嘉宾|谭忠义、朱士虎组织|徐杰成2022年注定是人工智能值得铭记的一年。在产业层面，取得了长足发展和长足进步，一大批创新技术从概念走向实践。年初，AI加持下的冬奥会为我们带来了全新的观赛体验；年中，AI绘画从虚幻走向现实，斩获多项竞赛奖项；狂欢即将进入高潮……无论是底层技术的突破，还是各类应用的不断绽放，在过去的一年里，人工智能向我们展示了它的无限可能。为了更全面地了解人工智能领域的发展现状和未来趋势，内容中心特邀第四范式架构师谭忠义；五个关于技术和产业的话题，希望能从他们那里得到更多的答案。1、2022年人工智能领域关键词谭忠义：2022年最热门的关键词在技术层面无疑是“AIGC”，而在产业层面我觉得应该是“AI工程”或者说MLOps。因为今天无论是国内还是国外，科技媒体、产品、创投领域都非常关注AI工程。AI工程和MLOps的核心理念是让机器学习更快地在企业内部实现大规模落地，这也是过去一年人工智能相关行业最关注的问题。朱世虎：从政策层面看，政府将主导2022年数据要素国家战略，提出数据要素是重组全球资源、重塑全球经济格局、改变竞争格局的关键力量。目前中国IT的底层标准、架构、产品、生态多由国外技术厂商决定，底层技术和信息安全问题较多。因此，随着全球IT生态系统从过去的单一层次发展到未来的多层次，我们需要构建自己的底层IT框架。所以，在信创的大背景下，我觉得2022年人工智能乃至整个科技行业的关键词应该是“科技有国界”。2、人工智能前沿领域的技术发展与应用现状谭忠义：在应用层面，在AI工程领域，第四范式在过去一年积累了大量自研技术并开放源，包括线上线下一致性生产OpenMLDB，高阶特征平台，可为快速发展的企业实现实时预测、风控和场景推荐，解决时序特征、高效读取、线上线下一致性等问题.开源一年多以来，与上下游开源技术生态形成了良好的合作，取得了良好的效果。在技??术层面，第四范式一直坚持对AI的深耕，现阶段主要关注两类AI在企业内部的落地。一种是感知AI的实现，比如CV和NLP。另一种是实施决策AI，为企业制定战略，如风控、推荐、预测等与企业运营密切相关的场景。这个过程中有两个关键点比较重要。一是快速推出优质机型；另一种是不断训练、反馈和调整模型，使模型始终保持前沿和高效。性别。对于AI场景较多的企业，在这种情况下，单个企业可以产生规模化的效益，实现从量变到质变的转变，使企业从传统数据公司向AI公司演进。增强核心竞争力的目的。朱士虎：近年来，人工智能技术在金融行业的应用已经比较成熟。过去一年和未来几年，主要要做的是用金融业务引领金融科技的发展。比如在消费金融领域，银行在做消费金融接入模型的时候，第一代是规则驱动的模型，第二代是规则+数据驱动的模型，第三代是大数据驱动的模型。现阶段，智能算法要解决的核心问题之一就是样本不足。在实际做智能风控的过程中，总结了一套手册。例如，当数据的维度不够时，第一种方式，可以使用新的特征组合方法AutoCross来增加维度。第二种方式是在样本不足的情况下使用迁移学习。当样本标注成本较高时，很多样本没有标注，可以采用主动学习的方法。当样本标注错误率较高时，比如有一些外部数据，其标注的数据标注错误率比较高，就需要使用ConfidentLearning算法。当样本的标签很少时，比如用于交易反欺诈时，此时可以选择使用半监督学习的算法。这也是近一两年总结出来的比较成熟的方案。三、人工智能上下游产业市场环境的演变方向谭忠义：未来从事人工智能应用的科技公司可能分为三种类型。首先是拥有构建大规模模型的资源，比如海量数据、海量计算能力；拥有行业顶尖科学家的公司，可以做出精度高、普适性好的大型模型，就像AutoAI一样，他们可能会以API的形式对外提供服务。第二类是场景丰富的公司。例如，对于每个场景，AIGC可以用在各种需要内容的地方，做各种应用。第三类介于两者之间，提供更多的工具来帮助两者更好的对接，比如保证数据的准确性，保证在线服务的稳定性和监控，做模型版本和企业类Beta。从行业来看，目前我国AI落地主要集中在与企业智能化转型相关的行业。目前最热门的行业是金融行业，有场景，有钱。这是几乎每家AI科技公司都必须争抢的行业。第二种看好的是新消费、新零售。在新消费、新零售的当下，很多企业和行业都在不断推出新产品。新产品的爆发速度相当快，而且是通过很多新媒体、新渠道来完成的。营销、物流、供应链中有很多很多AI需求。第三类是一些制造业。目前重点仍集中在安全巡检、安全生产、故障检测等一些传统的CV领域。CV领域也可以提高一定的效率，但还不足以彻底改变行业的工作模式。届时，彻底颠覆可能还需要数年时间。朱士虎：从一个AI从业者的职业转变，我们很容易理解人工智能行业的变化趋势。以我个人为例，我本来是从事人工智能算法行业的，后来从算法转到技术，再从技术转到数据，现在又从数据转到业务，这里面其实有很深的逻辑。