用户输入简短的文字,大模型自动生成创意图像和视频;扫描X光、CT影像,大模型辅助医生为患者分析诊断病情;1分钟内快速预测未来10天的天气,若有极端天气可能,提前发出预警……当前,人工智能大模型蒸蒸日上,各式各样的新应用层出不穷,正在加速赋能千行百业。
随着大模型行业快速演进,其专业领域也不断细分。对特定场景而言,并非所有企业都需要通用大模型的“全能”,而是更需要模型的精度。“相比之下,通用大模型的开发成本高,常伴随十亿元甚至百亿元的高昂成本。”李丕绩表示,通用大模型如同“地基”,有不同的训练语料,就可以搭建不同的“房子”。对某些应用场景来说,花费较低成本训练出一个垂类大模型,也能非常容易满足用户需求。
“大模型已经从语言模型走向多模态,这是技术走向落地的一个重要阶段。”北京智源人工智能研究院副院长兼总工程师林咏华表示,当前,在通用领域,大模型初步呈现了一定的场景应用能力,然而,在医疗健康、教育等垂直领域,大模型所展现的能力尚不足以支持专业应用,其根本原因在于模型训练缺乏高质量可用的行业数据集。
环境污染治理也是目前垂类大模型落地的领域之一。有专家这样认为,过去环境污染防治更多依靠当地考验查证和人工决策,而垂直大模型的落地为环境污染治理提供了技术支撑,依托数据就能对污染处理作出更客观精准的判断,实现科学治污、精准治污。数字技术与环保大模型的进一步融合,将推动环境监管领域实现更智能化、精准化和高效化的发展。