人工智能通用大模型(ChatGPT)的进展、风险与应对.pptx

人工智能通用大模型,(ChatGPT),的进展,风险与应对,目录,01,通用大模型的近期进展,S,通用大模型的治理风险评估,4,通用大模型的风险应对策略,2,各国通用大模型的能力比较,ni,通用大模型 的近期进展,通用大模型的近期进展,-七,平台化与简易化井进,_,j,F,%,大模型的内涵与特征,大模型的发展历,程,L,_,J,r,1,大模型的发展趋势,L,_,J,运行机制,E,!,L J i,:预训练模型的发展历程!,L J,1,i,:,匸,大模型:和里模型:协进,j,!,三大特征,1,|,1,F,多模态预训练模型,1,_,J,i,1,rur-irsirrrmniriui-rurmriirnrsiririirrtuiirr-rnTHinr urnunur-mmriurrir-T!irurtn1-,通用化与专用化井行,L,1,，,1,，,”,1 1 1 HU 1,，,1,.”1,t,l,1IBJ,MK11 UM,IJU,LB,t,1,Ml 11,U*11 BH,.”*,1,通用大模型的近期进展,4/55,大模型的内涵与特征,-,大模型是指容量较大用于深度学习任务的,模型,通常具有海量的参数和复杂的架何。,*,大模型具有更好的通用性、精度和效率，可以通过预训练或其他方式在大型数据集上进行学习再通过微调 高效地处理计算机视觉、自然语言处理等复杂任务。,f,X,f,、,Transformer,(主,C,要）、,GAN,、,通过海量数据进,微调以应用不同,解决各种复杂任务,CNN,以及,RNN,行预训练（通才）,场景（专家）,1,等架构,1 1 1,X.,_,丿 _,J,丿,1_),预训练模型的运行机制,1,通用大模型的近期逬展,5/55,大模型的内涵与特征,涌现性,扩展性,强化技术的融合,解决传统,A,【的问题,有效集成自然语言处,|,理等多个人工智能核,I,:,心研究领域的多项技,）,|,术，实现,1+1,的融,I,i,j,（合式涌现,-,-,-,-,-,-,-,-,-,-,-,r,-,I,增强模型抗攻击性,I,_,_,_,viirmBrnmiiBi,i,m iBiirvri m ran i rwrisn i mi mi m im,i,iirirmira mini,I,减少信息泄露风险,j,1,-r,F im ii film I rr i tr-rri rat,1,1 1,1,ir n,l,111 sr iirm i rat rrnrm rv-riiuim n i rminsrm,卜,广,LEE EL,一,降低,的翔瞰量,I,wi,”,十”,iti,I I im,ei,ern mram rai m m m m rri rrw”iw f rrm,l,丿,_,/,一一 一.,i,小模型的好处;,n,B,iiillrtiiraits-nsrrir-strr-tmursi r,irssmtriirsirr-it,1,通用大模型的近期进展,9/55,借助知识蒸憎等技术，大模型的能力可以传给小模型,彳乍为样本价彳直判断扌莫型，小模型可以帮助大模型快速学习,改进知识蒸馋等技术，大模型一次可以产出多个小模型,发展趋势:,大模型和小模型,”协进,利用小模型作为,Teacher,可以蒂助大模型快速收敛,如何实现大模型和小模型的联动和互助,1,通用大模型的近期进展,1W5.5,13,发展趋势：通用化与专用化并行,1,从算法只能处理一种模态到可以处理多种模态,2.,从算法仅能基于一种模态学习并只能应用于该模态到可以学习并应用于多种模态,1,通用大模型的近期逬展,11/,打,13,发展趋势：通用化与专用化并行,应用 需求,反哺技术,技术落地 _,觐,通用预训练,+专用领域预训练,=业务场景应用,通用大模型,统一模态:,统一任务:,_,，统,f,构:,使用统一的模型架构,并采用,_,相同的学习模式,_,_,构建可以适用于多种模态的通 