IDEA研究院沈向洋：怎样解决GPT还未解决的问题

大模型存在着一个普遍的问题就是一本正经的胡说八道，该怎样去解决GPT还没有能够成功解决的问题，沈向洋也提出了一个独特的思路，就是让大模型和知识图谱去完成一个互补也就是Think-on-Graph技术。通过这个技术，让大模型能够更擅长理解文本的意识能够做到自主学习。北京时间11月22号IDEA研究院创院理事长沈向洋在深圳举办的2023IDEA大会中阐述了自己的观点，认为大模型技术发展到今天比如推出的GPT4.0版本的能力已经非常的强大，但是GPT4.0依然还存在着很多的问题，我们现在最需要做的就是找到其中出现的问题去思考人们还可以做些什么怎么才能解决这些问题。一个公认的没有解决的问题其实是一种多模态，除了文本之外比如图像和计算机视觉。 针对视觉大模型究竟还没有机会研发出来，沈向洋认为计算机视觉方面有着很多自己的特点，第一是场景非常长尾，通俗理解就是有100个场景那你就得有100个模型，第2个问题是问题碎片化并非结构化，这就意味着问题的差异非常大，因为互联网的数据并不充足根本没有办法将计算机视觉需要检测到的场景全范围的覆盖，这也就意味着比如像GPT之语言理解领域一样，想要解决这方面出现的问题计算机视觉领域同样需要有通用的视觉大模型。 伴随着人工智能技术不断更新迭代，人们对于人工智能技术的担忧也越来越强，一个经常被人们所讨论的问题就是人工智能技术发展到最后对人类意味着什么，会不会给人类的安全带来危险，沈向洋在大会中也作出了间接的回应称如果放在历史的长河中去思考这个问题，答案非常明确，因为人类存在其实在宇宙的发展中，它只是一个很短暂的部分，相比较人工智能人类最大的优势就是适应能力非常强。