AI大模型迈入应用时代,每日互动推动“可控大模型”落地

简介: ChatGPT的推出引爆了一场波及全球科技领域的“AI飓风”,越来越多的企业入局大模型赛道,推动AI全面迈进应用时代。在2023数据安全发展大会上,每日互动创始人、CEO方毅谈及大模型,他表示,大模型的能力令人震撼,“吃”的是数据,“吐”的是智能。通过与行业知识结合,大模型能从海量的数据中提取出有价值的信息,为业务决策提供智能支持,但现阶段大模型缺乏对价值观的判断。在实际的业务场景中,垂直行业更需要“可控大模型”。

WechatIMG100.png

垂直行业更需要可控大模型
当下,大模型正在不断精进,以GPT-4、文心一言为代表的大模型(LLM)表现出了强大的逻辑推理能力,并能够很好地处理复杂任务,使得社会生产力得到了飞跃式提升。

面对大模型热度的持续狂飙,很多企业跃跃欲试,希望在发展和应用大模型的道路上抢占先机。然而在实际落地大模型的过程中,企业发现目前的大模型多是通用大模型(GLM),这些通用大模型未经过相应专业领域知识的系统性训练和学习,无法很好地满足垂直领域的专业需求;而如果考虑结合所在行业的细分需求、专业Know-How进行大模型的精调,则要花费高昂的算力成本,也需要足够优质的“算料”,也就是数据的“投喂”。此外,这些数据在流转过程中的合规安全问题,也是企业进行大模型应用过程中需要关注的重要因素。

综上,每日互动率先提出垂直行业更需要可控大模型。具体而言,大模型的可控体现在算力、算法、算料等三个方面:一是在“算力”上实现成本可控。相信随着云计算、芯片等技术的不断突破以及一些大模型走向开源,未来企业接入和使用大模型所需要的成本将越来越可控。二是在“算法”上要应用可控,即大模型的应用场景和计算输出结果要可管、可控、可计量。未来在足够的算力和算料支撑下,大模型的能力将进化到更高的水平,行业需要确保大模型做出的决策保持公平和善意。三是在“算料”上要安全可控。算料即数据,当下对每个企业来讲,数据要素都具有非常重要的战略意义。如何在数据流转和处理链路上,真正做到安全、可控,更好地保护个人隐私?这是当下大模型发展需要重视和解决的命题。

推动大模型实现安全可控

作为一家数据智能企业,每日互动更多的是推动大模型在“算法”和“算料”这两个层面实现可控。每日互动首倡大数据联合计算模式,并积极参与中国(温州)数安港建设,推动大模型在算法应用和数据安全层面实现可控。数安港打造的大数据联合计算平台,为垂直行业进行大模型的训练提供了安全可控的闭环容器。

首先,在数据安全层面,平台实现了“数据不流转而数据价值流转”“数据可用不可拥”,使各方数据得以在一个具有公信力的中立安全环境中进行融合计算,共同参与大模型的训练和调优。其次,大数据联合计算平台采用“三审核、三隔离”的方式,会对数据处理逻辑算法、输出结果、应用场景等进行严格审核,实现了大模型在算法应用场景和计算结果上的可控。

每日互动的可控大模型探索
在推动大模型实现可控的前提下,每日互动也积极探索将大模型与自身数智能力结合,帮助垂直领域客户更好地解决具体的业务问题。

每日互动积累了海量的数据资源和深厚的行业经验,在算法建模、图像视觉、机器学习等前沿技术领域持续深耕。每日互动通过充分释放“算料”价值,输出“算法”经验,辅助垂直行业客户定制化训练专属自身的垂直大模型,更好地发挥大模型的能力以针对性解决具体的业务场景问题。

为助力垂直行业客户的数字化转型升级,每日互动打造了数据智能操作系统DiOS(Data Intelligence Operating System)。DiOS承担着“让数好用,把数用好”的使命,致力于帮助行业客户更高效地管理和使用数据。目前,每日互动也在尝试将大模型融入到DiOS产品中,推进研发DiOS智能助手。通过接入开源大模型,并进行私有化部署和专门调优,每日互动将公司在治数、用数方面的经验和能力以及元数据等输入给大模型学习,推动大模型进化成为一个数据治理、加工和应用方面的超级专家,以DiOS智能助手的形态为客户服务。

类似ChatGPT的交互方式,未来行业客户可以用自然语言对话的方式,与DiOS智能助手进行互动。“我想了解本月公司的App在浙江的活跃情况,请帮我写段分析代码”“请帮我圈选出周边游偏好人群”“我要做公司快消类目商品的销售业绩分析,用哪些数据分析模板比较合适”……每日互动希望通过大模型能力的应用,变革数据治理和应用的范式,让更多的行业客户和中小企业能够极其便捷地挖掘数据价值,实现数智普惠

在商业服务领域,每日互动正在探索通过大模型解决投放人群和创意素材精准匹配的难题,帮助品牌广告主和互联网企业实现更有效的广告投放及用户触达。在品牌营销场景,每日互动正在打造“智选人群”功能,帮助营销人员基于广告文案和商品特性找到对应的TA人群。借助大模型对文本语义的学习和理解,每日互动帮助营销人员提取出商品和广告文案的内容特征,并智能预测出高购买潜力人群,进行定向触达,从而提升广告投放效果。