用词表,_,将所有任务统一成序列到序列,任务,_),1,通用大模型的近期进展,12/55,便捷微调能力,低参数调优能力,场景适配,全能、简易开发服务平台,加密部署能力,自适应分布式训练能力,发展趋势：平台化与简易化并进,恫诸优,化能力,并行计算能力,推理部署,模型开发,数据增强和清洗能力,弹性容措训练能力,自适应分布式推理能力,自动化压缩育幼,大模型和小模型无缝联动能力,部署工具,微调工貝,开发工具,1,通用大模型的近期进展,1*,打,各国通用大模型 的能力比较,2,各国通用大模型的能力比较,引言：各国通用大,模型的技术进展,美国目前通用大模型 的发展现状,中国对大模型相关领 魅的布局情况,其他国家大模型技术 的发展情况,2,各国通用大模型的能力比较,15,/打,2,引言：各国通用大模型的技术进展,ChatGPT（GPT,F,Generative Pre-trained Transformer,生成预训练转换器）的岀现反映出了人工智能发展的新,趋势,即,Al,正在从感知智能向认知智能快速发展。,-,美国作为人工智能发展领域的前沿国宗其拥有一系列 具备充足技术和资金资源的公司和实验室，如谷歌、微 软、,OpenAI,等。,*,中国作为人工智能領域发展的重要参与者，中国正在加 快其在通用大模型领域的投资与硏究。例如，百度、腾 讯、阿里、科大讯飞等大型科技公司正在加速开发该领 域的技术，,ChatGPT,：,Optimizing Language Models for Dialogue,Wee trained a model called ChatGPT which interacts in a conversational way.The dialogue format makes it possible for ChatGPT to answer followup question admit its mistakes,challenge incorrect premises,and reject inappropriate requests.ChatGPT is a sibling model to InstructGPT,which is trained to fol tow an instruction in a prompt and provide a detailed response.,TRY CHATGPT,月,2,各国通用大模型的能力比较,16/55,2J,美国目前通用大模型的发展现状,美国目前的科技巨头,公司,如谷歌、微软、亚马逊、,Meta,等都在通用大模型上进行了进一步的布局与投资.,-,Stability,A,I,等,A,I,初创公司同样表示将积极布局,AIGC,、,CtutGPT,等相关技术和产业。,模型名称,开发公司,技术支持,参数量,耗费算力,主要特点,应用范围,局限性,ChatGPT,Open A,【,Generative,Pre-irained,T ransfbrmer,3.5,千亿级,3640,PetaFLOPs,per day,支持连续对话、可质疑、,主动承认错误,加入,RLHF,训练范式,文本编辑、编程.翻译、,算术,无法迸行网 页搜索、黑 箱问题,Claude,（封测）,Bard,（内测）,最大化积极影响、避免提,较,ChatGPT,较,C hatGPT,constitution-al,Anthropic,520,亿,Al,供有害建议、自主选择、,文本编辑更,代码推理更,加入,RLAIF,训练范式,长且自然,弱,较,CMPT,算可以根据最新事件进行对,将加入,犯事实性错,谷歌,LaMDA,1370,亿,ChromeO S,为,力需求更彳氐,话、更负责任,误,捜索引擎,2,各国通用大模型的能力比较,1,7/55,2J,美国目前通用大模型的发展现状,模型名称,开发公司,技术支持,参数量,耗翌算力 主要特点,应用范围,局限性,BlenderBq43,Meta,Open Pre,trained,Transformer,175,。