AI大模型在垂直领域面临两大困局

转载学习：郑志明院士：AI大模型在垂直领域面临两大困局

郑志明院士解析当前AI大模型在垂直领域面临的困局，提出破解高精产业应用难题的新思路！

1. AI大模型垂直领域应用困局

• 中国科学院院士郑志明在CCBN 2025开幕式指出“复杂高精产业 + 人工智能大模型”面临应用困局，行业大模型定制有科学问题待突破。
  
• 大语言模型性能取决于计算量、数据量和参数量规模，传统大模型训练成本指数级增长，高门槛算力制约发展，DeepSeek破局。
  
• 新一代人工智能重点是决策能力，大模型在垂直领域应用存在决策能力不足问题。
  

2. AI大模型垂直领域两大困局及三大问题

• 两大困局
  
  
  
  • 第一大困局是人工智能大模型在复杂场景和跨域领域应用的泛化能力不足，强泛化性与精准性缺失制约技术跃迁和社会经济发展，因缺乏统一理论框架和可验证边界、“灾难性遗忘”问题严重。
    
  • 第二大困局是人工智能大模型在高精场景的广泛应用缺乏精准可解释性，知识边界模糊会导致高风险模型幻觉，建议采用跨尺度智能理论促进深度应用。
    
  
  
• 三大问题
  
  
  
  • 理论缺乏，训练成本高昂，现有模型训练方式导致成本高、过程不可控，学习新知识可能遗忘旧知识。
    
  • 技术黑箱，可解释性不足，注意力机制偏差导致幻觉问题，黑箱特性难满足可解释需求。
    
  • 信息闭塞，缺乏开源生态，表现在缺乏统一开发规范、参与方治理机制、体系化系统支撑和应用场景实践。
    
  
  

3. 构建新一代可解释高精度行业大模型思路

• 郑志明提出通过内嵌复杂系统数学理论，构建新一代可解释高精度行业大模型，推动大模型实现系统性跃迁。
  
• 稳态域：构建通专知识融合的数智媒体大模型微调框架，利用结构稳定性理论建模能力边界，缓解“灾难性遗忘”，提升泛化能力。
  
• 认知域：开发幻觉抑制的数智媒体大模型，利用跨尺度智能理论构建推理边界，抑制幻觉输出，提升决策精准性和可解释性。
  
• 生态域：构建全方位量化评价的评估体系与验证体系，实现开源协同与模型共享，推动行业级AI解决方案适配与规模化落地。
  

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！