如果问谁最有希望实现中国智慧的出现，十多年前讯飞科技成立时的答案依然铿锵有力：要么第一个起火，要么第一个扑灭。
长达5个月、100多天，5月6日凌晨2点，交大讯飞的“Spark”认知模型如期而至。
发布会相当巧妙，亮点分为“1”+“N”两部分。
上半场围绕“1”，重点展示“星火”的通用能力。 无论是挖坑埋雷，还是烧脑追责，“火花”应对自如，场内不时爆发出阵阵掌声和笑声。
下半年，“1”催生“N”，“星火”加持下的首批产品同台助阵。 从教育、办公、汽车到虚拟人，一次又一次的人机交互体验事件让人们难以抗拒点击订购的冲动。
与以往其他公司的大型模型发布活动不同，本次发布是一次产品级的发布会——购买相应的硬件产品，用户可以升级系统，立即体验大型模型带来的神奇能力。
大AI模型将使终端数量和产业规模增加10倍以上。 交大讯飞监事会主席刘庆峰在会上表示，未来，“Spark”的“1+N”认知模型的技术红利将通过“平台+业务逻辑”来实现“轨道”的逐步实现。
交通大学讯飞监事会主席在新闻发布会上。
1、“1”：七个维度体验“火花”的通用能力
发布会清清楚楚地开始了。 为了科学PKChatGPT能力，交大讯飞通过省认知智能重点实验室牵头设计了通用认知大规模模型评价体系，并与中科院人工智能校企创新联盟和长三角人工智能产业链联盟。 细化生成了涵盖 7 个类别的 481 个细分任务类型。
其中，七种能力具体包括语言理解、知识问答、逻辑推理、语言能力、编码能力和多模态能力。
先说结果：目前，“星火”的通用能力明显领先于行业。 英语方面，目前讯飞星火认知大模型已经在文本生成、知识问答、数学能力三大能力上超越ChatGPT，并将在10月底整体超越ChatGPT。
在10月24日的开发者大会上，“星火”将“对标ChatGPT，英文超越它，中文达到与其媲美的水平”。 刘庆峰在发布会上说道。
接下来我们就来看看这个能力的现场演示，包括机器之心公测体验。
1.长文本生成能力。 “星火”现场展示了撰写会议欢迎辞和机器翻译英文产品宣传文字的能力。 然而，最让人感到温暖的案例就是给孩子们讲故事。
“明天的寻飞星火认知模型发布会上，孙悟空和奥特曼也潜入了现场，他们都争着做寻飞星火模型的代言人，并因此发生了争吵。” 科大讯飞总工程师、研究院教授刘聪抬起头，“星火”立即讲述了一个故事。
每次被问到时，它都会讲述一个不同的故事。 除了通过语音输入开头和故事要求外，你还可以选择自己喜欢的合成声音，甚至搭配头像图片给儿子讲故事。
场外，机器的心脏也没有闲着。 我们以《麦田里的守望者》为题，请《星火》创作一篇现代散文和一首唐诗。 你看，这还不错。
最后一句韵律仍有缺陷。
机器之心请“星火”写《野性的呼唤》读后感，完全合格。
现在变身婚宴策划师，为窦骁和何超莲做婚宴策划吧！ 不知道窦骁是否从大模特身上得到了婚宴策划的灵感呢？
为了体验“Spark”生成摘要的能力，机器之心特意进入了很长的采访，发现摘要基本涵盖了核心内容。
在这个过程中，我们故意打了一个错字（survival“生存”总结），但这并没有影响模型对输入任务的理解。
这是界面对《剑上》作者李硕的采访。
Spark 生成的摘要。
2、多层次的跨语言的语言理解能力，这也是大型模型最常调用的能力之一。 它不仅包括英汉表达句式的修饰，还包括更高层次的语言理解，特别是对博大精深的英语的理解。
比如，小明接过奖杯，静静地站了一分钟； 小明被老师批评了，沉默地站了一分钟。 这两个“时刻”是否表达了不同的心情？
《星火》完全明白：一是指快乐，二是形容失望。
刘庆峰表示，目前交大讯飞的语言理解能力与ChatGPT略有差距，但已经超越国外同类产品。
