蚂蚁集团CTO：大模型乱象源于数据贫瘠，亟需打破幻觉
随着人工智能（AI）的快速发展，大模型已成为当前的研究热点。然而，近期出现的大模型乱象，引发了业界对AI发展的担忧。对此，蚂蚁集团首席技术官何征宇在OceanBase开发者大会上指出，大模型乱象的源头是数据贫瘠，亟需打破幻觉。
首先，何征宇指出，没有数据就没有AI的发展，数据的边界决定了大模型的能力上限。随着AI的发展，数据的地位日益凸显。然而，目前廉价的互联网数据即将用尽，导致数据的获取成本增加，这使得数据的获取、处理和评估成为了一项挑战。
其次，何征宇强调了严谨的行业数据稀缺且流动困难。行业数据是理解特定领域的重要信息来源，然而，由于数据隐私和安全问题，许多行业数据无法公开流通。这使得企业在应用大模型时，难以获取到足够、准确、全面的行业数据，进而影响了大模型的性能和效果。
再者，多模态数据处理难也是一大挑战。多模态数据是指包含多种信息形式的数据，如文本、图像、音频等。如何有效地处理多模态数据，将各种信息形式转化为大模型可以理解和利用的形式，是一项极具挑战性的任务。
最后，数据的质量评估难也是一大问题。高质量的数据是训练出优秀大模型的基础。然而，如何准确、客观地评估数据的质量，是一项极具挑战性的任务。目前，大多数方法都是基于人工评估或基于统计方法的简单评估，这无法保证评估的准确性和可靠性。
面对这些挑战，何征宇认为，未来企业成功与否，将主要取决于如何产生数据、应用数据。企业需要积极探索新的数据源，提高数据的收集、处理和评估能力，以更好地支持大模型的训练和优化。同时，企业也需要关注数据的隐私和安全问题，确保在获取和使用数据的过程中，遵守相关的法律法规和伦理标准。
在技术方面，蚂蚁集团将支持OceanBase在金融、医疗、生活等蚂蚁AI的核心场景的突破。金融、医疗和生活是三个重要的领域，拥有大量的数据资源和独特的应用场景。OceanBase作为一家具有全球影响力的数据库厂商，已经在这些领域积累了丰富的数据和业务经验。通过将这些经验应用于蚂蚁AI的核心场景，OceanBase有望进一步推动大模型的研发和应用。
同时，蚂蚁集团将继续支持OceanBase开源开放，推进AGI梦想的实现。AGI是人工智能的终极目标，即实现具有人类智慧水平的人工智能。通过开放和共享技术成果，OceanBase将吸引更多的开发者和技术社区参与进来，共同推动人工智能技术的发展。
总的来说，大模型的研发和应用是一项极具挑战性的任务。面对数据贫瘠、行业数据稀缺、多模态数据处理难和数据质量评估难等挑战，我们需要积极探索新的解决方案和技术手段。蚂蚁集团作为一家具有全球影响力的科技企业，将不断投入研发资源，积极探索新的技术手段和应用场景，以更好地支持大模型的研发和应用。
在未来的发展中，我们期待看到更多的技术创新和突破，为大模型的研发和应用带来更多的可能性。
