通用人工智能的技術進展和典型應用

劉慶峰

全球正在掀起人工智能的全新熱潮。去年11月30日ChatGPT正式發布，短短兩個月其活躍用戶就過億，有報道稱89%的美國在校大學生都在用它完成作業。今年6月14日，歐洲議會通過《人工智能法案》，這是全球首部通過議會程序、專門針對人工智能的綜合性立法。比爾·蓋茨則聲稱，人工智能的歷史意義不亞于個人計算機或互聯網誕生。中國也不例外。今年4月召開的中共中央政治局會議提出，要重視通用人工智能發展。

早在2018年的中共中央政治局第九次集體學習時，習近平總書記就強調：“人工智能是引領這一輪科技革命和產業變革的戰略性技術，具有溢出帶動性很強的‘頭雁效應。在移動互聯網、大數據、超級計算、傳感網、腦科學等新理論新技術的驅動下，人工智能加速發展，呈現出深度學習、跨界融合、人機協同、群智開放、自主操控等新特征，正在對經濟發展、社會進步、國際政治經濟格局等方面產生重大而深遠的影響。加快發展新一代人工智能是我們贏得全球科技競爭主動權的重要戰略抓手，是推動我國科技跨越發展、產業優化升級、生產力整體躍升的重要戰略資源。”

作為首批4個國家新一代人工智能開放創新平臺之一和唯一的認知智能全國重點實驗室，科大訊飛始終牢記使命——“讓機器能聽會說，能理解會思考，用人工智能建設美好世界”，積極推動人工智能與實體經濟深度融合，更好賦能國資央企高質量發展。

人工智能的技術進展

“人工智能”概念誕生于1956年美國達特茅斯會議。此后60余年，該領域先后經歷了四次發展浪潮。以2016年AlphaGo戰勝圍棋世界冠軍李世石為標志，如今我們正身處第四次浪潮之中。有人認為，未來綜合國力的競爭其實就是通用人工智能作為底座的競爭。

人工智能技術包括三個層次。一是運算智能，即能存會算；二是感知智能，即能聽會說、能看會認；三是認知智能，即能理解會思考。

即便是第一層的運算智能，現在比早年也有了長足的進步。典型案例就是圍棋程序AlphaGo的算力遠超1997年IBM研制的國際象棋“深藍”電腦。

那么，“能聽會說”發展到什么程度了？

首先，機器轉寫超過人工速記員水平并持續拓展多語種。2023年的十四屆全國人大一次會議上，人工智能聽見轉寫全部34個地方代表團1550多萬字發言，準確率96%，遠超速記員水平；2021年11月舉行的美國國家標準與技術研究院（NIST）多語種識別比賽中，科大訊飛參加所有15個語種22項比賽全部獲得第一。

其次，語音合成超過普通人發音水平并廣泛用于新聞播報。2019年科大訊飛獲得國際語音合成大賽（Blizzard Challenge 2019）十四連冠，最新語音合成自然度達到4.5MOS；多種形象的科大訊飛人工智能虛擬主播已在學習強國、新華社、央視等主流媒體廣泛使用；高表現力個性化合成持續突破，一句話即可實現音色、情緒和方言的遷移和調節。

再次，機器翻譯通過全國翻譯專業資格（水平）考試。機器翻譯參加外文局和人社部組織的全國翻譯專業資格（水平）測試，達到英語二級《口譯實務（交替傳譯類）》和三級《口譯實務》合格標準；2023年科大訊飛在國際機器口語翻譯評測比賽IWSLT中再獲第一；目前訊飛翻譯機支持83個語種，覆蓋200多個國家和地區；多語種技術助力北京2022年冬奧會和冬殘奧會、2023年成都大運會、布達佩斯2023年世界田徑錦標賽等國際賽事信息溝通無障礙。

“能看會認”發展到什么程度了？

一是復雜公式識別取得重大突破，這項技術在全國中高考閱卷中已大規模應用；二是普通單攝像頭下實現“凌空手寫”和“眼神打字”；三是多模感知，語音、圖像、視頻等信息結合顯著增加復雜場景識別效果，后座人聲強干擾下主駕語音識別從多通道模型識別率的71.8%提升到多模態模型識別率的 92.8%；四是多維表達，創造出融合識別、合成、認知、圖像、翻譯、形象驅動等技術的虛擬主播。

