“深度求索”的意義體現(xiàn)在幾個(gè)方面。首先，“深度求索”是一款成熟度很高的大模型。筆者和朋友親測(cè)發(fā)現(xiàn)，“深度求索”給出的建議往往非常“靠譜”，超過(guò)了多數(shù)專業(yè)技術(shù)人員的水平。技術(shù)成熟意味著有創(chuàng)造價(jià)值的能力和眾多真實(shí)的應(yīng)用場(chǎng)景。其次，“深度求索”在開(kāi)源和本地化部署方面具備優(yōu)勢(shì)。企業(yè)應(yīng)用AI時(shí)，往往要用到企業(yè)的“私有數(shù)據(jù)知識(shí)”。“深度求索”兼顧開(kāi)源和本地化部署優(yōu)勢(shì)，且本地部署的成本低，便于企業(yè)廣泛采用。最后，“深度求索”有助于我國(guó)參與國(guó)際競(jìng)爭(zhēng)。美國(guó)是AI技術(shù)最先進(jìn)的國(guó)家之一，但限制中國(guó)用戶使用美國(guó)技術(shù)、試圖遲滯我國(guó)AI應(yīng)用技術(shù)的發(fā)展，“深度求索”突破了這種限制。

　　有了成熟的大模型以后，下一步的關(guān)鍵就是如何用好這一新技術(shù)了。想要用好大模型，就要學(xué)習(xí)利用它的長(zhǎng)處，避免它的短處和不足。“幻覺(jué)問(wèn)題”是AI大模型應(yīng)用最常見(jiàn)的問(wèn)題，被人稱為“一本正經(jīng)地胡說(shuō)八道”，很容易誤導(dǎo)用戶。因此，AI大模型主要用于人機(jī)協(xié)同的場(chǎng)合，而不是自動(dòng)控制的場(chǎng)景。在人機(jī)協(xié)同的場(chǎng)合，AI主要起到“參謀”和“軍師”的作用，最終的決策需要經(jīng)過(guò)人的完善和確認(rèn)后才能下達(dá)。

　　筆者發(fā)現(xiàn)，AI的“幻覺(jué)”問(wèn)題主要針對(duì)具體的事實(shí)和事件，而不是通用的科學(xué)知識(shí)。在沒(méi)有聯(lián)機(jī)搜索的前提下，模型更容易產(chǎn)生“幻覺(jué)”。筆者在不聯(lián)網(wǎng)的模式下提問(wèn)：某本書的作者是誰(shuí)？如果書的名氣不大，AI的答案就往往是錯(cuò)的；但如果聯(lián)網(wǎng)搜索，結(jié)果往往就是正確的。因此，應(yīng)用AI大模型時(shí)，應(yīng)該盡量保證系統(tǒng)能夠訪問(wèn)到相關(guān)的知識(shí)。AI大模型的本地化部署，就是便于訪問(wèn)并獲得企業(yè)內(nèi)部知識(shí)，并便于對(duì)模型進(jìn)行“微調(diào)”。

　　在工業(yè)領(lǐng)域中，設(shè)計(jì)研發(fā)、工廠管理、銷售采購(gòu)等工作都可以通過(guò)人機(jī)協(xié)同的方式提高質(zhì)量和效率。這些崗位的工作人員，本質(zhì)上都是“知識(shí)及工作者”，善于用自己的知識(shí)做出決策。若干年前，筆者曾思考如何通過(guò)建立“知識(shí)鋼廠”，也就是說(shuō)通過(guò)讓計(jì)算機(jī)掌握更多的知識(shí)來(lái)解決知識(shí)依附于人的問(wèn)題，提升鋼鐵企業(yè)的研發(fā)設(shè)計(jì)能力，并推動(dòng)企業(yè)實(shí)現(xiàn)“從制造到服務(wù)”的轉(zhuǎn)型。

　　當(dāng)時(shí)遇到的主要困難是知識(shí)的碎片化。這個(gè)特點(diǎn)在鋼鐵企業(yè)非常突出。知識(shí)碎片化的結(jié)果是計(jì)算機(jī)難以有效地管理和利用這些知識(shí)。當(dāng)時(shí)，人們普遍認(rèn)為，要推動(dòng)形成“知識(shí)鋼廠”，就要推動(dòng)知識(shí)的結(jié)構(gòu)化。但這個(gè)工作的難度非常大且進(jìn)展緩慢。人們也曾想用過(guò)去的AI方法解決知識(shí)相關(guān)的問(wèn)題。比如，IBM（萬(wàn)國(guó)商業(yè)機(jī)器公司）曾經(jīng)試圖開(kāi)發(fā)一套Watson（沃森）系統(tǒng)，以解決醫(yī)療保健中的問(wèn)題。這項(xiàng)工作發(fā)生在大模型出現(xiàn)之前且付出了很大的代價(jià)，可結(jié)果一直都不理想。然而，AI大模型的出現(xiàn)，給我們帶來(lái)了新的技術(shù)路徑：讓AI不斷地學(xué)習(xí)碎片化知識(shí)，AI就能自主地利用碎片化知識(shí)，從而避開(kāi)了知識(shí)結(jié)構(gòu)化的困境。

