大模型时代生成式人工智能治理的逻辑更新与回应路径——以《生成式人工智能服务管理暂行办法》为视角

以大规模多种类训练参数、高效复杂算法及强大算力支持为基础的大模型已成为生成式人工智能的主要发展方向。相较于传统人工智能,大模型具备涌现性和通用性的技术特性,催生了“大模型+具体应用”的研发模式和“模型即服务”的服务业态。《生成式人工智能服务管理暂行办法》以风险分类分级、平台主体责任和算法透明度为内核的治理策略根植于传统人工智能时代,暂未能与大模型时代下的技术突破和产业变革充分适配。面向大模型的生成式人工智能治理应当在适应本土产业发展需求的基础上逐步探索基于既有制度框架的优化方案,通过以分层治理和敏捷治理弥补风险定级难题和僵化缺憾,以延伸扩展治理主体补全产业生态责任链条,以伦理治理补足模型透明度和可解释性不足的短板,进而实现治理逻辑的更新和治理路径的优化。

大模型赋能数字经济

数字经济时代下,人工智能助力产业数字化和数字产业化的进程不断提速。2023年,国内外人工智能大模型的落地掀起新一轮浪潮。大模型将作为新型数据基础底座赋能千行百业,最大程度的激活数字经济活力,成为数据经济发展的基本驱动力,推动新兴业态的蓬勃发展。本文对我国人工智能相关政策演变、大模型概念和定义以及Maa S商业模式进行概述,深入分析并展望大模型对数字经济相关产业带来的影响。

基于ROS的服务机器人云端协同计算框架

随着机器人应用技术的发展,服务机器人走进人们的生活日渐成为可能.但机器人本身计算能力有限,同时仅靠自身的传感器接收的信息也有一定的局限性.现有的机器人还不足以胜任面对复杂场景的应对能力,也不能够满足人们对服务机器人的期待.本文设计的云机器人计算框架(cloud robot computing framework,CRCF)通过云端,将智能家居以及其他智能硬件与机器人相结合,为机器人提供更多更广的信息.同时,CRCF通过互联网结合了其它第三方的云端应用API,为机器人提供更多的服务功能.CRCF框架旨在利用云端的大数据处理能力提升机器人的计算和存储能力,并结合第三方云端应用服务和智能硬件设备来拓展机器人的信息来源和服务功能.最后,本文通过远程语音控制机器人的实验,验证了CRCF系统平台在结合硬件设备以及第三方云端应用的功能和性能.

面向产业链的治理:人工智能生成内容的技术机理与治理逻辑

以ChatGPT为代表的大型生成式语言模型通过对海量自然语言文本数据的学习,运用统计学和概率分布预测下一个单词或句子,从而实现流畅连贯、语法正确、具备逻辑的文本生成。这一技术机理虽能提升模型性能,但却在内容公平性、真实性和可靠性方面带来治理挑战。概率生成文本的方式存在难以控制内容质量的问题。基于网络文本语料库的训练可能嵌入算法偏见,人类反馈强化学习可能加剧虚假信息的生成与传播风险,模型的涌现性还可能产生意料之外的治理风险。迈向“模型泛在”的人工智能2.0时代,生成式人工智能的治理应遵循敏捷治理与韧性治理并重、精准治理和参与式治理协同的原则。针对“模型即服务”的新型产业生态链,围绕信息生产变迁和产业链变迁的核心特性,构建基于应用程序接口模式的治理、基于插件模式的治理和基于模型垂直部署模式的治理架构。