11月25日，由创业黑马主理的“第15届创业家年会”在北京举办，年会主题为“AI给天下一个确定性”。会上，IDEA研究院认知打算与自然措辞研究中央讲席科学家张家兴出席，以《从大模型的视角看AI代价与落地》为主题揭橥了演讲，并担当“2023黑马AI创新大赛”总决赛的主评委，在大会现场与大赛年度30强企业进行闭门互换会，共同磋商家当趋势与未来。
张家兴在演讲中表示，“我们正在从以深度学习为中央的AI时期过渡到以预演习大措辞模型为中央的新AI时期”。他认为：AI技能总是在重复同样的场景，但AI的内核在不断发生变革。从打算到规则、机器学习到深度学习，到现在的大措辞模型。每一次AI内核发生变革，我们就会用新的AI技能再重新去思考这些场景，把这些场景重做一遍。
以下为创业家&i黑马编辑过的演讲节选：
01预演习大模型成为AI新内核
我的团队来自IDEA研究院认知打算与自然措辞研究中央，近两年韶光不断构建各种大模型并推进落地，这个过程关键的便是“代价”二字。代价是连接技能和落地的关键点，我们努力通过大模型去找到AI新代价点。
我们正在从以深度学习为中央的AI时期过渡到以预演习大措辞模型为中央的新AI时期。深度学习为中央的时期，环绕DNN、CNN、RNN、GNN等，开拓智能客服、机器翻译等各种运用。ChatGPT的涌现让我们认识到预演习大措辞模型成为AI新内核。环绕预演习大措辞模型构建的新AI场景，比如文生图、角色扮演、新一代的具身智能，是上一个AI时期是无法实现的。当AI的技能内核发生变革时，我们最值得思考的便是AI的技能实质、代价、以及落地方式。
AI内核的变革也是技能范式的变革，其也带来技能代价链条的重修。新AI时期，代价源头是预演习模型，进一步学习技能、对齐场景、对齐任务，连续演习，形成多模型、多模块的协同的智能体，叠加产品、商业、运营的思考，终极推向落地场景。
02大措辞模型创造了各种代价
过去两年，IDEA研究院认知打算与自然措辞研究中央研发各种大措辞模型，累计开源110多个模型，下载量超过300万，是中国开源大模型最多的团队；中央也基于ChatGPT技能演习出一系列的通用模型与专业模型，持续开源。
大模型代价如何向外呈现有不同的选择。一种选择是把所有能力压到一个模型里，便是通用模型。另一种选择是专用大模型，举个例子，在代码模型领域，以我们的模型Ziya-Coding为代表的浩瀚专业模型都比ChatGPT4做得好。
大措辞模型成为多模态中央，可以帮助其他模态。图像天生技能良久了，为什么最近表现出这么强的能力？部分缘故原由是大模型对人类措辞的理解能力大幅度增强，可以辅导图像的天生。我们用文生图做建筑室内设计，非常繁芜的Prompt，通过大措辞模型的理解，可以天生专业的设计图像。
03AI落地的技能崇奉变迁
第一个技能崇奉变迁是技能崇奉来自哪里？我们曾经把AI能力的来源归结为数据，有多少数据，就有多少智能。本日发生了AI技能崇奉变迁，有多好的基座模型，就有多少智能。尤其是大模型创业，第一个问题是该选用哪个基座模型、该调哪个API，这是我们AI落地过程中第一个技能崇奉的变迁。
第二个技能崇奉变迁是如何得到技能崇奉？以深度学习为中央的AI时期，我们为任务设计模型构造。以预演习大措辞模型为中央的新AI时期，我们为GPT模型探求一个好的演习方法。
第三个技能崇奉变迁是技能崇奉产生的技能手段。深度学习要想得到AI能力，一定要演习模型，演习模型便是让模型的参数做改变，无论什么样的学习方法，总而言之参数要改变。本日可以直接引发模型能力，模型参数没有任何变动，但可以让模型通过prompt和in-context learning等办法，呈现出各种各样的能力。
04不同场景中的两种AI
天下上有两种AI，一种是Data for AI，另一种是AI for Data。
Data for AI是为了获取AI的能力，用数据演习大措辞模型，紧张用在写作、推理、设计、写代码、角色扮演等场景，是大措辞模型的运用领域，使AI具备和人一样的能力。
AI for Data是AI技能挖掘数据的代价，从大数据中产生结果，紧张用在搜索、营销、推举、广告、风控等场景，是大措辞模型之外的运用领域。
05大模型技能落地的三个阶段
大模型落地须要认识到AI所能产生的代价和想象中的AI代价有巨大的gap，只能在交集部分去推动AI落地。
大模型技能落地有三个阶段，第一阶段是示范性打破、根本举动步伐搭建；第二阶段是家当落地，从最大略最有代价的场景开始，后进者被迫跟进；第三阶段是探索扩展领域，困难加剧，收益递减。当下大措辞模型落地处于第一阶段，根本举动步伐还处于没有那么的好的状态，包括有没有充足的算力，以及有没有针对当下大措辞模型的新的演习框架。
末了，从更长的历史看未来，AI发展几十年，从20世纪50年代开始，AI技能总是在重复同样的场景，但AI的内核在不断发生变革。从打算到规则、到机器学习到深度学习，到现在的大措辞模型。每一次AI内核发生变革，我们就会用新的AI技能再重新去思考这些场景，把这些场景重做一遍。