点击蓝字
关注我们
AI TIME欢迎每一位AI爱好者的加入！
概述
2024年，大模型技术已成为人工智能领域的焦点。这不仅仅是一项技术进步，更是一次可能深刻影响社会发展方方面面的变革。大模型的交叉能否推动技术与社会的真正融合？2025年1月16日，在大模型交叉与融合嘉年华，安徽大学副教授陈洁，华东交通大学智能建造系主任胡文韬，中国科学院计算所助理研究员盛强，共同探讨了这一话题。他们通过专业的视角，深入剖析大模型技术的最新进展及其在实际应用中的挑战与机遇，探寻智能时代下科技与社会共生发展的路径。
点击 阅读原文 观看Debate精彩回放！
AITIME
01
大模型在多领域融合中的潜力与瓶颈有哪些？
陈洁：
在大模型技术应用之前，自然语言处理（NLP）面临许多难以克服的难题。尽管有专家曾预测未来30年内NLP将能够解决更多问题，但大模型的出现已使NLP在实体识别和抽取、自然语言理解等方面取得显著进步，尤其在智慧教育领域，展示了在学生问答方面的巨大潜力。这种问答式的交流方式帮助学生更好地接受信息。此外，大模型技术的发展实现了自动出题和自动批改等应用，这是一个有益的发展方向。
然而，在推动智慧教育的发展过程中，实际问题依然存在。首要问题是大模型的特定领域适应性，即大模型在训练时使用的数据与实际应用场景之间可能存在差异，需进行特定的标注。为了保证准确性和专业性，选择知识图谱双驱是为了确保在学术或专业场合中大模型能够给出高精准度的答案；若大模型自由发挥，往往难以接受。此外，出于安全考虑，高校领导对大模型技术有一定要求。
特别是在综合性高校如安徽大学，如何让文科或非理工科教师更好理解和应用大模型技术，也是一个挑战。
胡文韬：
探讨多领域融合的必要性非常重要，理解这一问题后才能讨论潜在的瓶颈和挑战。在工程领域，多领域融合是关键目标。
以地质勘查为例，传统方法效率低且操作复杂。如今使用无人机测绘，仅需两人配合便可完成整座山的数据处理，极大提高了效率，降低了成本，生成的三维模型质量更高。
多领域融合被发现能带来显著益处，因此我们持续在工程领域探索。不同领域间对概念的理解存在差异，通用语言要求了解各行业细节，但在医学和教育领域过于庞大。
推进AI生成面临人才短缺。原因在于周期过长。尽管挑战存在，但突破这些瓶颈将带来重大进展。
盛强：
在自然语言处理（NLP）领域，最初依赖规则驱动的虚假信息和违规内容检测已转向数据驱动。社交媒体数据的增加有助于相关任务。
大模型使通用知识更易获取，但受限于数据，无法解决所有问题。AI在社会运作层面展现独到洞察力，能够通过语言知识学习进行非确定性推测。
大模型应作为模糊知识基础，配合精确知识检索器使用，通过外部索引或知识库支持特定领域专业知识。尽管大模型能有效调用客户分析，部署仍面临挑战。
互联网相关任务中存在流量大的问题；而终端任务中设备算力有限，难以高效处理虚假信息和有害内容。如何根据计算设备特性部署模型，有效审查和核查内容，帮助用户识别不可信信息，是一个重要挑战。
AITIME
02
如何将多智能体系统与大模型相结合，
实现高效协作与合理决策，
以推动实际场景复杂系统中的问题解决？
胡文韬：
当前，大语言模型在跨学科知识学习上具有明显优势。它能够帮助完成基础任务，如复杂计算题，但能否替代人类进行决策仍未确定。
在工程领域，Digital Twin（数字孪生）技术用于创建数字与实体联动系统。例如，桥梁建设通过数字模型模拟施工状态，但实际问题反馈仍不足。目前主要通过视觉监测，将震动数据反馈至模型，但分析这些数据仍是挑战。
在灾害应对中，实时数据分析困难。大模型能快速处理监测数据，预测负载情况并提供决策。例如，利用传感器数据在灾害发生前预判情况，采取及时行动。
过去由于数据庞大，分析困难。大数据将在实时性问题上发挥重要作用，提高决策准确性和及时性，是未来工程的发展方向。
