大模型存在著一個(gè)普遍的問題就是一本正經(jīng)的胡說八道，該怎樣去解決GPT還沒有能夠成功解決的問題，沈向洋也提出了一個(gè)獨(dú)特的思路，就是讓大模型和知識(shí)圖譜去完成一個(gè)互補(bǔ)也就是Think-on-Graph技術(shù)。通過這個(gè)技術(shù)，讓大模型能夠更擅長(zhǎng)理解文本的意識(shí)能夠做到自主學(xué)習(xí)。北京時(shí)間11月22號(hào)IDEA研究院創(chuàng)院理事長(zhǎng)沈向洋在深圳舉辦的2023IDEA大會(huì)中闡述了自己的觀點(diǎn)，認(rèn)為大模型技術(shù)發(fā)展到今天比如推出的GPT4.0版本的能力已經(jīng)非常的強(qiáng)大，但是GPT4.0依然還存在著很多的問題，我們現(xiàn)在最需要做的就是找到其中出現(xiàn)的問題去思考人們還可以做些什么怎么才能解決這些問題。一個(gè)公認(rèn)的沒有解決的問題其實(shí)是一種多模態(tài)，除了文本之外比如圖像和計(jì)算機(jī)視覺。 針對(duì)視覺大模型究竟還沒有機(jī)會(huì)研發(fā)出來，沈向洋認(rèn)為計(jì)算機(jī)視覺方面有著很多自己的特點(diǎn)，第一是場(chǎng)景非常長(zhǎng)尾，通俗理解就是有100個(gè)場(chǎng)景那你就得有100個(gè)模型，第2個(gè)問題是問題碎片化并非結(jié)構(gòu)化，這就意味著問題的差異非常大，因?yàn)榛ヂ?lián)網(wǎng)的數(shù)據(jù)并不充足根本沒有辦法將計(jì)算機(jī)視覺需要檢測(cè)到的場(chǎng)景全范圍的覆蓋，這也就意味著比如像GPT之語(yǔ)言理解領(lǐng)域一樣，想要解決這方面出現(xiàn)的問題計(jì)算機(jī)視覺領(lǐng)域同樣需要有通用的視覺大模型。 伴隨著人工智能技術(shù)不斷更新迭代，人們對(duì)于人工智能技術(shù)的擔(dān)憂也越來越強(qiáng)，一個(gè)經(jīng)常被人們所討論的問題就是人工智能技術(shù)發(fā)展到最后對(duì)人類意味著什么，會(huì)不會(huì)給人類的安全帶來危險(xiǎn)，沈向洋在大會(huì)中也作出了間接的回應(yīng)稱如果放在歷史的長(zhǎng)河中去思考這個(gè)問題，答案非常明確，因?yàn)槿祟惔嬖谄鋵?shí)在宇宙的發(fā)展中，它只是一個(gè)很短暫的部分，相比較人工智能人類最大的優(yōu)勢(shì)就是適應(yīng)能力非常強(qiáng)。