万级发展到千亿级(ChatGPT使用了上万块A100显卡开展训练)。可以看出,生成式人工智能的快速成长,离不开算力和数据的支撑。

  “大模型是大数据、大算力驱动的结果,两者缺一不可。”超级计算天津中心首席科学家孟祥飞博士强调。

  一方面,中文大模型的理解能力来自于数据,它需要用海量数据来学习,通过自注意力和多头注意力机制来建立知识之间的联系。这就意味着,更多、更高质量的数据供给,将会带来模型网络中知识之间关系的完善性和贯通性。当用户提问到深层次或者冷门问题时,数据质量越高,AI大模型回答出正确答案的概率就越大。

  “但目前中文大语言模型的数据集非常稀缺。”孟祥飞介绍,为了解决这个问题,天津超算中心搜集整理了全域的网页数据,并从中提取处理高质量的中文数据做成数据集,同时采集纳入各种开源训练数据、中文小说数据、古文数据、百科数据、新闻数据以及专业领域的诸如医学、法律等多种数据集,训练数据集总token数达到3500亿,训练打造了中文语言大模型——天河天元大模型。

  另一方面,算力的供应是大模型的基础保障。大模型发端于自然语言处理领域,以谷歌的BERT、Open AI的ChatGPT和百度文心一言等大模型为代表,参数规模逐步提升至千亿、万亿,同时用于训练的数据量级也显著提升,带来了模型能力的提高,这也代表着算力需求的指数级上升。

  “而超级计算可以说是算力中的战斗机。”孟祥飞说,为了保证大模型的训练顺利,天津超算中心充分利用了天河新一代超级计算机的双精度、单精度、半精度融合计算输出能力,构建基于自主E级算力体系架构的智能计算引擎,建设人工智能大规模训练与应用系统支撑环境,特别是在中文处理方面构建了中文大模型数据处理的工作流技术体系,从而保障了训练任务的顺利开展。

  技术成果广泛应用于多领域

  在此次世界智能大会上,随着讯飞星火认知大模型一起展示的还有多款搭载了大模型的行业应用成果。

  康波认为,人工智能是驱动新一轮科技革命和产业变革的巨大力量,应将大模型作为产业智能化升级的基座,用专业数据集打造更贴合行业领域的智能化高水平“专家”。

  以讯飞星火认知大模型为例,该大模型的整体布局为“1+N”体系。其中“1”是指通用认知智能大模型,“N”就是大模型在教育、办公、汽车、人机交互等各个领域的应用。例如在教育领域,作为全球首款搭载认知大模型的学习机,科大讯飞推出的学习机可像真人教师一样与3岁至18岁的学生进行互动式辅学;在办公领域,基于大模型能力升级的产品具备语篇规整、会议纪要、一键成稿等功能。

  康波认为,在各行各业的应用中,中文大模型显然更“接地气”。他举例说,天津超算中心综合实现了文本、语音、视频等多模态的大模型生成能力,从而形成了“一平台三能力”的基础架构,实现了更广泛的产业融合能力。基于其自然语言的理解和表达能力,与医疗结合,学习医学指南等专业规范,可以迅速地掌握对应的专业知识。其中,中文大模型可以解决“同词不同义”在医疗上的歧义性,实现精准的输出,为医疗辅助诊断提供更为全面的支撑能力。

  同样,在工业检测和流程控制方面,大模型基于多元化输出能力,可以进行规范辅导、缺陷检测、流程指令生成一系列操作,降低错误率,提升生产效率。其中,中文大模型可以更好地理解复杂的专业术语以及流程指令逻辑,让输出更准确、严谨。

  “在大模型通用性、泛化性以及降低人工智能应用门槛的优势推动下,人工智能也将会加快落地,形成新的机遇。”康波表示。

[ 责编:战钊 ]
阅读剩余全文()