此外,每日互动也在探索应用大模型等前沿技术以促进内部生产经营效率提升的创新方案,比如结合语言链、RPA(机器人流程自动化)等技术,将以往需要大量人工操作以及复杂流程才能实现的诸多环节进行自动化,并在积累一定规模知识之后,逐步实现业务流程的智能化,让员工得以更加专注于高层次的工作,进一步释放内部生产力。

对于大模型,每日互动CTO叶新江做过一个非常形象的比喻,“大模型相当于一个全新的大脑,输出中枢能力,但它需要手和脚,才能和环境互动、反馈和优化,并完成各种具体的动作”。

每日互动自身的核心业务逻辑就是“DMP(Data-Machine-People)”,构成“数据积累-数据治理-数据应用”的业务闭环。每日互动正是基于DMP的闭环路径开展可控大模型的行业落地实践,把大模型“大脑”的能力输出给各行各业使用,并结合行业客户的应用反馈持续进行大模型的训练迭代。我们期待和行业伙伴们携手,在安全可控的前提下,更好地应用大模型,推动产业发展和社会进步。

目录
相关文章
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
AI大模型助力客户对话分析
该AI大模型解决方案利用NLP和机器学习技术分析客户对话,提升服务质量和用户体验。方案实践原理清晰,涵盖数据处理、模型训练等步骤,适合技术背景不同的用户。阿里云提供详尽的部署引导和文档,降低学习成本。Python脚本实用,但需注意环境配置。方案能满足基本对话分析需求,特定场景下需定制化开发。
47 28
|
3天前
|
人工智能 自然语言处理 数据挖掘
文档智能 & RAG让AI大模型更懂业务
《文档智能 & RAG让AI大模型更懂业务》解决方案基于阿里云的文档智能解析与检索增强生成技术,实现非结构化文档向结构化信息的转化,提升AI在特定领域问答的能力。方案提供了详尽的部署指南,包括文档处理、知识库构建等步骤,确保新手也能轻松上手。部署体验良好,未遇重大问题,但建议增加故障排除指南。体验中,LLM知识库展现出高准确率和响应速度,尤其适合处理专业查询。该方案适用于客户服务、知识管理和数据分析等场景,满足生产环境需求,但对于小型企业需考虑成本效益。建议阿里云提供多规模解决方案及定制化选项,以适应不同需求。
24 10
|
3天前
|
存储 人工智能 Serverless
AI大模型助力客户对话分析评测文章
在数字化时代,企业面临客户对话数据处理的挑战。阿里云推出的AI大模型助力客户对话分析方案,通过整合多种云服务,实现对话数据的自动化分析,提升服务质量和客户体验。本文将详细介绍该方案的优势与实际应用效果。
|
1天前
|
人工智能
1024 云上见 AI大模型助力客户对话分析 2000个智能台灯等你来领
1024 云上见 AI大模型助力客户对话分析 2000个智能台灯等你来领
13 3
|
1天前
|
机器学习/深度学习 人工智能 算法
介绍一下AI在药物研发中的应用。
【10月更文挑战第16天】介绍一下AI在药物研发中的应用。
7 0
|
2天前
|
敏捷开发 人工智能 运维
汽车革命下半场AI先锋:广汽为新“智”汽车装配大模型“底盘”
汽车革命下半场AI先锋:广汽为新“智”汽车装配大模型“底盘”
|
2天前
|
数据采集 人工智能 自然语言处理
文档智能 & RAG让AI大模型更懂业务
报告概述了阿里云在企业文档处理与问答系统中的应用。通过高效的文档清洗、向量化及RAG技术,实现了快速、准确的问答召回,提升了知识库利用率。系统表现出高自动化、灵活性和语义保留能力,但仍需优化冷启动、多语言支持及复杂查询处理等方面。
|
2天前
|
机器学习/深度学习 数据采集 人工智能
AI 大模型助力客户对话分析
该评测深入分析了“AI大模型助力客户对话分析”方案,涵盖实践原理、实施方法、部署过程、功能满足度及潜在改进空间。通过NLP和机器学习技术,方案能有效提升服务质量和客户体验,但针对特定行业需求尚需定制化开发。
|
2天前
|
人工智能 弹性计算 自然语言处理
触手可及,函数计算玩转 AI 大模型
在AI技术迅速发展的背景下,大模型正推动各行业的智能化转型。企业为抓住机遇,纷纷部署AI大模型。阿里云函数计算凭借按量付费、高弹性和快速交付的特点,成为企业部署AI大模型的理想选择。本文介绍阿里云函数计算的技术解决方案,分析其优势,并通过具体应用场景评测其在AI大模型部署中的表现。
|
2天前
|
机器学习/深度学习 数据采集 人工智能
智能化运维:AI在IT运维中的应用探索###
随着信息技术的飞速发展,传统的IT运维模式正面临着前所未有的挑战。本文旨在探讨人工智能(AI)技术如何赋能IT运维,通过智能化手段提升运维效率、降低故障率,并为企业带来更加稳定高效的服务体验。我们将从AI运维的概念入手,深入分析其在故障预测、异常检测、自动化处理等方面的应用实践,以及面临的挑战与未来发展趋势。 ###