自去年11月Open AI發(fā)布ChatGPT以來(lái),，掀起了全球網(wǎng)民的狂歡浪潮,，百度也緊隨其后推出了“文心一言”新一代知識(shí)增強(qiáng)大語(yǔ)言模型（Large Language Model，LLM）,，這類模型能夠與人對(duì)話互動(dòng),，回答問(wèn)題，協(xié)助創(chuàng)作,，火速成為了人們關(guān)注的焦點(diǎn),。隨后Open AI正式開(kāi)放了GPT-3.5的API，企業(yè)可以付費(fèi)接入,，成本極低,。如今，國(guó)內(nèi)各家企業(yè)/機(jī)構(gòu)的AI大模型也如同雨后春筍般紛紛問(wèn)世,。

GPT系列是Open AI為聊天機(jī)器人ChatGPT發(fā)布的大型語(yǔ)言模型,，GPT的全稱是Generative Pre-Trained Transformer，可以理解為：通過(guò)Transformer為基礎(chǔ)模型,，使用預(yù)訓(xùn)練技術(shù)得到通用的大型語(yǔ)言模型,。免費(fèi)的ChatGPT應(yīng)用了GPT-3.5，最新付費(fèi)版的ChatGPT Plus則應(yīng)用了GPT-4,。GPT-4是一個(gè)多模態(tài)模型,，具有更強(qiáng)大的泛化能力和生成能力，可以更準(zhǔn)確地解決用戶難題,。

LLM的出現(xiàn),，提供了強(qiáng)大、智能的交互方式,，ChatGPT的問(wèn)世也讓文本生成展現(xiàn)出了作為生產(chǎn)力工具的潛質(zhì),。可以說(shuō),，以ChatGPT為代表的基于Prompt范式的LLM取得了巨大的成功,，同時(shí)模型背后的指導(dǎo)訓(xùn)練方式——指示學(xué)習(xí)（Instruction Learning）和人工反饋的強(qiáng)化學(xué)習(xí)（Reinforcement Learning from Human Feedback，RLHF）也引起了廣泛的關(guān)注,。

從技術(shù)角度來(lái)看,，LLM發(fā)端于自然語(yǔ)言處理（Natural Language Processing，NLP）領(lǐng)域,，以谷歌的BERT,、OpenAI的GPT和百度文心大模型為代表，參數(shù)規(guī)模逐步提升至百億,、千億,、萬(wàn)億,，同時(shí)用于訓(xùn)練的數(shù)據(jù)量級(jí)也顯著提升，帶來(lái)了模型能力的提高,。而無(wú)論從學(xué)術(shù)研究角度看,，還是從工業(yè)應(yīng)用角度來(lái)看，LLM都代表了NLP領(lǐng)域的一個(gè)技術(shù)飛躍,，帶來(lái)了整個(gè)領(lǐng)域研究范式的轉(zhuǎn)換,，預(yù)計(jì)LLM的使用也會(huì)越來(lái)越流行。

隨著數(shù)字化轉(zhuǎn)型需求不斷增長(zhǎng),，AI技術(shù)在政府和企業(yè)中的應(yīng)用也越來(lái)越多，AI開(kāi)發(fā)門檻高,、應(yīng)用場(chǎng)景復(fù)雜多樣,、對(duì)場(chǎng)景數(shù)據(jù)標(biāo)注依賴等問(wèn)題成為AI規(guī)模化落地的挑戰(zhàn),，而LLM的出現(xiàn)則為AI帶來(lái)了新的機(jī)遇與希望,。一般認(rèn)為，LLM作為政府和企業(yè)推進(jìn)人工智能產(chǎn)業(yè)發(fā)展的重要抓手,，在識(shí)別,、理解、決策,、生成等AI任務(wù)的泛化性,、通用性、遷移性方面都表現(xiàn)出顯著優(yōu)勢(shì)和巨大潛力,。