亿,具备指令微调，可以 _ 改善其对未见任务的,零样本和少样本泛化 能力,生成创意文本、解决基本数学问 题、回答阅读理 解问题,全部访问权 限受限制,Mvgatron-,Turing,微软 英伟达,Transformer,语言模型,53DC,亿,_ 高质量的自然语言训,练语料库,阅读理解、常识 推理、词义消歧,被,Ch,住,QPT,反超,*,在人工智能大模型领域，美国各巨头科技公司均有相关的技术资源.,整体而言目前,ChaiGPT,的表现最为优异。即便是谷歌的,lM,d,在实际表现上似乎也逊于,ChalGPT.,2,各国通用大模型的能力比较,18/55,中国对大模型相关领域的布局情况,2.2,继,OpenAl,发布,ChatGPT,大模型之后，中国的各科技公司纷纷加入了大模型开发和应用的队伍，例如、腾讯、阿里、百度、科大讯飞等科技巨头公司均有跟进大模型的硏发与,应用.,对目前国内大模型发展而言，我们与国外的差距重点不在模型而在,算力。,模型名称,开发公司,技术支持,参数是,耗费算力,主要特点,应用泪围,局限性,文心一言,基于百度知识增强,较,Chai,U*.-Jr-,百度,260,。,亿,GPT,算力,生成式搜索、跨模,义本生成、将加入曰,生成乂本,（内测）,大模型,ERNIE 3.0,需求低,态理解与交互,度搜索引鑿,较短,T ransfbrmer,国内首个,AI,统一,图像描述、视觉定位、,用户使用,通义,M6,1,。,万亿,能耗低,底座、借鉴人脑的,阿里,Encoder-Decoder,文生亂视觉蕴含,量较少,模块化设计,ResNet Blocks,基于,MoE,模型的,成本较低，多模态,计算机视觉、自然语,用户使用,混元,腾讯,万亿,能耗较低,理解、跨模态理解,言处理、多模态内容,量较少,Iransfbrmer Block,理解.文案生成,a,2,各国通用大模型的能力比较,19/55,中国对大模型相关领域的布局情况,模型名称,开发公司,技术支持,参数量,蘇赛算力,主要特点,应用范围,局限性,紫东太初,中国科学 院自动化 研究所,基于昇思,MindSpore,框架,干亿,全球首个视覚-,义本-,语首 三模态预训练模型，同时 具备跨模态理解与跨模态 生成能力,跨模态检测、视觉问答、语 义描述、视频 理解与生成,项目落,地难,盘古,（未上线）,华为,Incoder-,Decoder,架构,干亿,模型具备极佳泛化能力，,效率高,跨模态检索、跨模态生成、,内容生成等,模块化,在人工智能大模型领域，中国公司的科技实力与国外公司存在一定差距。,中国企业目前正在努力将之前的发展重点（単一模型对应单一任务的专用大模型）调整为通用大模型，例如,百度源,23,年,3,月即将推出,“文心,一言”通用大模型。华为、阿里和腾讯也表示将加快通用大模型的落地,2,各国通用大模型的能力比较,20/55,其他国家大模型技术的发展情况,模型名称,开发公司,技,术支持,参数最,耗翌算力,主要特点,应用范围,局限性,YaLM,俄罗斯,Yandex,Generative,Pre-trained,Transformer,100,。亿,能耗较高,采用,Apache 2.0,授权，同时允许硏究及商 业免费使用,生成?口处理文本,处于行业,中下游,Gopher,英国,DeepM ind,Transformer,语言模型,28QD,亿,能耗较低,超大型的语言模型,阅读理|星、事实核 查、有害语言识别,应用范围较窄,Hyper,CLOVA,韩国,leaver,暂无公开,820,乙,提升韩语模型性能,在韩语领域的文本,多模态任务,滞后,Jurassic-1,Jumbo,以色列,A2I Labs,MRKL,模块化 推理、知识 和语舌系统,178,。