如今，人工智能已經成為最炙手可熱的詞匯之一，OpenAI、微軟、亞馬遜……幾乎所有科技巨頭都對人工智能行業押下重注。在國內，“人工智能+”首次被寫入政府工作報告中，圍繞人工智能全產業鏈的布局已在各地如火如荼地展開，越來越多的AI技術走出實驗室，滲透到各行各業中。

AI究竟有哪些“本領”？為何此次迭代升級能引發全球熱議？我們又是否準備好迎接這場人工智能帶來的變革呢？

大模型涌現

人工智能究竟是什么？我們往往會從兩方面談起：人類可以做的事情和人類無法做的事情。

早期的人工智能往往是做人類可以做的事情，以解決單一問題為主。比如戰勝世界頂級圍棋冠軍的阿爾法狗只會下棋玩游戲，蘋果發布的Siri功能只會回應那些基本問題。

隨著訓練參數規模不斷擴大，當這個數字來到十億、百億、甚至千億的時候，“神奇”的事情就發生了。以ChatGPT為代表的通用大模型出乎意料的聰明，通過接受人們的指令，可以回答問題，也可以創作故事，還能夠寫代碼和查找代碼問題等，在人類能做的領域開始實現超越。

與此同時，人工智能實現了許多人類無法做的事情，很多行業從業者都在思考如何讓行業用大模型重做一遍，越來越多面向垂直場景的行業大模型涌現出來，“人工智能+”的解決方案開始不斷被提出。

比如人工智能+制造業，能夠提高生產效率，降低生產成本；人工智能+醫療，能夠讓醫學影像檢查更加高效精準；人工智能+教育，可以打破傳統教學方式，解決教育師資短缺，教學資源不公平等問題。

在青島，制造業、港口物流、海洋科技等優勢產業集聚，豐富的應用場景帶動垂直化行業大模型不斷涌現，成為青島發展人工智能的優勢。目前，青島擁有“奇智孔明AInnoGC”工業大模型、“數智八斗”大模型、海爾智家HomeGPT大模型以及全球首個橡膠輪胎行業大語言模型——賽輪橡鏈云聊-EcoRubberChat等10余個已投入使用并商業化應用的垂直大模型，同時儲備了一批在研大模型，多數參數規模超50億級。

山東大學計算機科學與技術學院副院長陳竹敏表示，“大模型技術打開了強人工智能階段的大門”。當大門推開，我們將經歷一場更大范圍、更深層次的科技革命和產業變革。

改變正在發生

走進青島嶗山區青島市人工智能產業園，一系列由彎曲的玻璃和金屬構成的建筑科技感十足。在這里，已聚集了人工智能企業200余家，在基礎硬件技術開發、核心算法、數據生成采集等方面均有布局，2023年實現人工智能產業營收300億元，同比增長40%左右。

不過，隨著人工智能的“進化”，未來受益最大的恐怕并不是人工智能技術的設計者，而是每一位人工智能技術的使用者，率先應用人工智能的企業已經有所斬獲。

在傳統制造業，AI技術可以代替依賴經驗的重復性勞動，比如工業質檢。傳統的產品質檢依賴人眼檢查、人腦判斷，長時間重復勞動易出現漏檢、偏差浮動大等問題。山東科技大學測繪與空間信息學院孫林教授和團隊基于不良品檢測的痛點，研究開發工業視覺檢測系統，基于深度學習的AI視覺檢測算法，可以通過圖像自動檢測，質檢員只需要根據顯示器傳出的報警信息進一步審核就可以完成質檢工作。其中，助力一家企業進行粉末冶金件檢測，大大提高了質檢的效率和準確率，同時優化了生產線人力成本，一年可節省成本4000多萬元。

中國海洋大學計算機科學與技術學院王勝科副教授帶領團隊基于AI視覺技術，在無人機攝像頭上添加“智慧大腦”，致力于城市治理高質量發展。針對綠色覆蓋區域、違章建筑、亂設攤亂停車等問題，無人機可以邊飛邊看邊分析，幫助管理機構減輕人員精力上面的負擔，更加高效地處置問題，進一步提升城市治理精細化水平。

人工智能正像水、電一樣賦能千行百業，成為新一輪科技革命和產業變革的核心力量。青島屬于較早進入人工智能賽道的城市，2019年獲批國家人工智能創新應用先導區。目前，青島以全省首個人工智能“雙算力中心”、華為青島人工智能計算中心、中國移動智算中心（青島）、中國電信云計算基地等為依托形成大量的算力資源，匯聚了極視角、創新奇智、以薩等一大批人工智能領域的優勢企業，賦能傳統制造業加速升級，助力專精特新“小巨人”在細分賽道茁壯成長。

“把人工智能用在各行各業，就是新質生產力。”王勝科如是說道。

擁抱還需時日

據埃森哲對來自八個行業的550余家中國企業的調研顯示，2023年，僅2%的受訪企業通過打造數字核心能力，包括為大模型構建現代化數據平臺，充分利用人工智能工具，重塑業務和職能。

機遇越大，越需要思想“破冰”。對大部分傳統企業以及中小型企業而言，要想真正地擁抱人工智能技術，還面臨著認知的探新。

首先，AI技術具有復雜性和不可預測性，技術的快速迭代會讓企業無所適從。王勝科表示，“人工智能的應用會打破企業原有的運作方式，對企業來說是有難度，有成本的，整個過程需要很長時間才能得到經濟回報，企業需要做好自身定位。”

其次，盡管大模型的泛化性較強，但針對不同業務不同場景的細分需求，往往需要重新訓練模型，讓它適應新的場景，其中就會涉及到數據問題。中國石油大學計算機科學與技術學院曹紹華副教授表示，“AI性能和決策質量高度依賴于訓練數據的質量和廣度，偏見、錯誤或有限的數據集可能導致AI作出不準確或歧視性決策。”但在現實生活中，一些企業往往出于保密和安全考慮，不愿拿出更多數據來做訓練，限制了AI算法性能的提升。

再者，模型效果好不好會影響到生產質量和生產效率，但目前基于深度學習的人工智能是一個“黑盒子”，對于使用者來說，AI行為的過程是無法追溯、復盤和理解，從而增加了管理和控制難度，降低了對人工智能的信任度。當前，也有越來越多研究者嘗試設計“可解釋人工智能”，曹紹華便是研究者之一，“相信隨著AI透明度和決策過程的可解釋性不斷提高，AI可以安全可靠地為我們所用。”

從這個意義上來說，人類對人工智能的認知能走多遠，人工智能就可以走多遠。

在人工智能發展的新時期，我們要做的并不是在人類和機器之間進行二選一，而是要認識AI，學會AI。當理解AI變得容易許多，我們就會選擇相信它，并指導它發展，創造出人機共生的最大化優勢。誠然，這會是一個漫長的過程，但值得我們期待，值得我們努力。（青島日報社/觀海新聞記者 于君怡）

責任編輯：程雪涵