百度：今年是文心大模型落地关键年

【猎云网（微信：ilieyun）北京】4月27日报道（文/黎曼）

一项新的AI技术迎来突破，包括谷歌、微软、英伟达、百度和阿里等在内的几乎所有AI头部企业都在死磕这项技术。

这便是目前世界AI研究领域最热门的话题之一：“大模型”。

AI 技术发展到今天，GPT-3等参数量巨大的模型被人们开发出来，他们在计算机视觉和自然语言处理等领域取得了前所未有的成就。

与之相伴而来的是，随着技术与产业的结合落地，新的技术难关需要被不断攻克。

众所周知，AI 技术的驱动力主要是依靠数据作为养料，当AI嵌入各行各业，不同场景的巨量数据已呈井喷式爆发，如何减少数据标注量、如何提高开发效率、降低应用成本等问题已成为一众AI企业正在思考的问题。而这也已经成为了各大AI企业抢占技术高地、并进行商业化的关键命题。

大模型是人工智能大基础设施的重要组成

“文心大模型”是百度近几年在花大力气投入研发的技术基础设施。

自2019年开始，百度深耕预训练模型研发，并在该年3月率先发布中国首个正式开放的预训练模型ERNIE1.0。去年12月，百度联合鹏城实验室发布了鹏城-百度·文心大模型。

这是全球首个知识增强千亿大模型，也目前全球最大中文单体模型，参数规模达到2600亿。

“文心大模型在百度AI战略里的位置，是人工智能大基础设施的一部分。大基础设施就是硬件到芯片到AI框架、AI大模型，一层层构筑起来的，文心是底座性质的。”百度集团副总裁吴甜介绍。

如何理解这个AI大模型？

AI大模型，指的其实是预训练大模型，是机器学习的一种方式。

类比人的学习来看，人的学习可以分成通识教育和专业教育两段。预训练大模型相当于解决机器学习的通识教育。

此前，机器学习主要通过标注数据，告诉算法哪个数据是正负样本等进行学习。由于人工智能落地场景很多，每个场景都要采数据、标数据，因此在标注的数量和质量上存在很大的瓶颈。

为解决以上问题，自然语言处理领域迎来了一个新的突破：自监督学习。其指的是不用人为标注数据，机器可以用一个方法把知识和规律学出来。

比如，在模型训练中，如果我们把“中国的首都是北京这句话”中的“北京”盖住，让模型去猜中国的首都是哪里，模型可能会猜一个城市，再把盖的地方翻开，告诉模型是对了还是错了，模型也就得到了反馈。这就是自监督学习的其中一种方法。

通过设计类似的学习方式，让模型可以在海量的数据当中进行自监督学习。这个机制的好处就是，它可以把天然存在的大量数据利用起来，打破了一定要精标数据才能学习的瓶颈。

大模型的出现，实际大幅度降低了行业应用的门槛。

“大模型不仅可以自己直接商业化，更有可能作为大的基础设施带来的更大的价值空间。”吴甜称。

百度的文心大模型是如何运营的？

百度早已不仅是搜索巨头，更是一家人工智能公司，文心大模型已经在搜索、信息流、小度智能屏、百度地图等业务场景中不断地去使用、验证、迭代，最终通过开发出配套的工具和平台服务于不同产业，开发者或者企业就可以用方便、简单的做法，甚至可以不写代码就使用起来。

在落地运用方面，除了应用于百度内部的各类产品外，文心大模型还通过飞桨开源开放平台、百度智能云等赋能到工业、能源、金融、通信等行业。当前，百度飞桨系列有两款面向不同人群的平台，一是零门槛平台EasyDL，二是全功能产业平台BML，都已经内嵌了文心以及文心相应的配套算法。

在交付形态上，文心大模型大致上包含三种：第一种是通过API调用方式使用。第二种方式是通过平台、套嵌工具等，使用者可以在EasyDL、BML等平台上直接使用的。第三种是包含在一些面向场景的产品中，比如智能文档分析TextMind，还有智能创作平台。

就AI大模型这个技术而言，不仅能落地解决当前的产业遇到的难题，在未来同样充满想象空间。

吴甜畅想道，今天的模型是以学习人类的经验为主的，学人形成的规律，加强人类建设的一系列体系。未来有可能AI可以学到一些人类还没有学到的一些经验或者知识，这是未来有可能发生的事情。

今年是文心大模型落地关键年

在大模型领域角逐的，不仅有百度，国内外科技巨头如谷歌、微软、英伟达、阿里等，都相继在AI大模型领域展开探索，参数规模从百亿、到千亿，甚至是上万亿。

对于当下的大模型竞赛，吴甜表示，大模型本身还有很多创新空间，现在大家还是在各种不同角度的创新阶段，每一家企业和机构最后会产生的价值和作用，因此各自有所侧重。

百度文心大模型的定位是产业级知识增强大模型。吴甜介绍，文心大模型最大的特点是“知识增强”。

传统大模型只从海量的文本中学习，只能死记硬背文本的规律，并不能从本质上理解世界是怎样运行的，在具体应用时，一些涉及逻辑推理和认知的任务表现较差。为弥补这一缺点，百度引入了知识图谱，通过“知识增强”的方法，将数据与知识融合，提升了文心大模型的通用性。

此外，要理解文心大模型，就需要了解“产业级”的定义。吴甜解释，这个产业级主要指两个方面：

一方面，文心的整个技术是在实际的产业应用过程中打造。首先，它的数据来源是产业当中的数据，学习到大量的知识规律，也是在实际的产业实践当中学习到的；任务设计上，百度希望把大模型打造成通用的底座模型，类比人的通识教育，希望它学的尽可能广泛，打下更好的基础。

另一方面，文心大模型在应用时建设了一系列配套能力，让行业更好用。比如怎样设计数据的标注、建议有多少数据、相应的迁移学习的方法等等。通过这些配套的工具和平台，就会提升真实应用的可行性。

大模型能够引起各大企业的竞相追逐，战略眼光更着眼于远处。从世界以及国家层面来看，产业智能化升级早已是大势所趋。今年1月，国家出台了十四五数字经济发展规划，可以看到国家对于数字经济发展重视程度也越来越高。大模型对于推动数字经济发展有着莫大帮助。

要在产业中应用起来，当前大模型还面临着不小的挑战。吴甜认为，当前部分行业数字化水平还不高，AI真正跟各行各业、各种企业场景结合的时候，复杂度高。场景分散，而且很多场景还比较薄，很多时候获取场景数据非常困难。

另外，参数规模提升确实是有更好的效果，但却不是简单的越大越好，更重要的还是模型能力强。

文心大模型的下一步，是继续创新技术水平，再增强其实用性。吴甜强调，这并不是以迅速获得更大的模型为目标，而是做出一款模型之后，在落地应用中检验效果，并在实用的过程当中调整模型设计。

在文心大模型的规划上，百度今年还会有新技术和模型发布，包含模型能力和平台工具能力的提升。“今年会是文心大模型产业落地关键年。 ”

当前，文心大模型通过飞桨开源开放平台、百度智能云等平台落地，个人、企业开发者数量超6万，并带来显著的提升效果。如在保险领域的文本处理效率提升30倍，医疗领域中的每份病历的检查时间从30分钟缩短到了秒级别。

百度还把百文心大模型能力开放给公众使用，并举办了认知AI创意赛。“人工智能和大模型要面向公众开放，只有门槛低到了所有人都可方便地用起来，才能真正大规模爆发出各种创意。”吴甜表示。