亿,能軽较高,兼顾神经模型和符 号推理能力,转述、从文本,中提取数字,尚未对输岀的 潜在有害内容 进行过滤,a,2,各国通用大模型的能力比较,1,馮,发展差距：为何中美之间会存在如此差距?,通用大模型的研发已经成为各国新一轮技术竞争的核心领域.,中国企业在原创能力、技术配套、制度环境三个,方面,存在一系列亟待解决的问题,B,这些问题制约了中国通用大模型的进一歩发展,f,并导致中国与美国存在一定的技术差距,2,各国通用大模型的能力比较,22,馮,2.4,发展差距：原创能力,核心类型,具体表现,原创能力,缺乏冒险精神 缺少创新的社会文化 试错空间小 人才不足,2,各国通用大模型的能力比较,形成原因,在风险技术的投入上倾向于复制和追随,学生缺乏独立思考和批判性思考,过快的竞争和成果产出节奏压缩企业的创新时间,具有丰富经验的前沿人才不足,2.4,发展差距：技术配套,核心类型,技术配套,具体表现,关韓技术缺乏进一突破,硬件基础设施不足 数据质量不足 内容生成的多样性不足,2,各国通用大模型的能力比较,形成原因,在关键的人工智能算法上（算法透明度、曾棒性等）存在痛点,夕卜部制裁限制了中国高性育誌,J,片的研发和生产,中文语言的学习难度较大；夕卜咅職据的获取难度大,算法模型与中文语境之间的匹配有待调试和完善,24/55,2.4,发展差距：制度环境,核心类型,制度环境,具体表现,知识产权保护不足,国际合作不足 内容审查能力不足 硏发商业化程度不足,2,各国通用大模型的能力比较,形成原因,对既有权利人和,A1,生成物的知识产权保护不完善 不确定的地缘政治格局限制了中国科学家的对外合作 对,AI,生成内容的审核缺乏统一标）佳 市场的不确定弱化了外界的投资信心,通用大模型的治 理风险评估,3,通用大模型的治理风险评估,技术风险,社会风险,mmmiinBiiimnmrBinwaimiwiitMiMiinnimrvwiiiBiira,I,侵犯个人隐私,I,算法偏见,IFBII e*,vee,*eg*e w,m-a,“,*,一,4,d.,1,鲁棒性不足,诱发犯罪,n viniiiMiiBiiiBiiiriiiMlirBirnmamiimiMiiKiiBiiiMlirBrr,I,可解释性低,数字鸿海,mrri i rra,iljii it,!rn riTirTrrri riMTrni rra i-i rrrrrm rr,st,j,冲击教育体系,I,.,mw I iw,.，,I,：,I r,uwaT,1,3,通用大模型的治理风险评估,6,经济风险,，.一一*，,a;,:.,.,，；，,寡头垄断,UIIUS I11IUIIUII Ul IU4B4-M I L&I Lal IIM4I Jill,I,颠覆性変革,詹,s?,福伝函,t,】,iirirn!t rmi m rm in rmt t,l i,rwirrsim,i,世界分工重组,HiiMiMaiiMimiiiMiMiiaHiaiiHiiaHiiiiBiimiiiMiMaiiBii,政治风睑,laMit-wiinirisT-tT-siirs-sirHirrniniiffiirffiii-rtiiSTsrsTriiraHis-is,政治决策,I .,*a,，,，,ran,nn,，,nnnnm,*!,rv,-,iw,m”mrvi,，,rv r,监管失能,11,f,“ru ma I,!,I,mi.bi,.in”,.I,“im iwmni,tntrn,rtmv m rwnmnaiMM,ivjiiikii vitvvmi,miras,1,!irv mi,i,舆论引导,1,一,itwiiTiir11rvvirwi!,rt,iis,i,ii,r*vnw,:,mn,I