中新網上海4月4日電(記者 陳靜)復旦大學計算機科學技術學院教授、MOSS系統負責人邱錫鵬4日對記者表示，好的語言模型需要更好地理解語言與常識。情景學習、思維鏈和自然指令學習是語言模型的關鍵技術。

邱錫鵬教授認為，大型語言模型技術的快速演進，已經給人類展現出一個通向“通用人工智能”未來的大框架，下一步最重要的是讓大模型和現實世界“對齊”，保證模型對人類的可信、誠實、有助、無害至關重要。

邱錫鵬解釋，情景學習，即在上下文語境中學習的能力。語言模型會在“提示詞”(prompt)中附帶一些例子作為“上文”輸入，再預測并輸出下文，這就改變了傳統的學習范式，可以大幅降低下游開發成本。

思維鏈，指的是做大模型示例的時候不要只給答案，也要給它推導過程，語言模型學習這個推導過程，最終給出一個正確的答案。他認為，這是突破模型參數約束、實現“涌現”能力的關鍵技術。自然指令學習，則是讓模型能直接理解人類指令，模型從指令中學習判斷能力，不斷“對齊”人類的真實意圖。

邱錫鵬教授主持研發的MOSS系統將于4月中旬開源。他直言，該系統在推理能力和事實類知識方面還需提升。這主要是由于參數規模不足造成的，可以通過擴大模型規模來實現。這位學者指出：“首先是對語言模型基座進行架構優化，將面臨輸入長度、中文編碼、多模態接入等幾重挑戰；其次是指令微調，難度遠高于預訓練，而讓模型的回答‘對齊’人類思維習慣也非常困難；再次是能力強化。”

“在讓模型自我學習、自我迭代的過程中，最重要的就是人必須參與其中，以保持機器與人類價值觀、思維方式的對齊，否則就可能會離我們人類的偏好越來越遠。”他指出，當語言模型向人類的價值觀和思維方式對齊，并應用于真實世界，無疑將顛覆各個行業生態。

記者了解到，在由復旦大學管理學院主辦的復旦科創先鋒論壇上，嘉賓們聚焦“大型語言模型引發的時代變革”，就人工智能的現狀和未來展開對話，進一步討論了人類可能將要面臨的時代變革。

作為從事人工智能技術產品化的業界人士，沈李斌看到的則更多是如何用AI替代掉簡單重復人類勞動的問題。他介紹，目前客服機器人已經替代了不少的人工。“人類的精力就可以留做一些更積極主動的工作。”沈李斌認為，這種生成式能力將在企業里發揮非常重要的作用，提高各個流程的效率。同時，基于生產力的解放，很多企業與企業之間的上下游關系也將產生變化，大量結構性的機會正孕育其中。

對此，邱錫鵬教授認為，人類具有適應性和靈活性，更擅長的是利用AI的能力把工作做到更好。在這樣的背景下，人類的思考和判斷能力需要再度強化，變得更加明確。他表示，目前為止AI依然在可控范圍內發展，但當它成為某種基礎設施后，如何控制其能力就將變得十分關鍵，相關的法律法規、政府的重視、社會的認同，都將參與進整個生態中來。(完)