3、《星火》的思维链推理能力是什么？ 发布会上，刘庆峰继续为《星火》挖坑：2008年冬奥会上孔子说了啥？ 结果，人们没有被愚弄。
机器的心脏继续测试：
数学能力在一定程度上代表了大模型的智能程度。 刘聪还当场抛出了复杂的估算问题：
“花坛里有三种花，一共88朵。其中，月季花的数量是菊花的4倍，牡丹花的数量是菊花的5倍，少了2朵。那么，有多少朵呢？”花池里有牡丹吗？”
大模型很快给出了准确的答案，并给出了解决问题的步骤。 刘庆峰表示，讯飞星火大模型远远领先于国外系统，也超越了ChatGPT。
场外，机器之心发现一道真正的中学语文题，经过几轮对话和提问，“星火”也能答对了。
4、在多功能语言编码能力方面，交大讯飞展示了“大模型+数字工人”，基于自然语言生成业务流程和RPA，帮助企业员工完成大量重复性任务。
以公司紧急招聘为例。 输入命令后，系统可以根据预先设计的RPA脚本手动操作计算机中相应的软件，实现业务流程的手动操作并输出结果，并可以对数据进行分析，可以大幅减少数量的一线工作人员。 员工压力。
刘庆峰表示，工业领域也是一个非常重要的落地场景，提高了没有软件背景的普通工程师和工人的编程门槛，我们可以期待8月份能力上的突破。
5、多模态输入和表达能力不断丰富。 例如，如果你输入一份带图文的英文菜单，“星火”不仅立即给出菜单的英文版本，还可以根据要求介绍未吃过的食材的基本信息。 用户甚至可以指定一个虚拟人来介绍自己的菜单内容。
不仅是上述演示，当机器之心测试大模型的多轮对话能力时，发现母语能力是一个有趣的亮点。 我们还测试了Google BingAI，前者暂时做不到。
此外，大模型呈现的初步“智慧的出现”也展现了将新知识学习应用于进化的能力，但机器之心发现“火花”仍需放大。
比如，笔者正在读《建商：殷周之变与中华中兴》这本书，这本书在豆瓣上评分很高。 可能是因为这本书没有出现在语料库中或者没有被准确定义。 《星火》不知道这本书。
告诉“星火”这本书的全名、作者、出版商以及出版年月，然后测试它对这本书的理解，但结果仍然不理想。
2、从“1”到“N”：大模型应用的引领者
Instagram用了2.5年才积累了超过1亿的用户，TikTok用了9个月，ChatGPT只用了2个月。 爆发主要是因为它撬动了最具规模效应的C端——提供了普通人都能使用的便捷易用的交互界面。
对于C端产品来说，大模型的重要价值在于前端理解能力的大幅提升。 当与后端听说能力集成时，将极大地提高每个智能终端的人机交互体验。 前者更加方便、高效。 自然而深沉。
交大讯飞已经拥有智能录音笔、翻译笔、智能办公本、AI学习机等众多C端产品，将大规模模型能力分散在这个产品矩阵中，达到规模效应也是水到渠成。
客户实际使用的反馈非常重要，基于真实场景的数据最能验证模型的性能。 由于模型需要长期根据客户反馈不断调优，因此C端可以更快地卷起这个闭环。
正如交大讯飞所说，目前国内还没有大规模的模式向公众开放，让大家体验。 讯飞推出的功能均为产品级功能，订购相应硬件的用户即可立即获得体验。
下半年，首先登场的教育领域是最有想象力、最有前景的垂直领域之一。 以AI学习机为例。
“双减”下，标杆教育培训行业，AI教育硬件市场前景广阔，AI学习机等产品未来也有望产值数百亿。 目前，交大讯飞已形成高、中、低端学习机系列的完整布局。
但现阶段消费者还很难清楚地体验和感知智能服务及其疗效。 业内人士表示，未来市场下滑的关键点之一在于能否实现智能服务体验的飞跃。 大型AI模型的出现可以实现这一点。
“Spark”大模型的基础能力将极大提升教育领域专业模型的语言表达、包括上下文在内的复杂语义理解、逻辑推理能力。 无论是一般科普、语文写作，还是物理问答易语言隐藏游戏窗口源码，《Spark》都能轻松助你一臂之力。