raa ii rw nvaiMHiinii iviiHirBvn i,ibm i,mvrM,i i,m,I,国际关系动荡,!,iiaiiiaiiMiiLBiuumiiaBaiiBBJiBJiiMiiMiiMiiuuiMaiiMatmiiai,鲁榛性不足,大模,型具有,涌现性,产生错误预测,系统在面对黑天鹅事 件和对抗性威胁时表 现出的能力缺失,rsiiiriin e n limn,原因,1 J,ir,mi n,-,inninmnii,影响,1,体现,j,技术风险:,鲁棒性不足,训练数据偏差,助长算法偏见,对抗样本干扰,缺乏针对,i,吾义的 上下文理解,在具体应用场景中 考虑更细粒度的安全 问题,错误推理,语言多样性缺失,引发社会风险,朝决方法,3,通用大模型的治珪风险评估,技术风险：可解释性低,可信度降低 安全问题,人类难以理解模型的决策过程,研究的局限,r,方法多,可解释性的,结果少,AI,应用少,A,现有问题,解释效果不理想,缺乏统一的标准,应用领域仍有限,可控函交弱的原因,数据投毒,后门、木马攻击,常见词汇偏差,伪相关问题,3,通用大模型的治珪风险评估,29/55,技术风险:,算法偏见,I iw irrmran!&.,目,:原因,i,语料库缺乏代表性,机器学习习得人类偏见,数据来源不均,丿,C,数据偏见,神族偏见,性别偏见,年龄偏见,语咅偏见,职业偏见,I,地理偏见,人物形象偏见,、,X,s,-1TT-TSS?,-,_L,(表现,a,算法偏见,3,通用大模型的治珪风险评估,30/55,社会风险：数字鸿沟,数字鸿沟,技术鸿海表现:,技术主体之间,技术主体与使用者之间,3.2,危害：,不公正决策,减少少数族商或 弱势群体的参与,加剧社会不公平,损害信任,降低模型可靠性,社会在信息层面所形成的不公平现象,（技术拥有者和技术缺乏者之间的差距）,备阶段数据技术行为主体出于自身利益,考虑，,对其他行为主体产生戒备，数据 交流共享难以畅通。,大模型使用者，也即大模型技术的作用对 象，是作为数据生产者的普通大众,。他们,面临的数,字风险胶高，,而收益,甚微。,丿,3,通用大模型的治珪风险评估,31/55,3.2,社会风险：侵犯个人隐私,3,通用大模型的治理风险评估,模型设计,推理能力,监测与跟踪,三角互证与 多重验证过程,j,大模型方面,I,a,3.2,社会风险:,诱发犯罪,产生原因,语言模型辅助的内容生成 技术以更加低廉的价格更 加有效地生成虚,假信息,大模型拥有创建高度逼真 的合成文本或语音的能力,虚暇信息识别推度提高,3,通用大模型的；哥里风险评估,诱发犯罪的类型,a,33/55,3.2,社会风险：冲击教育体系,产生原因,技术因素：,高度逼真的合成文本能力,各类资料高度开源增加大,模型阻答淮确性 -,金亨,%素：,现有教育体系缺乏应对准备,学生缺乏数字素养,就业压力和学业竞争加剧,3,通用大模型的治理风险评估,缺乏相关应対措施准备,1,.,技术快速迭代与检测技术滞后之闾的矛盾,2,.限时开卷考试等传统测试手段已基本无解,3,.尚缺乏对大模型学术不端的准确界定标准,4,监管责任主体缺失,34/55,经济风险:,寡头垄断,作为当前,Al,领域的前,！,沿技术,在理,论上.,i,大模型拥有广阔的应,I,I,用空间,.,I,丿,厂,一,A,|,但当我们思考实际落地的;,!,诸方面时才发现：通用大,I,|,模型远非真正的通用,I,I,工具，是只有巨头才可以,|,i,拥有的独享,“权,杖“,.,j,丿,存储数据模型的显卡至少价值,200,万元,巨好断趋势明显模型邮需长期.