1.2.3 大模型的應(yīng)用

傳統(tǒng)語言模型和大模型的應(yīng)用有著明顯的區(qū)別。如上所述，傳統(tǒng)語言模型主要用于計算一段單詞序列的概率，我們將這一應(yīng)用方式定義為“測量”。而大模型側(cè)重于根據(jù)上下文信息產(chǎn)生新的內(nèi)容，我們將這一應(yīng)用方式定義為“生成”。如果把傳統(tǒng)語言模型比作測量用的尺子，大模型則更像是可以產(chǎn)生各種布匹的織布機(jī)，兩者在應(yīng)用上有著巨大的差別，但是又在基本的構(gòu)成元素上有著很強(qiáng)的關(guān)聯(lián)性。

大模型可以應(yīng)用于許多領(lǐng)域，這里介紹一些大模型的典型應(yīng)用。如圖1-4所示，搜索引擎可以使用大模型來提供更直接、更貼近人類語言交互的答案。這些模型可以幫助搜索引擎更好地理解用戶的查詢，并返回更加準(zhǔn)確、詳細(xì)的結(jié)果。除此之外，大模型可以用于改善聊天機(jī)器人（Chatbot）的效果，可以更加準(zhǔn)確地理解用戶的意圖，并生成更為相關(guān)的回復(fù)，從而提供更好的客戶體驗。在軟件開發(fā)領(lǐng)域，大模型可以幫助軟件開發(fā)人員生成軟件代碼，提高軟件系統(tǒng)的研發(fā)效率。在法律領(lǐng)域，大模型可以進(jìn)行法律釋義，并提供更好的法律建議，從而幫助從業(yè)人員更好地理解法律文本。如今，大模型的應(yīng)用已經(jīng)百花齊放，在非常多的領(lǐng)域和行業(yè)中重塑著產(chǎn)品和體驗。

圖1-4 大模型與搜索引擎相結(jié)合

值得一提的是，除了上述常見的功能，大模型還具有領(lǐng)域綁定的特性，即通過一些提示信息來扮演特定領(lǐng)域的角色的能力。例如，為了讓大模型扮演唐朝詩人李白的角色，我們可以在對話的一開始插入一條問候語：“嗨，我是詩人李白。”在接下來的交互中，用戶即可與李白的角色進(jìn)行交流，如圖1-5所示。利用大模型的這個能力進(jìn)行商業(yè)化探索的一個典型案例是character.ai[1]。在這個平臺上，用戶可以創(chuàng)建“虛擬人物”，然后將其發(fā)布到社區(qū)與其他人聊天。其中，許多角色是歷史或者現(xiàn)實生活中的名人；有些是為了特定任務(wù)而制作的，如協(xié)助寫作或扮演游戲角色。用戶可以與一個虛擬角色聊天，或組織包含多個虛擬角色的討論組，或同時與虛擬角色或其他用戶聊天。

圖1-5 大模型的領(lǐng)域綁定

大模型的模型結(jié)構(gòu)及其思想對很多傳統(tǒng)的人工智能應(yīng)用都有啟發(fā)意義。例如，OpenAI提出的Whisper語音識別系統(tǒng)[7]基于Transformer架構(gòu)，使用數(shù)十萬小時的多語言數(shù)據(jù)以及多種任務(wù)類型的數(shù)據(jù)進(jìn)行訓(xùn)練。Whisper與大模型的結(jié)構(gòu)非常類似，也支持多種不同的任務(wù)，比如可以進(jìn)行多種語言的語音轉(zhuǎn)錄，以及將這些轉(zhuǎn)錄的文本翻譯成英語。類似地，OpenAI在2024年提出了基于Transformer架構(gòu)的文生視頻（Text-To-Video）模型Sora[2]，該模型可以基于用戶輸入的文本生成對應(yīng)的高質(zhì)量視頻，并且支持多種時長、視角和清晰度。