刚开始做模型的时候发现，如果没有技术去承载，模型只能嵌入到企业的风险管理中，只能嵌入到管理流程中，而不能嵌入到具体的商业。模型一定要嵌入到技术体系中，这样我才能下沉到具体的业务中去，所以我从做模型变成了做技术。做了科技之后，我发现了第二个问题，就是在模型和算法方面，数据对模型的贡献远大于算法对模型的贡献。意识到数据的重要性后，我转而用技术来解决问题。打算做数据。整理完数据，我又转身去做生意了。这里面有两个逻辑。第一，模型基于数据，数据基于统计，统计基于口径，口径由业务部门决定。但是，业务部门在制定业务口径时，往往会在战略上将业务口径与业务需求模糊化。其次，大部分行业数字化转型的本质还是以业务为主导，在产业发展方面也是如此。4、生成式AI的演进路径和可能的实现场景谭忠义：生成式AI最近受到了业界的广泛关注，这确实是一件好事。近两年的AI领域，大模型的新场景其实还是比较稀缺的。现在，ChatGPT之所以让大家耳目一新，是因为它确实让用户觉得它解决了很多以前多轮对话无法解决的问题，而且还以大模型，给大家更多的信心。市场总是需要技术热点。技术热点的存在可以维持资本家的信心，而资本家的信心可以促使他们为这些技术更快的下滑买单。对于生成式人工智能的商业化，可能分为三种。第一个是OpenAI，有钱、有人、有算法，可以通过API产生足够的收益。比如AutoCAD公司，其Photoshop已经整合了AIGC的部分功能，另外几家AIGC公司也产生了数千万的收入。这是只有少数做大模型的公司才能做到的事情。第二类是将AIGC的能力与业务场景相结合。业务集成商需要找到很多具体的业务场景，然后再考虑成本和效率等问题。这需要大量的设计。只有不断进取，才能形成好的榜样。第三种模式，最近OpenAI的CEO也提到了。介于两者之间还有第三种公司，可以是Finetune的普通通用大模型的技术提供者，可以针对特定的业务场景，然后针对这个特定的业务场景对大模型进行finetune，这样也可以实现商业落地。回到根本，我们还是要解决业务，或者解决用户的实际问题，这需要不断的探索和尝试。很高兴看到AIGC的火爆，让大家对AI事业更有信心，也让更多的风险资本投入其中。我认为这一切都很好。朱士虎：同样以OpenAI的ChatGPT为例。它最吸引人的地方在于，每次与它交流，得到的内容都是不同的。这也是其中最有趣的部分。但是从应用的角度来看，这里有一个很严重的问题。当用户每次都向系统输入相同的变量时，其返回的变量是不可控的，这意味着AI很难承担责任。过去和现在，我们用的智能客服让用户觉得很傻，它的语料库都是提前设置好的。但也正是这种“傻”，让很多行业敢于使用智能客服，因为它反馈给用户的每一条信息都是被控制的，它说的每一句话都是对企业负责的。但是当智能客服失控时，在实践中就会出现很多问题。比如联邦学习公司在推荐一个联邦学习算法的时候，他会介绍这个算法能做什么，但是对于很多行业来说，恰恰是我把我的数据喂给你了，我的数据的用途是有限的。要被控制，它一定不能做某些事情，我关心的是它不能做什么，而不是它能做什么。同样，对于ChatGPT，我在乎的是你的发言一定要在我们可以承受的范围内，你的发言一定要在我们的控制之下，不能随心所欲的做自己的不同想法。但在技术上，遗憾的是我们目前还无法做到这一点。过于灵活、过于聪明的AI，可以做很多我们无法想象的事情，后果也难以承受。这就是技术和工业的区别。一般来说，技术和商业模式的关系是比较间接的。GenerativeAI现阶段确实可以帮助我们做一些创造性的工作，但是这里的商业模式还没有完全成型。.在需要更高精度的任务中，生成式人工智能还有很长的路要走。5、未来人工智能技术与产业结合的趋势谭忠义：AI是一种算法，它与各种企业的结合是必然的，尤其是随着各种企业进行数字化、智能化转型，AI+各种企业+各种场景，即AI+万物，已经呈现出越来越快的趋势。我个人认为未来几年的杀手级应用是自动驾驶。自动驾驶是一种集成人工智能的应用。是一款可以极大方便人们出行的应用。当它和车、路很好的融合在一起的时候，各种算法就可以起到很好的作用，同时完善这种规章制度。未来五年内能够大量落地、刷新大家认知的杀手级应用很可能是L4甚至L5级别的自动驾驶。朱士虎：未来五年，自动化的证券和股票交易会更加成熟，甚至会取代人工。机器在这个领域取代人类是一个非常明显的趋势。并且值得注意的是，之前基于股价因子库的算法正在逐渐被抛弃。未来AI在自动化交易领域面临的最大问题将不再是股价的变化，而是AI1和AI2成为交易对手，两者之间将出现模型对抗。那就是了解你的对手将如何处理这只股票。当AI模拟差不多的时候，用户就可以赚钱了。因此，未来AI算法将在自动化交易领域取代90%甚至99%的人类，未来自动化交易的算法将不再是常用的基于因子库的模型，而是一套理论即借鉴博弈论模型进行斗争。人们要做的就是选择目标和策略，剩下的就交给AI了。
