生成式人工智能技术对通信行业的影响研究.docx

02

02 2023/07/DTPT

生成式人工智能技术对

通信行业的影响研究

0引言

自2022年11月问世以来，ChatGPT在短短2个月内便引爆市场，达成1亿月活，成为历史上用户增速最快的应用软件。进入2023年，中国市场也同样爆发，截至目前，据不完全统计，中国市场已经出现近百款由科技厂商、高校、科研院所等不同主体发布的类似产品服务。可以预见，2023年下半年，相关的产品技术将继续保持快速发展，而与之互补的解决方案也将快速涌现。尤其是，ChatGPT的支撑技术，即所谓的“大模型”以及更广泛的生成式人工智能，将在中长期

——————————

收稿日期：2023-05-06

对社会经济产生变革性影响。生成式人工智能（AI）和传统AI之间的最大区别

在于，传统AI通常仅把AI当做“分类器”，而生成式AI

则把AI当做“生成器”，用来创造全新的内容，包括文

字内容、图像内容、软件代码、数字人、音视频和产品

设计，改进或改变现有内容，创建新的数据元素，以及为现实世界中的对象建立新模型等，打破了创造和艺术是人类专属领域的这一局面，也为人工智能的进一步规模化应用提供了新的强劲动力［1-2］。

1生成式AI技术发展溯源与展望

生成式AI的工作原理是针对某个对象生成大量变体，然后筛选出具备有用目标特征的变体。虽然生

成式AI已经存在和应用了多年，但直到以Trans?former为技术底层的大模型的出现，尤其是大语言模型（LargeLanguageModel，LLM）的出现，才让生成式AI真正实现了爆发式发展，使其具备了跨时代的重塑商业模式的巨大潜力。理清生成式AI与大模型之间的关系，可以帮助企业认清生成式AI发展潜力价值。1.1大模型与生成式AI的关系

生成式AI可以被看作是大模型的一个成功应用方向，展现了人工智能技术的巨大潜力。相对于大模型的基础性，生成式AI作为新兴应用能够直接对企业业务产生影响，也是当前人工智能发展的全新里程碑。生成式AI使用了许多不断发展的技术。近期，大模型（如OpenAI的GPT-4和商汤的“商量SenseChat”）获得了更多关注，而生成对抗网络（GAN）和变分自编码器（VAE）等技术依然在发展，此外，其他技术也得到了应用，如递归神经网络（RNN）和强化学习（RL）等。

以ChatGPT为代表的生成式AI应用，则是大语言模型（GPT-3.5）驱动的对话式聊天机器人，大语言模型使其具有令人印象深刻的自然语言理解和生成能力，具备生成各种格式和风格的文字回答等能力［3-4］。整体来看，大模型是生成式AI实现具有颠覆式创新能力的底层技术基础，但并不是唯一的技术构成；生成式AI作为大模型的应用方向之一，具有更加宽泛的应用范畴。通过图1可以进一步了解这几个技术概念之间的关系。

1.2大模型是当前生成式AI创新性发展的底层支撑

谷歌的一篇里程碑式的论文《AttentionisAllYouNeed》，首次向人们介绍了一种新型的采用自注意力

机制的深度学习模型——Transformer，进而引发了大模型的创新性发展。简单而言，Transformer具有更高的可并行性，更好地利用GPU进行加速，降低模型的训练时间。另一方面，尽管最开始Transformer的提出是被用来解决自然语言的神经网络，但是其注意力机

制可以推广到更多领域，包括计算机视觉等。由此，Transformer为预训练模型的兴起奠定了基础，随着模型的规模越来越大，神经网络开始出现“智能涌现”，这也成为大模型拉开通用人工智能序幕的标志［5-7］。

大模型，也可以称之为基础模型，是人工智能预训练大模型的统称，即在大规模未标记数据集上完成预训练后，仅需少量数据的微调甚至无需微调就能直接支撑各类应用，这些模型通常具有多层神经网络结构，并使用高级的优化算法和计算资源进行训练。

如图2所示，尽管早期的大模型最受关注的领域是大语言模型，但是随着微调技术的不断发展，相应的细分领域的大模型也不断推出，包括自然语言到代码翻译（如OpenAICodex），以及文生图（如商汤“秒画SenseMirage”）。与此同时，随着人工智能在智慧城市、自动驾驶等应用场景的不断覆盖，视觉大模型也成为值得关注的领域。［8-9］

2生成式AI的应用价值

创造力一直是人类的专属领域，生成式AI打破