复旦大学肖仰华：AI大模型在复杂决策方面存在诸多不足，幻觉、成本问题亟待解决｜钛媒体AGI
文章摘要
【关 键 词】 人工智能、大模型、行业应用、知识图谱、数据治理
在2023年世界人工智能大会期间，复旦大学计算机科学技术学院的肖仰华教授在闭门研讨会上深入探讨了大模型在行业应用中所面临的挑战，并提出了相应的解决路径。
肖教授首先指出，尽管大模型在开放性闲聊方面表现出色，但在复杂决策领域如金融投资和医疗诊断等，存在诸多不足。这些领域需要专业知识和复杂逻辑推理能力，而大模型在这方面存在幻觉现象、领域知识匮乏和难以控制等问题。为了实现大模型在行业的落地，需要加强其领域忠实度，通过知识注入和智能解耦重塑企业信息化架构。
肖教授提出了以知识图谱为框架、大模型为引擎的行业落地模式，并强调了完善数据科学与工程来提升大模型性能的重要性。他认为，大模型的可靠落地是一项系统工程，需要综合考虑评测、认知能力、交互协作及数据治理等多方面因素。
在解决方案方面，肖教授建议首先合理定位大模型，将其视为智能引擎，驱动企业数字化转型和高质量发展。他强调了持续向大模型注入领域行业知识的重要性，并提出了将企业流程解耦为提示、生成和评价三个基本环节的策略。
此外，肖教授还提出了使用大模型进行离线处理，结合知识图谱组织信息，再通过小模型提供在线服务的ToB行业落地模式。他强调了完善大模型的数据科学和数据工程的重要性，以及建立行业大模型训练语料和指令集的评测标准和筛选机制的必要性。
肖教授还提到了大模型与传统专家知识的协同，特别是与知识图谱的协同，以及建立大模型的数据治理体系的重要性。他强调了解决大模型的幻觉问题和系统性地提升大模型的认知能力的重要性，并提出了建立健全的评测体系和推进智能体的落地作为大模型行业应用的重要方向。
最后，肖教授总结道，大模型的行业应用体系框架已经很成熟，需要从数据、知识、能力三个维度去优化，同时做好评测工作，协调大模型与小模型、知识图谱的协同，最终实现低幻觉的行业应用。他认为，大模型是推动各行各业高质量发展的先进生产力，我们必须抓住这个新的发展机遇。
原文和模型
【原文链接】 阅读原文 [ 3070字 | 13分钟 ]
【原文作者】 钛媒体AGI
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★★
