展會信息港展會大全

大模型已進入應(yīng)用階段 專家:算法脆弱性等問題仍待解
來源:互聯(lián)網(wǎng)   發(fā)布日期:2024-12-11 14:55:23   瀏覽:145次  

導(dǎo)讀:每經(jīng)記者:王琳每經(jīng)編輯:梁梟“百模大戰(zhàn)”告一階段,國內(nèi)大模型領(lǐng)域開始進入到各行各業(yè)的應(yīng)用探索階段。12月6日,“2024 AI+數(shù)字筆跡創(chuàng)新應(yīng)用發(fā)展論壇”在重慶舉行。《每日經(jīng)濟新聞》記者在現(xiàn)場注意到,阿里云副總裁、產(chǎn)業(yè)智能首席科學(xué)家張磊表示,大模型真正變成生產(chǎn)力可能會經(jīng)歷三個階段,最終將打破固有的生產(chǎn)關(guān)系。越往深層走,大模型作為一個新質(zhì)生產(chǎn)力產(chǎn)生的業(yè)務(wù)價值、 ......

每經(jīng)記者:王琳每經(jīng)編輯:梁梟

“百模大戰(zhàn)”告一階段,國內(nèi)大模型領(lǐng)域開始進入到各行各業(yè)的應(yīng)用探索階段。

12月6日,“2024 AI+數(shù)字筆跡創(chuàng)新應(yīng)用發(fā)展論壇”在重慶舉行!睹咳战(jīng)濟新聞》記者在現(xiàn)場注意到,阿里云副總裁、產(chǎn)業(yè)智能首席科學(xué)家張磊表示,大模型真正變成生產(chǎn)力可能會經(jīng)歷三個階段,最終將打破固有的生產(chǎn)關(guān)系。越往深層走,大模型作為一個新質(zhì)生產(chǎn)力產(chǎn)生的業(yè)務(wù)價值、社會價值將會越來越大。

隨著大模型的應(yīng)用進入日常生活以及生產(chǎn)經(jīng)營領(lǐng)域,其安全短板也亟待解決。電子科技大學(xué)網(wǎng)絡(luò)空間安全學(xué)院院長、俄羅斯工程院外籍院士張小松認為,大模型的背后是機器學(xué)習(xí),而機器學(xué)習(xí)存在脆弱性,需通過多種措施加以應(yīng)對。

行業(yè)重點向應(yīng)用層遷移

近年來,國內(nèi)的大模型領(lǐng)域經(jīng)歷了“百模大戰(zhàn)”,各行各業(yè)的開源、閉源大模型層出不窮。

在張磊看來,大模型產(chǎn)業(yè)中長期可能有兩個比較重要的發(fā)展趨勢:一是從大模型利用或者需求的角度來說,肯定會呈現(xiàn)大模型越來越多、百花齊放的普惠效應(yīng)趨勢;二是在整個大模型技術(shù)、基礎(chǔ)設(shè)施的供給上,全球范圍內(nèi)又將是一個比較極化的效應(yīng)趨勢,即寡頭格局、強者愈強。

因此,張磊認為,在大模型的供給方面,需要生態(tài)圈里最頭部的廠商抱團,包括云計算廠商、運營商、硬件廠商等,從而形成一個完整的產(chǎn)業(yè)鏈。

與此同時,值得注意的是,隨著“百模大戰(zhàn)”需要的投入越來越大,行業(yè)發(fā)展的重點也逐漸向應(yīng)用層遷移。

張磊表示,大模型真正變成生產(chǎn)力可能有三個階段:第一個階段是沒有行業(yè)屬性的大模型應(yīng)用,包括客服、問答、數(shù)據(jù)分析、報表總結(jié)、文本及圖片生成、會議紀要生成、招聘輔助等,各行各業(yè)都可以用;第二個階段是大模型通過智能體、私域數(shù)據(jù)庫、小助手的方式進入有行業(yè)屬性的實際場景的業(yè)務(wù)流程中,開始為現(xiàn)有的業(yè)務(wù)流程降本提效;第三個階段是大模型將產(chǎn)生新的能力,開始去重構(gòu)業(yè)務(wù)流程,打破固有的生產(chǎn)關(guān)系。

而對于推動大模型產(chǎn)業(yè)的發(fā)展,張磊也給出了自己的建議,包括統(tǒng)籌算力、構(gòu)建高質(zhì)量的數(shù)據(jù)集、大力推動人才培養(yǎng)以及加速示范應(yīng)用。

安全問題不容忽視

在大模型逐漸進入應(yīng)用階段之際,數(shù)據(jù)安全和算法漏洞等問題也愈發(fā)受到各方關(guān)注。

張小松指出,大模型的實踐手段是機器學(xué)習(xí)。在機器學(xué)習(xí)的早期,存在幾個威脅:一是機器學(xué)習(xí)的算法非常脆弱,脆弱到甚至還不如幾歲的小孩,稍微把圖形圖像的內(nèi)容進行篡改就會發(fā)生識別錯誤;二是部分人利用機器學(xué)習(xí)的錯誤來操縱大模型,例如有意喂錯樣本進行投毒攻擊或?qū)构簦ㄟ^有選擇性地學(xué)習(xí)進行逃逸攻擊。

“所以一是要對學(xué)習(xí)過程進行完整性檢測,二是要對推理過程進行防錯性檢測,三是要對機器學(xué)習(xí)內(nèi)容樣本進行隱私保護處理!睆埿∷裳a充道。

值得一提的是,在人工智能時代,由深度偽造等帶來的挑戰(zhàn)也愈發(fā)顯現(xiàn),網(wǎng)絡(luò)安全中的身份認證問題亟待解決。

《2024人工智能數(shù)字筆跡技術(shù)白皮書》在論壇現(xiàn)場發(fā)布。根據(jù)白皮書內(nèi)容,AI數(shù)字筆跡將成為多模態(tài)生物特征識別的重要手段之一,并作為數(shù)字交易中確權(quán)和授權(quán)的底層基礎(chǔ)技術(shù),在數(shù)字經(jīng)濟高質(zhì)量發(fā)展中發(fā)揮非常重要的作用。

“AI在提高數(shù)字筆跡識別準確率方面可發(fā)揮關(guān)鍵作用,通過卷積神經(jīng)網(wǎng)絡(luò)(CNN)等深度學(xué)習(xí)模型,未來本人數(shù)字筆跡識別的識別通過率將提高到99.99%。”白皮書顯示。

每日經(jīng)濟新聞

贊助本站

相關(guān)內(nèi)容
AiLab云推薦
展開

熱門欄目HotCates

Copyright © 2010-2024 AiLab Team. 人工智能實驗室 版權(quán)所有    關(guān)于我們 | 聯(lián)系我們 | 廣告服務(wù) | 公司動態(tài) | 免責(zé)聲明 | 隱私條款 | 工作機會 | 展會港