“能理解、會思考”發展到什么程度了？

最近4年，有兩項具有里程碑意義的重大突破。一是自然語言理解技術方面。2019年在斯坦福大學牽頭的國際權威比賽中人工智能首次超過人類平均水平，測評方式是對10萬個維基百科文章片段進行閱讀理解。二是知識推理技術方面。2022年在OpenBookQA知識推理挑戰賽中，人工智能超過人類平均水平，測評方式是對科學知識進行開放式問答。

這兩項技術突破具有很強的實踐意義。醫療領域，2017年智醫助理機器人首次通過國家執業醫師資格考試綜合筆試測試，超過96.3%的人類考生；教育領域，科大訊飛在業界首次在高考語文作文和雅思英語作文批改中超過閱卷專家，2023年已在13個省份高考閱卷中使用。

值得一提的是，今年6月在艾倫研究院組織的認知大模型閱讀理解和推理評測DROP中，面向數學推理、面向思維鏈的生成兩項關鍵指標，科大訊飛的D-Reasoner模型都獲得冠軍。

人工智能的典型應用

加快發展新一代人工智能是事關我國能否抓住新一輪科技革命和產業變革機遇的戰略問題。認知大模型建設，必須確保應用成效、自主可控、科學評估。其中將人工智能建立在自主可控的平臺之上至關重要。從訓練側看，人工智能訓練國產化已取得關鍵進展，已完成識別、合成、翻譯等模型適配，并在機器翻譯等任務上實現了國產化訓練軟件的常態使用；從推理側看，人工智能推理國產化已實現規模化應用，智能語音國家平臺已基于全國產化硬件對外提供2.6萬路并發服務，有效解決智能語音國家平臺的“卡脖子”問題。

高質量的國產化，使得人工智能賦能國資央企高質量發展成為可能。

其中一項典型應用便基于聲紋技術。科大訊飛獲得DCASE 2023工業聲紋挑戰賽冠軍。這是世界范圍內權威聲學場景和事件檢測及分類競賽。我們據此可以做出工業聽診器和聲學成像儀。同時，我們與國網安徽電科院共同制定國家《20221811-T-469信息技術實時定位聲源成像系統技術規范》、中電聯《T/CEC20221084電力設備聲波成像檢測技術導則》、國網公司《電力變壓器聲紋監測智能識別算法檢驗規范》等標準。

工業聽診器賦能變電站、水利泵站等場景應用。國家電網、中國南水北調集團、國家能源集團、國家電投等央企均有落地案例，6類故障檢出率超99%，獲國家電網聲紋技術比武第一。在安徽、浙江、寧夏等落地19個變電站（最高覆蓋1000kV特高壓）聲紋監測應用，為每個變電站減輕約每天2人次的運維人員巡視工作量，累計檢測發現局部放電故障隱患10多處；在宣城敬亭電站成功發現了一處變壓器直流偏磁隱患，極早期發現隱患，做到了提前快速處理隱患點，一次減少設備直接損失50多萬元。

聲學成像儀在鋼鐵、礦井、變電站、燃氣等多場景應用，通過非接觸、大面積速掃，快速排查泄漏點。中國寶武首次對真空泄漏點進行全方位檢測，并將真空泄漏納入后續常態化檢修內容，其巡檢時間從過去的10小時以上縮短為90分鐘，檢測到22個氣體泄漏點，其中12個點為平時不易檢測的登高泄漏點，18個點為觸摸不可感知泄漏點；北京燃氣南湖渠CNG加氣站氣體泄漏檢測，成像儀在30分鐘內發現法蘭、閥門等10處泄漏點，包括220ppm的細微泄漏點，經氣體流量檢測儀驗證100%準確；國家能源集團神東集團下屬礦井試點檢測是聲學成像儀在煤礦行業的首次應用，機器可在煤礦壓風機房等高噪聲環境下發現氣體泄漏的隱患，實現快速精確定位。