陈洁：
目前，我们尚未实现多Agent系统，只有一个单一行动的Agent，专门用于高考志愿填报。然而，为了更好地解决具体问题，每个问题都应由专门的Agent来处理。
在智慧教育领域，通过多Agent系统可以更有效地处理不同任务。例如，可以构建多个Agent分别负责助教功能和基础问答问题。各Agent分工明确后，需要一个智能体来协调所有分工，充当数据源或数据中心，以实现智慧经济平台的构建。目前，我们尚未开始这方面的探索。
AITIME
03
未来，大模型技术如何与现实社会更好地协同，
发挥独特的优势？
陈洁：
当前的教育体系正在向三维空间过渡，不仅包括教师和学生，还引入了机器。这印证了教师担忧的未来，机器人可能取代部分教学工作。未来，教师将更多承担助教角色，机器完成日常授课，教师辅助学生进行个性化答疑和相关工作。
大模型技术对教育影响巨大。未来，教师主要负责能力培养和学生品德教育，知识传授逐渐由大模型承担，学生将获得更多时间和空间自由。
霍尔提到，我们当前的模型多存在于实验室，包括自动驾驶技术。实际应用中，大模型能否应对突发问题并给出正确答案，依赖于其训练数据覆盖情况和解决新问题的能力。未来，大模型技术需解决实时性问题，提高实时反馈和判断能力，以更好协同现实社会。
胡文韬：
大模型技术在教育领域面临挑战。我们发现，大模型生成的内容常缺乏实际指导意义，容易令学生依赖而不主动思考。尽管项目框架精美，但缺少具体例子和深入解析。
长期依赖大模型完成任务可能限制学生的独立思考能力。当前现象如员工和老板都用大模型交流，显示出人类主动思考正被模型替代的趋势。这一问题需要谨慎应对。
技术不应过度占据人的思考能力，我们需要重视对工具背后的用途和目的的深入思考，以避免技术完全渗透生活，干扰自然思考过程。保持技术为人所用，辅助而非取代思考，将更有利于未来的发展。
AITIME
04
美国首个AI 禁令发布后，
中国“大模型六虎”之一的智谱
被列入美国“实体清单”，
对中国AI企业发展有何影响？
陈洁：
对任何实体来说，全面掌握这一技术都将面临巨大挑战。以华为芯片事件为例，这件事是风险与机遇并存。从教育角度来看，外部环境加大压力，作为教育工作者，更应努力推动自主技术的研发和人才的培养。这应成为思政教育的素材，激励学生在该领域持续努力，促进更好的发展。
胡文韬：
企业代表智谱认为列入实体清单影响不大。美国试图通过孤立策略针对中国，但这反而促使技术进步。以自动驾驶为例，特斯拉的技术虽然领先，国产品牌在外部压力下也取得显著进展。
限制措施通常表明行业成功，而不断获得补贴的行业发展状况不理想。智谱被列入限制清单实际上是其成功的证明。
未来，将更加注重自主研发和研发型人才的培养。大学生需积累实践经验，企业更看重实际参与的研发项目和创造的效益。这增加了大学生在就业市场的竞争力，促使其找到“用武之地”。
盛强：
长远发展需要重视产业力量。需要补贴的领域通常发展薄弱，而优秀技术应通过共同努力推动进步。我国在大模型领域的投入前所未有，并保持在国际前列。
我们可以采用“先用”原则，即尽早将技术投入实用，以免错失发展机会。实际应用是大模型等国产技术的关键支撑，主动采用和支持国内技术，通过在应用中优化和迭代技术，我认为前景是乐观的。
本篇文章由陈研整理
往期精彩文章推荐
季姮教授独家文字版干货 | 面向知识渊博的大语言模型
关于AI TIME
AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。
迄今为止，AI TIME已经邀请了2000多位海内外讲者，举办了逾700场活动，超800万人次观看。
我知道你
在看
提出观点，表达想法，欢迎
留言
点击 阅读原文 观看Debate精彩回放！