大量人力投入,所需数据量仅有巨头企业能满足,一得体的交互应对背后是聚沙成塔式的细节更新,为何大模型 落地唯?,高昂的训练和能源成本,一能耗,=126,个丹麦家庭的年能耗之和,一 二氧化碳排放=行驶,70,万公塁,训练消耗的总算力,为,3640PF-,曲,ys,即每 秒运算,1,干万亿次，,需,要运行,3640,天,高不成低不就,r,承担简单:,d,乍则入不敷出,创造性岗位则难以胜任,3,通用大模型的；哥里风险评估,35/55,变革,结合大模型的,Bmg,搜索能实 时抓取信息、对捜索涉及的 事物进行自动关联实现对 制定旅行计划等开放性需求 的,回应.,捜索引擎将整合捜素、浏 览、甚至决策的功能.,经济风险:,颠覆性变革,产业重塑,搜索功能整合,3,通用大模型的治理风险评估,颠覆,-用户可以通过打字或语音交 互直接输入自己的需求，通软硬件需要联合执行用户的 伊指令，以自然语言协议为基 协,议,础的物联网通用协议将可能,36/55,*,成熟的大模型计算能力更强,在,文字处理和内容生成领域效率更,*,技术密集型工作的本质是一套操 作流程经过训练的专用模型可 以轻松,掌握.,目前在根据已有复杂数据做出判,断和预测方面大模型的能力不 会比人,类弱。,内容生成型,技术密集型,数据预测型,经济风险：哪些岗位会瞄代？,J,经济风险:,传统岗位替代,贝务顾问,数据分析师,(市场分析师,1,会计师,设计师,1,码农程序员,1,稿件采编,广告制作,f,律师助理,3,通用大模型的治理风险评估,37/,5S,美国在其力、算法、芯片等关鍵领域 都有较大优势，有能力创造出先进生,g,产力的精英模式.言,美国与中国、乃至全世界脱钩的成本护.大大降低，“小院高墙”足以自给自,专,足这将加剧技术保护主义思潮和逆兴 全球化趋势.起,经济风险:,世界分工重组,世界分工重组,3,通用大模型的治珪风险评估,其他国家，尤其是广大发展中国家在,通,用模型的硏发领域与美国差,距甚无,绵,合实力最强的,中国在模型迭,代方面,也有较大上升空间,_,基于自身先发优势，美国有能力梅建,f,新的、更固化的中心-外围,结构.,中心边缘结构固化,a,38/55,政治决策信任度危机,大模型类入化程度极高,决策者和决策对象 之间以此为媒介的沟通很难确认真实性，,政治决策者与诉求表达者之间出现双向信任,政策决策忽视偏好问题,人工智能无法完全理解和回应政治决策对象 的清感诉求。,大模型依据统计做出的政策建议或决策很可 能回应性不足口,3.4,政治风险：政治决策,L,政治决策机制重塑危险,.,)_,大模型将可能替代部分人力进行政 策建议甚至政治决策。,政治决策者依赖大,模型,导致政治,治理能力下降及政策创新力,匮乏,3,通用大模型的治珪风险评估,3,硏,5,大模型的算法和数据的鲁棒性、透 明度和可解释隹弱。,真实性存疑的输出结果持续影响公 众政治判断选择，隐蔽塑造公众,，,舆论和观念 _,_丿,国家阐释权的趋弱,大模型的高度拟人代湘使用便利性将强化公 众対它的依赖，同时增卷它对重大概念事,件的解释机,和国家的阐释权形成竞争，侵蚀国家权威由,.,意识形态武器化趋向,技术霸权国针对他国公众心理弱点，利用 大模型输出意识形态偏好，,-针对目标国,aw,亍潜移默化的意识形态渗透 和制度破坏，干涉他国内政，,潜移默化引导公众舆论,L,一一,I,一,政治风险：舆论引导,3,4,3,通用大模型的治珪风险评估,_ _ _ _,40/55,3.4,政治风险：监管失能,监管,大模型岀现的虚假和错误港 以识别和监管.,智能水军等造成巨大的监管,压力.,监管失能风险,监管需求能力差距,3,通用大模型的治理风险评估,動顾舔倾机,I,究院,Pditical Science lostituie.,F.CUPL,垄断,垄,断,侵,大模型必须的高投入导致科,I,技巨头寡头化趋势，,家,巨头垄断与侵蚀国家治理能 能,江,力,41/55,3.4,政治风险：国际关系动荡,极化,大模型的高昂投入和先发优 势导致少数优势大国的垄断 趋势。,围绕大模型的激烈竞争加剧,优势国家的技术保护主义,弱势国宗被迫选边站队科,技政治极化对抗风险激增。