聽覺只是其中一個方面，科大訊飛致力于用“聽視嗅觸味思”多模感知構建工業場景智能化底層能力，解決設備管理、安全檢測、節能降碳等問題。其中，工業視覺智能平臺，15類算法模型覆蓋50余種場景，包括整廠零部件質檢、產品尺寸質檢、人員聚集檢測、車牌識別、字符識別、設備狀態識別等。

此外，認知大模型還將從多方面助力國資央企高質量發展。

第一是助力構建企業知識庫。一是行業知識庫，包括行業通用知識、業務知識等；二是內部知識庫，包括研發知識、工藝知識、設備知識、售后知識等。科大訊飛構建的企業知識體系沉淀更便捷，支持多模態知識源，問答自動生成；體驗更自然，自然交互、多維表達、風格多樣；多渠道融合，對外營銷客服、對內經營提效融合統一。

第二是“重塑”智能客服。科大訊飛認知大模型技術能讓智能客服答得準、答得全，更加擬人與個性化表達，并大幅提升運營效率。目前，這項技術在制造業和服務業均有有效應用，其中海爾洗衣機報裝成功率提升30%，海底撈總訂餐量上升20%。

第三是助力工業互聯網平臺供需高效匹配。科大訊飛的羚羊工業互聯網平臺入選工信部“雙跨”平臺，上線一年用戶數35萬，服務企業92萬次，針對企業需求給出專業化建議策略，智能匹配方案、服務商、專家等資源。

第四是“認知大模型+文檔助手”實現業務資料的輔助分析及審核。該項技術可以有效提升企業合同、財務、檔案審核環節中的業務審核效率，員工平均單次報銷由15分鐘縮短為5分鐘，財務審核成本降低超50%。

第五是助力智能輔助評標。科大訊飛將人工智能技術應用于評標過程中，通過對招標文件和投標人信息的自動化識別和分析，實現快速、準確、公正的評標結果。以國能物資公司為例，2022年11月上線，截至2023年4月累計評審項目2.7萬個，解決3000多個物資品類的自動化評審，整體智能評標系統上線后預計經濟效益6000萬元/年，人工提效50%。

第六是賦能企業軟件研發效能提升。一是全鏈路研發提效，科大訊飛研發工程師在軟件開發測試全鏈路使用星火代碼大模型的代碼生成、代碼續寫、代碼解釋、代碼糾錯、代碼續寫等功能，編碼環節提效50%，研發員工覆蓋占比95%；二是低代碼降低業務部門應用門檻，上海長寧區教育數字基座提供低代碼開發能力，讓106所學校教師在1-2個小時內搭建自己“輕”應用，開發周期縮短91%，投資成本降低95%。

第七是重新定義數字員工全新生產方式。新一代基于大模型的生成式RPA，構建更智能的數字員工，包括數字財務、數字客服、數字采購、數字法務等。目前，1127個定制形象資產、386個專業聲音庫、30萬用戶自定義音庫已在媒體、金融、政務、文旅等上千家企業中率先應用落地。其中“虛擬導購”智能交互機正式上崗，24小時不打烊，可助力金融網點提質增效。

人工智能助力國資監管的另一個重點領域是“三重一大”智能記錄。國資管控業務存在著“三重一大”數據留痕難、采集難、數據分散、難共享、難追溯，“三重一大”報告生成慢、記錄不完整、管理規范不統一等痛點。針對這些痛點，科大訊飛通過智能會議監管系統可進行“三重一大”會議全過程信息監管。目前，該產品已在四川省國資委、重慶市國資委、安徽省國資委應用。

除了工業和國資監管領域外，通用人工智能廣泛應用于智能終端、教育、醫療等民生領域。教育方面，診斷和個性化推薦助力因材施教；醫療方面，智醫助理規模化應用提升基層診療能力。

綜上所述，人工智能是保障社會幸福指數和提升全球價值鏈競爭力的必然選擇。我們認為，未來不是屬于人工智能，而是屬于掌握人工智能的人類。人工智能將以解決人類剛需而更深刻地載入史冊。

（本文根據作者在國務院國資委“智慧國資 數字央企”大講堂上的專題報告整理）