发布会上，交大讯飞AI学习机T20系列搭载大认知模型，可实现中英文作业的类人批阅。 与传统学习机只能纠正基本标点符号、识别句子中的修辞错误相比，科大讯飞AI学习机根据写作要求、分析整个结构和文体，实现了深度的高水平复习。 像老师一样层层批阅批注，让批改作业更加高效。
还可以实现写作想法的灵感，借助AI打磨技术生成片段优化参考和写作改进建议，让女儿在灵感中精准提升。
安装大模型后，第一轮检查错别字； 第二轮对判决进行审查； 内容已在第四轮中涵盖； 最终给出了80分。 同时，系统还生成总体评价和写作建议。 除了理解自然语言的能力之外，这还需要文本生产能力。
也可以提供英语复习。
此外，作为讯飞业务产值的第三支柱，讯飞的开放平台和消费者业务（主要围绕“AI+”办公场景），过去也出现了不错的下滑。 未来，基于大机型提升智能办公笔记本、录音笔、讯飞听力APP等产品的性能体验，将进一步拉大与竞品的差异。
以目前服务超过3700万客户的讯飞听力APP为例。 该应用主要负责将语音等非结构化数据快速转换为可保存和检索的文本数据，以提高生产效率。
我们匆忙记录重要会议和活动的信息，机器可以将录音转为文字，但表达方式不规范、不美观（包括一些语音识别错误），需要后期人工打磨。
通过“Spark”，讯飞听说APP的能力进一步延伸到了人工流程——自动校对、打磨过于口语化的机器翻译，以及按需生成摘要或办公文档的能力——覆盖从传输到整个流程到稿件，显着提高工作效率。
现场演示中，选择APP“写”，导出一段音频，直接选择新闻稿，17秒即可生成新闻稿。 系统还可以根据用户注意力的优劣、格式、语言要求生成不同的内容版本。 您甚至可以详细了解系统在何处以及出于何种原因对其进行了监管。
事实上易语言隐藏游戏窗口源码，用户还可以一键生成会议纪要，包括内容摘要和要点。
左边是录音笔录的抄本，右边是书面新闻稿。
一键生成会议纪要，包括内容摘要和要点
现场话语规范化能力展示。
会场外，机器之心进入了交大科大讯飞某管理层在一次会议活动中所做的演讲，非常口语化，然后让“Spark”模型得到了打磨，正则化能力有了不错的效果。
当我们从生态的角度来看产业落地时，如果想要尽快将“Spark”大规模模型技术在不同行业落地和迭代，那么仅仅依靠一家公司肯定是不够的，我们必须发动群众。 这也是《星火》燎原之势的重要途径。
目前，讯飞AI开放平台开发者数量已达380.5万。 2022年，技术授权和开发者服务收入将保持稳步下降，毛利润环比下降20%。 交大讯飞在发布会上表示，开发团队可以通过API调用等方式获取“Spark”大模型的各种能力。
这样不仅可以通过一定的付费形式与平台实现价值共享，还可以为大模型提供大量的文本语料和用户反馈数据，促进模型更快的迭代。
不难看出，无论是学习机、讯飞听力APP等生产力工具的用户，还是数以百万计的开发者，在与设备、开放平台不断交互的过程中，期间形成了大量的数据，可以反馈给模型，实现数据集成。 与模型结合，进一步提高模型的理解能力并不断更新迭代。
随着大量专业领域语料库和实际场景应用的积累，它们将反过来反馈并推动大模型通用智慧的出现。 将已经取得成果的专业模型再通过知识连接在大模型中进行统一训练，从而导致通用领域智慧的涌现和逻辑推理能力的全面提升，两者相辅相成。
这似乎也是科大讯飞有信心实现英语领域通用认知模型智慧的涌现，同时也有胆量成为教育、办公、医疗等领域的行业领军者。
那么，大寻飞寻火模型将会进行四轮迭代。
3、核心技术、数据和常年主义
2022年12月，交大讯飞启动“Spark”认知智能大规模模型专项研究。 认知大规模模型的快速突破能够在五个月内实现，这与公司全年的扎实积累密不可分。
