中國高校為何難出大模型？下一代AI仍依賴基礎科研的突破

ChatGPT誕生至今已過去9個多月，大模型在產業界和學界的最新進展有哪些？

(資料圖片僅供參考)

在8月24日舉行的2023世界人工智能大會（WAIC）青年優秀論文獎頒獎儀式暨青年科學家論壇上，談到大模型為何難以首先誕生在高校，同濟大學計算機系副主任何良華教授認為，學界之所以很難出現ChatGPT這樣的模型，主要是算力和數據的問題。

何良華說，大模型非常吃算力，高校也難以去購買大量的算力。而有了算力之后，要把參數訓練得比較成熟，需要海量的數據，但是學界是拿不到這么多數據的。除了這兩個問題，還和學界自身的需求有關。“我們都期望在理論上做一些創新。比如我的學生如果跟我說現在需要幾千張卡（算力）來做一個事情，我所有的經費給他也不夠，課題也難以立項。因為它既不是應用，又不是理論，找不到這樣一筆經費，研究只能中斷。”

和團隊率先在國內發布了具備 ChatGPT 能力語言模型MOSS的復旦大學計算機學院教授邱錫鵬表示，大模型更頂尖的研究機構在業界，這是一個不可回避的事實。從DeepMind再到OpenAI，都是如此。美國的很多著名高校，從研究實力上看已經落后于這些頂級的研究院了。

邱錫鵬解釋，學校和研究院的差異還是在于自由的探索。對于很多研究院來講，長期的目標還是奔著盈利，包括國內很多企業之前也建了很多研究院，過不了幾年就發現可能面臨著盈利、變現的壓力，導致做的研究不是特別純粹。在他看來，OpenAI的團隊是一個以前沒有出現過的形態，這種制度設計非常好，能使團隊既能堅持本心做研究，同時也沒有那么大的壓力。

“在學校的話還是要發揮學校的長處，做的研究沒有太多的盈利要求或面臨短期變現的壓力，也可以思考得更長遠。特別在如今高算力要求的情況下，在學術界和產業界的研究院之間，還是可以發揮學術界的優勢。”他說。

上海科技大學生物醫學工程學院常任助理教授錢學駿則認為，工業界做出的很多有影響力的工作，可能不是學界追求的主要目標。“學界可能更想（發明）一種思路上的創新（新想法、新應用），而不是通過大算力、大數據，各方面的優勢集中做出來了，對學界來說這些也不夠有優勢，無法獲得大量數據。”

華為諾亞方舟實驗室AI研究員謝恩澤說，怎么構建高質量的數據集，可能是對于大模型能力一個很重要的補充。訓練大模型本身來說，用多大參數的模型、配多大的數據量，以及用多長時間，這些協同也是很重要的。而這些只有在少數幾個大廠才有機會接觸到這些資源。

今年以來，生成式人工智能的發展成為地方政府和科技大廠瞄準的關鍵詞。科技部人工智能發展研究中心5月底發布的《中國人工智能大模型地圖研究報告》顯示，當前國內10億參數規模以上的大模型已發布79個。

在不久前的浦江基礎科學發展論壇上，清華大學人工智能研究院常務副院長孫茂松教授對第一財經表示，我國乃至全球發展大模型最終的突破關鍵，是基礎科學的突破。

他說，對于大模型，當前的問題在于并不清楚OpenAI的機理是如何運作的，就連推出ChatGPT的OpenAI公司首席執行官薩姆·奧特曼也表示，雖然做出了GPT但也不清楚發生的原理，“實際上就是對這個機理還不清楚”。他認為，現有的人工智能模型已經能做到說話通順，但這個問題的內在實現邏輯仍然十分復雜。如果弄清楚了大模型里的規律、ChatGPT背后的機理，就有可能克服現有人工智能大模型的局限性，建立下一代人工智能的理論和模型。

標簽：