顯而易見(jiàn)，LLM對(duì)AI 檔案應(yīng)用系統(tǒng)的開(kāi)發(fā)以及檔案部門未來(lái)信息化的發(fā)展提供了一種新的思路,，或引發(fā)革命性的變化,。如果能夠?qū)LM接入檔案管理系統(tǒng)，可以實(shí)現(xiàn)文件自動(dòng)分類歸檔,、關(guān)鍵詞提取,、摘要生成、文本分析挖掘或者自動(dòng)化處理優(yōu)化,，在功能上可體現(xiàn)為：文本摘要,、檔案分類、審核開(kāi)放,、智能搜索,、輔助編研、關(guān)聯(lián)推薦,、知識(shí)圖譜甚至是檔案知識(shí)問(wèn)答等AI 檔案應(yīng)用,。

但是理想很豐滿,，現(xiàn)實(shí)可能很骨感，LLM能否在檔案信息化領(lǐng)域?qū)崿F(xiàn)應(yīng)用落地才是當(dāng)下首先需要思考的問(wèn)題,。GPT-4,、文心大模型以及其他LLM當(dāng)然可以用于自然語(yǔ)言處理和文本生成任務(wù)，但是它們并不是專門為檔案信息化系統(tǒng)設(shè)計(jì)的工具,，需要深入考慮檔案業(yè)務(wù)需求以及行業(yè)應(yīng)用的限制,。

……

事實(shí)上,，任何一個(gè)成功的AI應(yīng)用離不開(kāi)數(shù)據(jù)（Data）,、算法（Algorithms）、算力（Computing power）與場(chǎng)景（Business scenario）的支持,，被稱為ABCD四要素,。這四要素不斷迭代并相互協(xié)作，在核心技術(shù)發(fā)展以及應(yīng)用落地中起著至關(guān)重要的作用,。如果將AI應(yīng)用比喻成一輛汽車的話,，數(shù)據(jù)相當(dāng)于是汽油，算法相當(dāng)于是引擎,，算力相當(dāng)于是車輪,，應(yīng)用場(chǎng)景相當(dāng)于是方向盤。

在四要素中,，大量的數(shù)據(jù)集,、優(yōu)秀的算法架構(gòu)以及強(qiáng)大的計(jì)算資源是LLM實(shí)現(xiàn)的必要條件，業(yè)務(wù)場(chǎng)景則是LLM展示功力的舞臺(tái),。而將LLM應(yīng)用到檔案信息化領(lǐng)域時(shí),，可能存在著數(shù)據(jù)量不足、計(jì)算資源有限,、應(yīng)用場(chǎng)景單一以及如何保證數(shù)據(jù)安全等問(wèn)題,。經(jīng)過(guò)對(duì)各要素進(jìn)行分析之后，筆者認(rèn)為,，現(xiàn)階段將LLM應(yīng)用到檔案信息化系統(tǒng)中仍存在較大的局限性,，分別從以下四個(gè)方面進(jìn)行分析：

GPT-4或者“文心一言”這一類的LLM無(wú)法準(zhǔn)確回答出檔案領(lǐng)域“獨(dú)有”問(wèn)題的現(xiàn)象,，可以理解為是缺乏該領(lǐng)域足夠多的專業(yè)知識(shí)以及“經(jīng)驗(yàn)”,，只要喂給LLM模型足夠多的檔案知識(shí)數(shù)據(jù)，并讓它自己學(xué)習(xí)訓(xùn)練,，也許在不遠(yuǎn)的將來(lái),，GPT-4可以成為專業(yè)的檔案咨詢。況且,，LLM也不該被“某單一領(lǐng)域內(nèi)的應(yīng)用”思維所束縛,，強(qiáng)大的通用AI應(yīng)用才是LLM研究的方向。

綜上所述,，筆者認(rèn)為,，為了能更好地實(shí)現(xiàn)AI 檔案應(yīng)用，可以使用開(kāi)源框架,、自建數(shù)據(jù)庫(kù),、購(gòu)買算力的方式為檔案系統(tǒng)進(jìn)行AI功能定制，在選擇更為合適的數(shù)據(jù),、模型結(jié)構(gòu),、訓(xùn)練方法的情況下，只需要更小規(guī)模的模型,，使用一些輕量級(jí)的NLP技術(shù)來(lái)實(shí)現(xiàn)更好的應(yīng)用效果,。

最后，我們來(lái)問(wèn)一下ChatGPT對(duì)于“GPT-4,，文心一言之類的大語(yǔ)言模型適合檔案系統(tǒng)嗎,？”這一問(wèn)題的看法。