,国际关系动荡风睑,强化科技政治对抗,3,通用大模型的治理风险评估,大模型加剧广大弱熟国家对 少教优势国家的技术依赖.,大模型强化了西方价值观隐 蔽的支酉她位，大模型成为 推动价值观联盟形成的工島,助推价值观联盟,42,馮,4,通用大模型的,风险应对策略,4,通用大模型的风险应对策略,构建法律之治,增强竟争能力,加强市场应用,防范失业风险,推动教育改革,鲤,消除政治風险,4,通用大模型的风险应对策略,44/55,4.1,构建法律之治：基本原则,=,风险法治原则,坚持,以法治原则应对大模型技术的,潜在风险.,引导大模型技术的应用与发展尊重 和依循人类社会的良善抡理与价值口,創新激励原则,充分考虑到保障社会创新活力的价,I,值向度，切合技术发展实际和社会,I,i,现实作出可执行的规制决定,.，合里限度的责任豁免规则和试验主,|,I,义的监管方式或许是可探索的方向。丿,基本 原则,4,通用大模型的应对策略,积极责任原则,厂,、,I,.,大模型服务提供者采取积极的.与技,I,术水平相适应的风险控制措施。,-,在迭代中不断优化大模型系统的价值,i,I,敏感设计，,I,I,场景公正原则,I,在现实个案、具体风险源或法益损害,:,I,场景中寻求公正与平衡的解决方案.,I I,充分利用既有制度展开法律推理,避,：,I,免形式主义系瞞越性的立法,i,T|IB its El,iEuTL,HL.?TJ!UTi JH1S1 fE.TL,tRJtJn3,l,Bl iH i.EirTL.TUH.RiTL,ttk ,，,!,经营者向公众提供大模型服务时需向主,|,I,管部门进行备案，,：,1,对于备案的经,营者,政府可提供有限的责,|,i,任豁免、监管沙箱、,避风港,规则等政策予,）,I,以激血,j,Ir,rw m,l”n I rn,，,r I sw”l,rLW rr rm rrr,1,ri,”,r,”,n,ra,rFTU rt_i,“,it-w,l,”,LTt,-亠-,.,i,探索大模型服务避风港规则,;_一_,_,*,/,*,I,対于大模型系统中可能存在的对个体权益,j,侵权（如知识产权、人格权、数据权）,I,探索适用通知-移除规,则；,|,*,设计大模型风险控制基金、保险等工具进,|,i,行转移和补偿个体权益的损害。,j,y,丿,4,通用大模型的应対策略,.丿,1,明踊大模型服务提供者的积极责任,iB,I,raw,in,mi,i,fmj,i wi rrMmmavn m,ibi im,iMHrrMTMzrmaTHnmmi,i,rai nHrrrBMHMrii,mb,m,i,im hh,m,;,明确大模型服务提供者需承担积极采取与：,:,技术,发展坤,目适应的风险预防与控制措,:,I,施的,责任。,:及,时响应和处理监管要求和权利主体提出:,!.,的正式侵权通知,:在场景公正中作出法律推理,1 1,a.,.b.,pa q q m j,=i a,亠队，,i 4 j,=i,f,追究大模型恶意利用者的,责任；,:,追究大模型服,务商怠,于履责的,责任；,:,做好大模型相关的专项反垄断研判并细化!取证流程，,46/55,4.2,增强竞争能力：构设整体性创新机制,应对科技竞争风险的关键在于整体性创新机制的构设,整体性创新机制包括企业创新、制度配套和联盟,学习.,头部企业发挥冒睑精神，承担社会贵任,以,技术变 革的魄力引领产业整体水 平的提升*,政府提供相关配套措施的大 力支持,包括硬件基础设施 建设、知识产权保护、专业 投资预算和产业政策引导.,企业创靳,制度配套,政府、企业和科硏机构都应 该建设学习交流机制，通过 吸收先进地区的经验来降低 试错成本、加快技术硏发.,联盟学习,4,通用大模型的应対策略,47/55,4.2,增强竞争能力：培育持续性创新基础,-,应对科技竞争风险必须要在持续性创新基础之上推进。