语音技术是让机器能够听和说。 仅仅能够听和说是不够的，还能够理解人类所说的语言。 这需要自然语言处理，从感知智能到深度认知智能。 为此，早在2014年，交大讯飞就发布了讯飞超级大脑。 当时宣布的目标是让机器从“听、说”走向理解和思考。
2017年，公司获批参与认知智能国家重点实验室建设。 当时，该机在全球首次通过了国家医师资格考试，超过了96.3%的参加考试的医生。
“在人工智能核心技术的投入上，公司的心态还是在该投入的重点方向上饱和投入，不会手软。” 4月，交大讯飞在2022年年度业绩说明会上回答投资者提问时提到，交大讯飞在Transformer深度神经网络算法方面已经拥有丰富的经验，并且在语音识别、图形识别、机器翻译等领域也得到了广泛的应用。交大讯飞的其他任务，已达到国际领先水平。
其中，核心技术仍保持国际领先水平。 常识推理是人工智能技术从感知智能到认知智能关键阶段的重要组成部分。 仅2022年，交大讯飞就在认知智能技术领域获得了13个世界亚军。
例如，OpenBookQA夺冠后，讯飞对拿杯系统、知识和大模型集成统一的理解框架X-Reasoner进行升级重构，推出X-Reasoner++，重新夺回冠军宝座。 QASC于2022年实现全球首次追赶并超越人类平均水平。 等级。
2022年，他们还开放了6大类、40多个通用领域的一系列英语预训练语言模型。 相关模型库月均调用量超过1000万次，Github平台星星数量位居同类英语预训练语言之列。 型号第一，远远领先于第二。
除了核心算法的积累，交大讯飞多年来在认知智能系统的研发和推广中，积累了超过50TB的行业语料库和每晚超过10亿次用户交互的活跃应用。
第三方数据看似门槛较低，但大规模获取海量高质量数据并不容易。 需要长期的标准化积累，在数据合规性方面要有一定的保证。 建模领域的创新值得关注。
对于垂直领域的大模型来说，最重要的就是垂直领域的数据。 除了可以获得的专业知识库外，垂直领域数据主要来自于客户的真实业务场景，持续高效地获取高质量的垂直领域一号方数据也是我们独特的数据能力壁垒。交通大学讯飞.
事实上，业务内容决定了他们在教育、医疗等垂直领域拥有更多的数据（比如文本数据和用户反馈数据）。 而深入的行业应用为数据质量提供了保障。 这些高质量的行业数据也是认知大模型实现多轮对话和逻辑推理不可或缺的“燃料”。
在教育领域，交大讯飞相关教育产品已应用于全省32个市级行政区，覆盖5万多所中学、1.3亿师生，拥有海量语音、成绩单、题库等数据。
例如，交大讯飞连续多年为中考、普通话、英语四级、六级提供技术支持； 目前，省级普通话考试和部分省市中考口语评测均采用讯飞的机器评测技术； 开始使用讯飞全科机器打标。
由于交大讯飞已经建立了G/B/C三类客户的业务体系，在多位分析师看来，如果公司能够利用G、B终端实现课内外数据脱敏，比如中学生自己购买了学习机后，就可以同步自己教室里的学习数据，你的个性化学习能力就会更加突出，从而大幅拉近与竞品的距离。
在医疗领域，交大讯飞是全省唯一通过国家医师资格考试的人工智能系统，超越96.3%的医学考生，为基层医生提供服务超过5.8亿次，日均70余万个AI辅助诊断。
同样，作为首批国家新一代人工智能开放创新平台，日使用量超过50亿人次，多年来也为大型模型提供了海量文本语料和用户反馈数据。
在认知大模型相关的计算能力方面，交大讯飞在总部建设了业界一流的数据中心。 目前已在四个城市、七个中心建设了深度学习估算平台，为大型模型训练平台的建设奠定了良好的硬件基础。 。
他们正在围绕一个独立可控的人工智能算力平台进行建设。 目前，公司在国内平台的训练、推理方案已初具规模。
发表评论