　　筆者曾經(jīng)向“深度求索”提出一個(gè)問(wèn)題：在黑河建立一個(gè)鋼結(jié)構(gòu)建筑，建議使用什么鋼材？“深度求索”回答這個(gè)問(wèn)題時(shí)，考慮了黑河的地理位置，從而提出低溫沖擊性能的要求，還綜合考慮了耐腐蝕性、供貨和組合用材的要求，給出了最終建議。由此可見(jiàn)，“深度求索”在解決這個(gè)問(wèn)題時(shí)，綜合應(yīng)用了地理知識(shí)、材料學(xué)知識(shí)、建筑學(xué)知識(shí)等多方面的知識(shí)。筆者隨后請(qǐng)教了專業(yè)人士，認(rèn)為其給出的建議是“靠譜”的。筆者曾經(jīng)長(zhǎng)期從事熱軋帶鋼性能預(yù)報(bào)研究工作，其間經(jīng)常與材料工程師交流。當(dāng)我把此前遇到的一個(gè)問(wèn)題詢問(wèn)“深度求索”時(shí)，發(fā)現(xiàn)它會(huì)提示我一些材料工程師容易忽視掉的知識(shí)。由此可見(jiàn)，“深度求索”可以用于服務(wù)和研發(fā)。

　　在數(shù)字化時(shí)代，人們將面臨各種新的挑戰(zhàn)。其中一個(gè)典型的挑戰(zhàn)就是：相關(guān)數(shù)據(jù)越來(lái)越多，但工藝技術(shù)和企業(yè)管理人員不熟悉計(jì)算系統(tǒng)的代碼和數(shù)據(jù)。工藝技術(shù)和管理人員希望增加新功能、分析數(shù)據(jù)的時(shí)候，往往需要請(qǐng)IT（信息技術(shù)）、DT（數(shù)據(jù)處理技術(shù)）的專業(yè)技術(shù)人員幫助解決問(wèn)題，而IT、DT的專業(yè)技術(shù)人員往往不了解工藝和生產(chǎn)知識(shí)。各方的協(xié)作就非常困難，導(dǎo)致工作效率低、成本高。現(xiàn)在企業(yè)都很重視數(shù)據(jù)，但有大量企業(yè)的數(shù)據(jù)“躺”在數(shù)據(jù)庫(kù)中難以發(fā)揮作用。究其原因就是分析數(shù)據(jù)、維護(hù)系統(tǒng)過(guò)于麻煩，使得許多數(shù)據(jù)分析工作不具備經(jīng)濟(jì)性。“深度求索”的介入，往往可以讓企業(yè)的技術(shù)和管理人員直接向計(jì)算機(jī)提出問(wèn)題，從而極大地方便了數(shù)據(jù)的利用、提高了工作效率，從本質(zhì)上提高了數(shù)據(jù)工作的經(jīng)濟(jì)性。實(shí)踐也證明了這種思想的可行性。過(guò)去，上海優(yōu)也公司開(kāi)發(fā)一套數(shù)字孿生系統(tǒng)需要1個(gè)月的時(shí)間，現(xiàn)在一天、甚至2到3個(gè)小時(shí)就可以搞定了。

　　根據(jù)初步實(shí)踐，AI也存在一些不足。比如，AI給出的答案往往不夠有深度。很多人認(rèn)為，“深度求索”的能力水平超過(guò)80%的專業(yè)技術(shù)人員，但換個(gè)角度看AI是不如頂級(jí)技術(shù)專家的。特別是一些開(kāi)拓性的工作，AI目前還是有差距的。這就意味著，重要的工作確實(shí)需要人機(jī)協(xié)同來(lái)完成。

　　總體來(lái)說(shuō)，“深度求索”的問(wèn)世，為我國(guó)冶金企業(yè)的技術(shù)進(jìn)步帶來(lái)了巨大的機(jī)會(huì)，亟待大家去挖掘“寶藏”。未來(lái)的難點(diǎn)可能集中在兩個(gè)方面：一是要學(xué)會(huì)與AI交流。最近北大、清華都出了學(xué)習(xí)使用“深度求索”的課程。在這些課程中，都用大量的篇幅介紹“提示詞工程”，教會(huì)大家向AI問(wèn)問(wèn)題。諾貝爾物理學(xué)獎(jiǎng)獲得者李政道先生曾說(shuō)，做學(xué)問(wèn)，先學(xué)問(wèn)；只作答，非學(xué)問(wèn)。學(xué)會(huì)問(wèn)問(wèn)題，往往需要更高的素質(zhì)和思維能力，這是用好AI的重要基礎(chǔ)，也是我們面臨的新的挑戰(zhàn)。二是要讓AI做出正確的決策。數(shù)據(jù)和知識(shí)的完整性、準(zhǔn)確性很重要。孫子說(shuō)：“知己知彼，百戰(zhàn)不殆。”這一點(diǎn)，會(huì)給數(shù)字化基礎(chǔ)建設(shè)帶來(lái)挑戰(zhàn)。

　　總之，未來(lái)冶金企業(yè)的核心競(jìng)爭(zhēng)力可能是研發(fā)、設(shè)計(jì)、服務(wù)以及精細(xì)化的管理。AI大模型在這些領(lǐng)域的應(yīng)用，前途無(wú)量。（郭朝暉）