,中国在创新基础上的独特优势：不仅具备鹿大的人口基数和海量数据，而且拥有强大的社会动员,能力口,算法原始创新,I,高质量数据库,I,重,点在于构建懐,创性的,莫基式架构，,而非性,现有；,i,底层模型的基础上一味扩大模型规模，,i,I,F,I,i,数据是训练通用大模型所需的重要资源中国需,i,要在数据量和数据多样性上发挥独有优势，,i,由政府牵头设立的算力池“能够为大模型开发提供公共,I,算力*,r,二一,一,一一一,一一一,一一,一一,一,_,一 一,一一,一一一一一一,一一,一一一,一一.,4,通用大模型的应対策略,48/55,面向,1,.链接技术与应用拓展多 重应用场景，降低市场准入 门槛。,2,.实现,产业纵向与横向的精 准突破满足开发工具建设、产品化升级与社区建设的全 流程需求。,1,.发挥社会主义市场经济的 积极优势，以政府为主导，加强协作机制，,2,积极,推动中国企业以联盟 或合作的方式开发开源大模 型,平台.,面向,加强市场应用：两个面向,通用大模型作为前沿技术，在提升产业流程效率.,引,领产业智能化等领域,都具有,创造性作用,*,在实际应用环节，大模型依然面临重重阻碍，,，,为应対大模型应用落地趙的问题，我们提出了,“一个,核心、两个面向“的有效解决策略。,核心,产业需求,资源优化,市场应用,4,通用大模型的应对策略,49/55,43,加强市场应用：从生态到参与,爛,me,醋,技术,科技部门牵头,44,曲,0,头部企业群建立 公共联盟,搭建 公共大模型平台,工信部门牵头,建立,低代码开发工具,促进上、中、下游 企业全流程参与,J,4,通用大模型的应策略,从生态到参与,50/55,（一）,结构性失业,（二）技术性失业,（三）,非对称,性失业,*,需要对通用大模型的,“创新,性破坏,”作,用予以谨慎,观察.,密切关注通用大模型发展可能导致的三类失业现象，并需要提前准备综合性应对措施,三类失业,措施,*（-）,培训升级；税收优惠；兜底性失业保 障政策,（二）形成大模型“创造性效应”;建立失 业预警制度；重建失业人群动力系统,（三）组建通用大模型技术共享联合体”就业促囲顷斜,防范失业风险,4.4,综合施策,连锁反应,杜会不稳定增加,失业者増加,经济发展豈阻,4,通用大模型的应対策略,51/55,推动教育改革,爛,me,醋,推动,教育方式和内容改变,2,.更改课程作业的考核方式,3,增设数字素养课为必修课,-,培养批判性思维,-,；,-,增加口试和手写评估,-将,AI,教育设为必修课,强化学术伦理监管机制 改革学校教学考核制度 以大模型助力教育创新,1,.,提高大模型学术应用的门槛 年龄门槛与局域网限制,1,.各教学单位设立人工智能组织,2,.利用智能技术克服学术不端,AI,论文检测、水印处理,2,.推动大模型技术助力教学工作,3,与时俱进修改学术伦理规则一制定,AI,生成式内容的学术规范,3,鼓励大模型工具成为智能学伴,4,通用大模型的应对策略,52755,前提：保持战略清醒,国内,.,搭建合作平台，促进各国相关技术协作;制定国际规范，防范算法世界政治翡权;,形成,5(,寸话机制，避免科技政治极化对抗;,消弭数字鸿淘,合理引导后发国家进步.,促进社会各方技术合作;防范潜在舆论引导风险;避免过度依赖技术决策;合哩引导行业健康发展.,厂,:,*,形成合力,加强监管,；,有限应用,(,制定规划,1:1,IUIIUIWTIWTI,muii,dta,I,rrwi m rmnv rrmn iwi irmi la mvmnEnm mm nEmLTmiaMviBmrrawimiriimJUii.,l|,:，,警惕科技背后的社会割裂风险 警暢通用大模型成为舆论战场,-,警惕对通用大模型的盲目崇拜,!,国际,S.,_,4.6,消除政治风险,4,通用大模型的应对策略,53/55,