相关阅读

您此时的心情

光明云投
新闻表情排行 日/周
  • 开心
     
    0
  • 难过
     
    0
  • 点赞
     
    0
  • 飘过
     
    0

视觉焦点

  • 习近平会见泰国总理阿努廷

  • 习近平会见新加坡总理黄循财

独家策划

推荐阅读
在这一亚太盛会上,中国“十五五”规划被视作“中国面向全球工商界发出的合作邀约”。这份时代邀约,中国企业正在从“开放、创新、合作”三个维度作答,为变乱交织的世界注入前行力量。
2026-11-20 09:46
国家能源局19日发布的《中国虚拟电厂发展报告(2026)》显示,我国虚拟电厂规模快速增长。截至2026年6月底,全国已建成并投运的虚拟电厂数量为592个,同比增长78.9%;最大调节能力达到2042.8万千瓦,同比增长62.7%。
2026-11-20 05:35
2026中国5G+工业互联网大会19日在湖北省武汉市开幕。记者从会上获悉,我国工业互联网体系化发展成效显著,走在全球前列。
2026-11-20 05:35
今年是二十四节气申遗成功10周年——2016年11月,在联合国教科文组织保护非物质文化遗产政府间委员会第十一届常会上,“二十四节气——中国人通过观察太阳周年运动而形成的时间知识体系及其实践”被列入人类非物质文化遗产代表作名录。
2026-11-20 05:35
近日,内蒙古鄂尔多斯伊金霍洛旗国有林场与数百公里外的锡林浩特巴彦宝拉格苏木人民政府完成了一宗22吨的林业碳票交易。
2026-11-20 05:35
前不久,山东科技大学安全与环境工程学院教授刘华清团队研发的“控释型硫基滤料新技术”成功实现转化,为一家环保公司解了燃眉之急。
2026-11-19 05:10
日前,第140届中国进出口商品交易会(以下简称“广交会”)闭幕,共吸引来自219个国家和地区的35.2万名境外采购商到会,到会人数再创历史新高。
2026-11-19 05:25
国务院学位委员会办公室近日印发《关于做好专业学位研究生以实践成果申请学位工作的意见》,在前期工程硕博士用实践成果申请学位基础上,推动5个专业学位类别试点先行。
2026-11-19 05:25
在今年西班牙巴塞罗那市议会推出的第五期“创新出行实验室(BILM)”挑战赛上,谁能拿出基于人工智能调控交通信号灯的最佳方案就赢得10万欧元,奖金用于在巴塞罗那路口开展实地测试。
2026-11-19 05:25
地磁场像一张看不见的导航网。趋磁细菌是里面的“活罗盘”:它们身体里能长出一串纳米级小磁铁,顺着地磁场方向游动,在氧气不多不少的水层里找位置。
2026-11-19 05:25
习近平总书记在2026世界人工智能大会暨人工智能全球治理高级别会议开幕式上指出:“人类不得不直面时代之问:当机器开始思考,人类如何与之相处?当算法参与决策,安全如何保障?当技术挑战伦理,治理如何跟上?当鸿沟不断拉大,普惠如何实现?
2026-11-19 05:10
据中国载人航天工程办公室消息,17日,神舟二十四号载人飞船与长征二号F遥二十四运载火箭组合体已转运至发射区,计划近日择机实施发射。
2026-11-18 05:10
工业和信息化部、市场监管总局近日联合印发《以标准提升引领轻工业优化升级实施方案》。
2026-11-18 05:25
日前,国家知识产权局印发《地理标志保护和运用“十五五”规划》,明确了“十五五”时期地理标志工作的目标指标、重点任务和专项工程。
2026-11-18 05:10
11月17日,《关于深入推进再生资源回收体系建设 促进回收行业高质量发展的意见》公开发布。意见明确,到2030年初步建立起回收网络健全完善、居民交投便捷顺畅、分拣环节高效先进、末端处理绿色规范的再生资源回收体系。
2026-11-18 05:10
目前我国输送距离最长、管径最大、设计压力最高、输送规模最大的二氧化碳长输管道——中国石油吉林石化—吉林油田二氧化碳管道工程16日建成投运,标志着我国二氧化碳规模化输送和利用取得新进展。
2026-11-18 05:25
要让一台机器人真正能干活,到底靠什么?答案是,看得见、想得出、做得到。
2026-11-17 09:33
芯片越强、集群越大、部署越密,出故障的概率和代价也在同步飙升。
2026-11-17 09:29
胜利油田济阳页岩油民丰8号台新型井工厂首批12口井平均钻井周期13.83天,其中丰页1-8-B13HF井钻井周期11.68天,刷新国内超6000米井深陆相页岩油最短钻井周期纪录。
2026-11-17 05:15
红线划得清楚,但现实难题也依然存在:当作业能让AI助写,心事能向AI倾诉,孩子还会不会自己动脑、还愿不愿意跟真人打交道?如何帮助孩子减少依赖,合理使用AI?AI时代的青少年身心健康该如何守护?记者多方采访求解。
2026-11-17 05:15
加载更多