AI创业者谈大模型： 离实用价值还有点远
[ 吴翰清将AIGC的许多问题归因于产业链中间环节的缺失。他认为大模型是CPU，而无论是ToB还是ToC的AI应用，都需要一个中间环节来将其与大模型联系起来，不可能指望应用直接跑在CPU上。 ]
在杭州EFC欧洲中心，一栋离阿里巴巴EFC园区步行五分钟的写字楼里，驻扎着许多年轻的创业公司，它们的创始人许多出自阿里巴巴。
科技行业刚刚走过了特殊的一年，大模型带来的“智能涌现”让许多人看到了人工智能的更多可能性。2023年年初，人工智能科学家、阿里副总裁贾扬清也宣布离职，投身AI创业，阿里之外，字节、腾讯、百度等大厂均有技术大牛出走创业，从对技术发展、应用的未来判断和预测中，他们寻找着机遇、创新以及其中的新商机。
吴翰清是其中备受瞩目的创业者之一，他的上一个身份是阿里云的道哥（花名），2005年加入阿里，是阿里巴巴集团的第二位安全工程师，创建了阿里巴巴、淘宝、支付宝的安全体系，也是阿里云的初创团队成员。2023年5月，他从阿里云离开，联合另两位创始人以及13名初创团队创立了一家人工智能公司KMind。他们选择了“个人AI计算机”，要让个人AI计算机补齐大模型和AI应用间“缺失的一环”。
科技行业在大模型赛道“狂飙”的一年过去了，在接受第一财经采访时，吴翰清谈到了他所观察到的AI产业现阶段存在的问题，对数据收益被大公司垄断的不认可，以及在AI、云计算发展新阶段下，个人AI计算机诞生、发展的可能性。
“普通人对AI失去信心”
“很多企业非常期待大模型的能力。但是他们真正投入之后，会发现只能用来打一个样板房做一个宣传，没办法切入实际的生产流程去创造实用价值。”谈到ChatGPT发布以来这一年行业的状态，吴翰清看到了许多问题。
2023年7月，KMind推出了一款面向C端的AIGC 效率工具“魁星智能助手”，受到市场欢迎，吴翰清打开手机企业微信向记者证明：推出3个月时，该应用已有了10万用户。“但最后发现用户流失率非常高。”他坦诚道出了产品后来的困境。
难以解决的，一个是大模型幻觉的问题，当用户提出一些请求时，大模型有时会给出一些与事实不符的回答，甚至胡编乱造的错误回答，给应用带来了问题。
另一个是AIGC产品缺乏精确控制的问题。“比如像我妈这种完全不懂什么叫AI的普通用户，她喜欢天天拍照做相册，我跟她说可以用AIGC产品来做，自动化生成一个相册。她做完之后想配个背景音乐，然后她跟AI说你把这个背景音乐给换成《茉莉花》，AI就蒙圈了。”吴翰清进一步阐释，“这个时候你就会发现普通人会对AI失去信心，因为他真的是把它当成一个人在对待，这些问题的出现导致今天我们从应用角度来说，大模型缺乏所谓的最后一公里，它离真正创造实用价值是有距离的。”
《2023—2024年中国人工智能计算力发展评估报告》显示，截至2023年10月，中国已累计发布200余个大模型。与之相关的AIGC应用更是不计其数。但大模型幻觉、缺乏精确控制与实际应用场景，仍是这个行业普遍存在的问题。
“举个典型例子，大家都在谈AIGC，但我一直跟团队说不要提AIGC这个概念，它完全把事情说歪了或者说小了。什么叫AIGC？那一定是创造，就是文生图、文生文、文生短视频，这是大家非常熟悉的。但我们知道（实际应用中）修改的需求是比生成的需求要大10倍以上的，那谁在做修改呢？没有人在做修改。”吴翰清观察到，目前所有的大模型产品无论哪种类型，都只能生成第一遍结果，当用户试图去修改时，大模型只会重新生成一遍，再生成的基本要素全部变掉，由于这些问题的存在，用户很难真正用AIGC应用去解决问题。
回答“《西游记》里有几个孙悟空”
“这些问题促使我们思考，到底应该怎样回到一个正确的轨道上、去坚持做正确的事情。”AIGC热闹浪潮下，吴翰清带着许多问题和思考离开阿里云开始了再创业，“一定要解决一个别人都解决不了的问题，然后才能证明这件事情是有必要的。”
吴翰清将AIGC的许多问题归因于产业链中间环节的缺失。他认为大模型是CPU，而无论是ToB还是ToC的AI应用，都需要一个中间环节来将其与大模型联系起来，不可能指望应用直接跑在CPU上。而在他的蓝图里，个人AI计算机的创造或发明，将是在AI技术变革中使产业链完整、真正让大模型成为CPU支撑所有AI应用创造实用价值的一种解法。
“可编程”的AI在吴翰清的创业理念中显得尤为重要，在他的讲述中，kOS尝试在统一神经网络和高级编程语言这两者，或者说从更高的层面来说，尝试着用同一个系统来统一连接主义和符号主义，让它兼具神经网络的泛化能力，同时又能够保留高级编程语言的逻辑推理能力，也就是精确控制能力。
这同样可以回到大模型幻觉和缺乏精确控制能力的问题思考上。“《西游记》里面有几个孙悟空？”吴翰清抛出了这个问题。据吴翰清观察，《西游记》里提及了几次“孙悟空”是目前市面上所有大模型都无法回答的问题，他有时是“大圣”，有时是“孙行者”，还有时是代词“你我他”，大模型无法计算，时常会给出胡言乱语的答案。但对传统的程序员来说，这压根不是一个问题，当他用编程、逻辑推理去解决时，这个问题很容易得到确定答案。
“工业界的人被学界给带歪了，学术界的人一直在追求让神经网络具备逻辑推理能力，而工业界应该把AIGC当作一个应用问题投入到生产以及扩大规模。”吴翰清表示，通过kOS对神经网络和高级编程语言两者的统一和模拟人的思考过程的符合控制的设计思想，以及通过数据的脱水和数据的浸泡产出结构化数据的符合信息论的思想，未来，kOS能够更好地解决大模型的幻觉和精度问题。
