自

　　“ChatGPT”推出

　　，

　　仅仅2个月，它的月活跃用户就成功过亿，成为历史上增长最快的消费者应用程序。从反馈来看，ChatGPT完全打破了人们对于AIGC（人工智能内容创作）的固有印象。

　　它的

　　回答不是简单的重复，而是兼具了能动性和反思性

　　，

　　甚至会随着与用户对话的深入而不断进步

　　。

　　AI

　　从“一本正经地胡说”，到今天对许多专业问题给出独到的见解，迭代之快，肉眼可见

　　。

　　未来

　　ChatGP

　　T还能带给人们哪些惊喜，能否运用到更加专业的领域当中。对此，AI行业独角兽企业云知声给出解答。

　　

　　回顾AI发展历史不难发现，

　　ChatGP

　　T的出现并不是一蹴而就，而是前几十年厚积薄发的结果。AI历史上

　　第一件重大事件无疑是1997年IBM深蓝击败了世界围棋冠军卡斯帕罗夫；2012年，AlexNet横扫ImageNet榜单，则让人们充分认识到深度神经网络的力量，也就是在这一年，云知声将深度神经网络应用在语音方面，并且获得了当时普通话的最佳水平；2016年AlphaGo打破人类围棋不可战胜的神话，而在那一年云知声完成了过去几年比较基础的技术积累，并且在那个时间点形成了一直延续至今并发展壮大的两大业务——智慧物联和智慧医疗。

　　

　　最近OpenAI推出的ChatGPT，

　　AI行业

　　终于有机会看到AGI在未来几年成为现实，这是非常令人兴奋的一件事，云知声也在积极融入到整个大模型浪潮之中。

　　值得注意的是，

　　ChatGPT的出现

　　，

　　有其历史进步意义，是一件值得AI以及其他各行业“弹冠相庆”的事。但同时，我们也需要认识到

　　ChatGPT

　　依然有其局限性，而突破局限，让

　　ChatGPT

　　乃至AI需要为之努力的。

　　

　　从

　　ChatGPT

　　的进步意义来说

　　，

　　云知声认为，ChatGPT

　　让AI真正进入了CGG时代。所谓CGG，第一个是会话式AI。ChatGPT让我们有机会告别人工智障，这给我们带来了非常大的兴奋点；第二个是生成式AI，语音，文字，图像，视频皆可生成；第三个就是通用人工智能。我们有幸看到在未来几年，AGI真正可能成为现实，然后从这个时间点往后，巨量的投资也好，或者AI企业的人员投入也好，都会集中在AGI层面。

　　从

　　ChatGPT

　　的局限性来说，

　　ChatGPT

　　的知识更新的速度和自动化的程度还需加强，当去做垂直场景的时候，存在大量的行业知识，这些行业知识在不断地产出，也需要迅速地吸收，让它被搜索到；另外在to B场景中，需要赋予客户本身一定的能力，让其能够自己“灌知识”，而不是所有事情都依赖服务公司。此外，ChatGPT学习及处理的仅仅是人类世界从现实世界翻译来的符号化知识，缺乏与物理世界的互动。这个问题是相对比较长远的一个方向，但它也是企业解决上述问题之后，必须面临的下一个问题。

　　而在医疗行业以及AI行业深耕多年的

　　云知声对ChatGPT做了比较长时间的分析，并根据积累的行业知识做了一些推导，发现除了上述一些通用的局限之外，ChatGPT在垂直领域还有进一步的应用局限：

　　1.在某些问题上可以给出一个很好的答案，但它没法对自己作出的回答援引资料进行背书，没法对自己可能出现的错误负责，医生较难为模型的错误买单；

　　2.在医疗领域的生成文本，难以保证可控，可信和可靠——场景更关注短板而不是长板；

　　3.尚不能整合电子病历、影像、基因组等多模态医学数据；

　　4.难以导入医院内部数据和知识；

　　5.难以及时更新最新文献结果；

　　6.使用成本尤其是监管成本的问题。

　　云知声的主要工作重心就是解决大模型在垂直场景落地的这些具体的局限。例如，会做行业知识的增强以解决“幻觉”的问题，会做企业检索的增强、API的增强、微型化以及IO审查，所有这些问题都是可解的，都会在有限的时间内解决。

　　有人说“

　　发展人工智能技术，也像是在养育一个智力超群、始终好奇的孩子。

　　”

　　我们无法准确预测它的成长轨迹

　　，

　　但应该未雨绸缪规范、完善其发展。在此过程中，云知声等AI领域企业应该持续发挥企业优势，协力共促

　　AI行业发展。