“雖然大家經(jīng)常討論的是聊天機器人或情感陪伴助手這些應用，但實(shí)際上，我們現在能看到大模型在工業(yè)領(lǐng)域有更多的落地場(chǎng)景，大模型的應用場(chǎng)景非常廣泛。”

　　近日，微軟亞洲研究院資深首席研究員、微軟亞洲研究院機器學(xué)習組和產(chǎn)業(yè)創(chuàng )新中心負責人邊江博士接受記者采訪(fǎng)時(shí)說(shuō)，大模型已經(jīng)可以用于能源領(lǐng)域的電能產(chǎn)量預測，或者醫療領(lǐng)域的患者監測預測。

圖源網(wǎng)絡(luò )/侵刪

　　“這些時(shí)序預測任務(wù)，在大模型中都有很好的落地場(chǎng)景，盡管目前還沒(méi)有太多人深入討論。”邊江說(shuō)，“我們通過(guò)相關(guān)研究，并對一些技術(shù)增強了大模型的預測能力，包括決策能力。”

　　邊江分享了一個(gè)解決供暖和空調系統中的能源消耗問(wèn)題的創(chuàng )新解決方案，實(shí)時(shí)分析外部天氣情況和建筑內部人流量的變化，實(shí)時(shí)調整空調設備的送風(fēng)溫度和送風(fēng)壓力，能源使用效率提升，能源消耗減少達30%。

　　這個(gè)被稱(chēng)為“可優(yōu)化HVAC控制策略的強化學(xué)習”的技術(shù)，近日也在上海氣候周期入選2024年十大值得關(guān)注的氣候技術(shù)。

　　“這個(gè)算法的本質(zhì)，其實(shí)是為了優(yōu)化長(cháng)期的收益，來(lái)調整當前的決策。比如，空調系統可能每隔15分鐘或1小時(shí)就需要重新設定，這些設置不僅影響當前的溫控效果，還會(huì )影響到空調的長(cháng)期能耗。強化學(xué)習需要處理的就是這種時(shí)序決策問(wèn)題，即如何做出既考慮當前影響又優(yōu)化長(cháng)期收益的決策。”邊江說(shuō)，當然這里面臨的一個(gè)主要挑戰是環(huán)境動(dòng)態(tài)變化。

　　“當時(shí)，我們在公司總部大樓測試這個(gè)算法，正好趕上加州的山火，這種大范圍的自然災害，顯著(zhù)影響了美國西海岸的氣候，這類(lèi)突發(fā)事件是我們以前沒(méi)有遇到過(guò)的挑戰。我們也設計了能夠適應這些復雜環(huán)境的算法，讓它做得更好。”邊江說(shuō)，與當年AlphaGo處理的圍棋環(huán)境不同，圍棋的環(huán)境是靜態(tài)且封閉的，而HVAC系統則需要應對每天變化的氣候和不同的室內人員變動(dòng)。

　　據了解，對于預測的算法，主要涉及兩種類(lèi)型，一是時(shí)序預測，比如面向糖尿病患者，可以基于每五分鐘一次的血糖監測數據，預測其未來(lái)血糖的變化，這屬于時(shí)序數據的預測。另一種非時(shí)序數據的預測，即結構化的表格數據，比如金融行業(yè)中用于檢測欺詐行為或反洗錢(qián)等。

　　“根據我們目前的研究，大模型在這些預測任務(wù)上具有很大的潛力，通過(guò)對現有大模型的微調，我們可以賦予它這種預測能力。”邊江說(shuō)，它可以用于能源領(lǐng)域的電能產(chǎn)量預測，或者醫療領(lǐng)域的患者監測預測。

　　“這些時(shí)序預測任務(wù)在大模型中也有很好的落地前景，盡管目前還沒(méi)有太多人對此有深入探討。我們已經(jīng)進(jìn)行了相關(guān)研究，并通過(guò)一些技術(shù)增強了大模型的預測能力，包括決策能力。”

　　此前剛剛在上海結束的F1中國大獎賽，不少車(chē)隊也都融入了高科技。“車(chē)手應該在哪一圈進(jìn)站更換輪胎，應該選擇換哪種類(lèi)型的輪胎……”邊江說(shuō)。

　　據了解，F1賽車(chē)有三種不同的輪胎：軟胎、中性胎和硬胎。軟胎盡管可以短時(shí)間內獲得快速圈速，但無(wú)法堅持太多圈，磨損較快;硬胎耐磨但圈速不如軟胎快;中性胎則介于兩者之間。這根據比賽情況決策何時(shí)進(jìn)站、換胎，以及換什么類(lèi)型的胎。同時(shí)進(jìn)站策略也很關(guān)鍵，它取決于當前車(chē)手的賽道位置，比如是否處于比較擁擠的賽段，或者出站后是否會(huì )遇到慢車(chē)等情況，這些都是重要的決策點(diǎn)。因為每圈都要決定這一圈要不要讓車(chē)手進(jìn)站。

　　”整個(gè)決策過(guò)程是一個(gè)時(shí)序決策的過(guò)程，通過(guò)一套強化學(xué)習算法，并結合大數據模型生成數據，這一整套框架應用能夠于F1賽車(chē)的場(chǎng)景。”邊江說(shuō)，在方程式賽車(chē)中，該基礎模型能夠優(yōu)化賽車(chē)的輪胎維修策略，根據賽車(chē)輪胎的損耗和維修成本，找到最佳的進(jìn)站維修時(shí)間，以縮短賽程、提高賽車(chē)排名。

　　邊江也表示，“我們已將大模型與強化學(xué)習結合，使其能夠提供高質(zhì)量的離線(xiàn)數據，幫助學(xué)習泛化性很強的策略。

　　對于大模型在產(chǎn)業(yè)落地過(guò)程中的成本問(wèn)題，邊江認為，考慮成本時(shí)，不同的角度會(huì )有不同的應對策略。

　　“站在微軟的角度，我們可以為客戶(hù)提供不同成本的解決方案。比如預測類(lèi)的任務(wù)，可以將其作為一種云服務(wù)進(jìn)行提供，這種模式特別適合中小企業(yè)，他們不需要自行處理大規模數據，只需收集幾個(gè)、幾十個(gè)樣本，就能利用我們的大模型，通過(guò)“上下文學(xué)習”(in context learning)，實(shí)現有效的預測。”

　　在邊江看來(lái)，另一個(gè)平衡成本的例子是采用基于檢索增強生成(RAG)的方法進(jìn)行知識管理，這也是大模型落地的很好的場(chǎng)景。

　　“我們已與物流公司合作處理海關(guān)通關(guān)的知識管理，以及與醫藥公司合作進(jìn)行FDA審批的知識管理中使用了這樣的方式。這種方法的優(yōu)點(diǎn)在于，企業(yè)不需要自己訓練大模型，只需調用我們提供的大模型API，并結合RAG進(jìn)行知識管理，就可以達到很好的效果。RAG是在已有的大模型基礎上進(jìn)行增強，通過(guò)添加外部知識庫來(lái)實(shí)現更好的行業(yè)知識管理。”邊江說(shuō)。

　　據了解，微軟近期發(fā)布了一個(gè)小模型Phi-3。小模型的優(yōu)勢是計算量的需求少，對于沒(méi)有大模型算力的公司，小模型既可以作為補充，也因為較低的能耗而具有優(yōu)勢，不是所有任務(wù)都需要大模型。小模型也是微軟研究院預測的今年的AI重點(diǎn)的研究方向之一。

（邯鄲小程序開(kāi)發(fā)）