9月24日，1200余名来自省直单位的干部职工齐聚成都市锦江大礼堂，“提升四川省直单位干部职工应用AI人工智能能力系列讲座”第一课正式开讲。课后，四川观察记者专访了授课嘉宾电子科技大学计算机学院教授、博士生导师李文。

问：刚刚听您讲了相关技术，自然语言模型像是语料之间的映射，这似乎是有局限的——您刚刚讲座上也提到了世界模型。从gpt5能力遭受质疑来看，目前的这条路是否有接近顶点的趋势？

答：现在不好说，这是一个有争议的问题，但是我觉得值得大家再往更高的规模上去做，因为现在不知道规模再大一些，会不会我们能够碰到天花板。一个是取决于规模；第二个是数据的质量，数据的质量不断去优化，也有可能（提升能力）；第三个就是算法，因为产生新的算法，就是说同样的燃料，它也可以来挖掘出更多的知识。

所以目前来讲，现在的技术方案，我的判断是还没有到终点。但是不是最终这种方式能实现我们认为的通用人工智能？不好说。雅恩·乐昆（YannLeCun）也是这种观点。他说不一定，我们要关注世界模型，才能够实现真正的通用人工智能。

问：deepseek能力如何？

答：deepseek出来的时候，有做过评测，跟国外的主流大模型相比，它是水平相当的，各有优劣。然后到现在来讲，肯定又有新的模型发布出来，我们也有传言说，deepseek也要发布下一版的模型。

我目前感觉，从deepseek（发布）之后，我们和国际处于一个并跑的阶段。但确实可能是研发的进度受到了算力的制约，会慢一些。算力方面目前是最大的制约。

问：我看有网友说，自己从来不用deepseek做学术，而是觉得用国外的一些模型更好一些。

答：可能两方面的原因，有些是英语的原因，因为他们是用英语训出来的。另一方面可能是对接的这种资源。因为做学术的时候，有时候你避免不了搜索，所以搜索的时候，你的数据源，还有你处理搜索的方式也比较重要。

deepseek发布之后，是其它公司再一起把它上线，但它自己本身并没有做这种搜索的服务，所以你感觉到可能体验五花八门。但是你可以关掉在线搜索，你去问问题来看它的能力，你可能比较公平地就比较出来大模型的差别。

集成能力很重要，数据源很重要。

（美国的人工智能产业布局）

问：之前也采访过电子科技大学的周涛教授，他们也在用大模型做一些其他应用，包括电价的交易，可不可以帮我们打开一下思路，未来大模型可能还有一些什么发展？好像也不局限于语言方面了对吧？

答：对，现在有两个趋势，第一个趋势就是多模态大模型，但这种大模型它没有脱离开语言。就是我在语言基础上面，我把图片分块也送进去。然后如果是电价的模型，电价也是一串数字，我也可以送进去——我们把它叫做词典化，然后还是通过问答的方式，来去不断训练它。

还有一种形式，就是抛开语言大模型形式来去做。最近清华大学的崔鹏教授，他做了一个叫做数据大模型。他用比如你说的电价的数据，或者其他数据，不是文本的，而是结构化的数据来去训练，训了一个叫做ldm的东西。据我了解到的，他说在很多预测上面，比如电价的预测，已经比大模型更好——因为大模型有幻觉，而且比传统的机器学习的模型，也要更准一些。而且它是一个通用的模型，训好之后只要拿一小段的数据就可以做电价，我不知道拿股票会不会还可以预测的更准了，反正可以去尝试了。据说他在很多的这种数据集上，都取得了比较好的效果，希望这可以成为下一个现象级的产品。

（人工智能行业应用）

问：现在国家由战略层面来推进人工智能发展，那要如何避免进一步造成语料污染的情况？现在互联网上，已经可以看到很多的AI产生的假的东西。

答：对，会产生这个问题。现在AI生成的东西正在污染我们的互联网，比方说你说宇航员在月球上骑马，你就可以生成一个很逼真的图片，然后如果这种图片进入了大模型里面，他可能理解这是一个很正常的东西，对吧？这就像我们在哪里观察到的一样。

但是我们也有办法去解决。所有的大模型，他们对数据的要求比较高，所以我们肯定会有人工的方式，来去过滤数据，也有算法的方式来去过滤它。这是第一点。

第二点，现在大家也非常关注怎么样用技术打败技术，很多就用大模型来去鉴定数据，是不是大模型来生成的，我觉得是属于魔高一尺，道高一丈，所以我们后面技术的发展也有可能提供这种比较好的解决方案，让我们能够很容易地把这种生成的数据或者图片、文本这些都可以过滤数据。

最后，还有政策上面，关于数据这一块出一些保护的规范，可能会对整个行业的生态、良性发展会更好一些。

（中国人工智能产业布局）

问：本次讲课您认为有何意义？

答：人工智能本身它在赋能各个行业，我相信机关部门有些是跟医疗有结合，有些是跟其他行业有结合。学习这些人工智能知识，了解和掌握这些技术，可能他能够更好地去跟这些行业沟通，去支持支撑这些行业的发展。因为毕竟政府还是形成新质生产力的中间的一个非常重要的环节。

【来源：四川观察】