“深度求索”的意義體現(xiàn)在幾個方面。首先，“深度求索”是一款成熟度很高的大模型。筆者和朋友親測發(fā)現(xiàn)，“深度求索”給出的建議往往非常“靠譜”，超過了多數(shù)專業(yè)技術(shù)人員的水平。技術(shù)成熟意味著有創(chuàng)造價值的能力和眾多真實的應(yīng)用場景。其次，“深度求索”在開源和本地化部署方面具備優(yōu)勢。企業(yè)應(yīng)用AI時，往往要用到企業(yè)的“私有數(shù)據(jù)知識”。“深度求索”兼顧開源和本地化部署優(yōu)勢，且本地部署的成本低，便于企業(yè)廣泛采用。最后，“深度求索”有助于我國參與國際競爭。美國是AI技術(shù)最先進的國家之一，但限制中國用戶使用美國技術(shù)、試圖遲滯我國AI應(yīng)用技術(shù)的發(fā)展，“深度求索”突破了這種限制。

　　有了成熟的大模型以后，下一步的關(guān)鍵就是如何用好這一新技術(shù)了。想要用好大模型，就要學(xué)習(xí)利用它的長處，避免它的短處和不足。“幻覺問題”是AI大模型應(yīng)用最常見的問題，被人稱為“一本正經(jīng)地胡說八道”，很容易誤導(dǎo)用戶。因此，AI大模型主要用于人機協(xié)同的場合，而不是自動控制的場景。在人機協(xié)同的場合，AI主要起到“參謀”和“軍師”的作用，最終的決策需要經(jīng)過人的完善和確認(rèn)后才能下達。

　　筆者發(fā)現(xiàn)，AI的“幻覺”問題主要針對具體的事實和事件，而不是通用的科學(xué)知識。在沒有聯(lián)機搜索的前提下，模型更容易產(chǎn)生“幻覺”。筆者在不聯(lián)網(wǎng)的模式下提問：某本書的作者是誰？如果書的名氣不大，AI的答案就往往是錯的；但如果聯(lián)網(wǎng)搜索，結(jié)果往往就是正確的。因此，應(yīng)用AI大模型時，應(yīng)該盡量保證系統(tǒng)能夠訪問到相關(guān)的知識。AI大模型的本地化部署，就是便于訪問并獲得企業(yè)內(nèi)部知識，并便于對模型進行“微調(diào)”。

　　在工業(yè)領(lǐng)域中，設(shè)計研發(fā)、工廠管理、銷售采購等工作都可以通過人機協(xié)同的方式提高質(zhì)量和效率。這些崗位的工作人員，本質(zhì)上都是“知識及工作者”，善于用自己的知識做出決策。若干年前，筆者曾思考如何通過建立“知識鋼廠”，也就是說通過讓計算機掌握更多的知識來解決知識依附于人的問題，提升鋼鐵企業(yè)的研發(fā)設(shè)計能力，并推動企業(yè)實現(xiàn)“從制造到服務(wù)”的轉(zhuǎn)型。

　　當(dāng)時遇到的主要困難是知識的碎片化。這個特點在鋼鐵企業(yè)非常突出。知識碎片化的結(jié)果是計算機難以有效地管理和利用這些知識。當(dāng)時，人們普遍認(rèn)為，要推動形成“知識鋼廠”，就要推動知識的結(jié)構(gòu)化。但這個工作的難度非常大且進展緩慢。人們也曾想用過去的AI方法解決知識相關(guān)的問題。比如，IBM（萬國商業(yè)機器公司）曾經(jīng)試圖開發(fā)一套Watson（沃森）系統(tǒng)，以解決醫(yī)療保健中的問題。這項工作發(fā)生在大模型出現(xiàn)之前且付出了很大的代價，可結(jié)果一直都不理想。然而，AI大模型的出現(xiàn)，給我們帶來了新的技術(shù)路徑：讓AI不斷地學(xué)習(xí)碎片化知識，AI就能自主地利用碎片化知識，從而避開了知識結(jié)構(gòu)化的困境。

　　筆者曾經(jīng)向“深度求索”提出一個問題：在黑河建立一個鋼結(jié)構(gòu)建筑，建議使用什么鋼材？“深度求索”回答這個問題時，考慮了黑河的地理位置，從而提出低溫沖擊性能的要求，還綜合考慮了耐腐蝕性、供貨和組合用材的要求，給出了最終建議。由此可見，“深度求索”在解決這個問題時，綜合應(yīng)用了地理知識、材料學(xué)知識、建筑學(xué)知識等多方面的知識。筆者隨后請教了專業(yè)人士，認(rèn)為其給出的建議是“靠譜”的。筆者曾經(jīng)長期從事熱軋帶鋼性能預(yù)報研究工作，其間經(jīng)常與材料工程師交流。當(dāng)我把此前遇到的一個問題詢問“深度求索”時，發(fā)現(xiàn)它會提示我一些材料工程師容易忽視掉的知識。由此可見，“深度求索”可以用于服務(wù)和研發(fā)。

　　在數(shù)字化時代，人們將面臨各種新的挑戰(zhàn)。其中一個典型的挑戰(zhàn)就是：相關(guān)數(shù)據(jù)越來越多，但工藝技術(shù)和企業(yè)管理人員不熟悉計算系統(tǒng)的代碼和數(shù)據(jù)。工藝技術(shù)和管理人員希望增加新功能、分析數(shù)據(jù)的時候，往往需要請IT（信息技術(shù)）、DT（數(shù)據(jù)處理技術(shù)）的專業(yè)技術(shù)人員幫助解決問題，而IT、DT的專業(yè)技術(shù)人員往往不了解工藝和生產(chǎn)知識。各方的協(xié)作就非常困難，導(dǎo)致工作效率低、成本高。現(xiàn)在企業(yè)都很重視數(shù)據(jù)，但有大量企業(yè)的數(shù)據(jù)“躺”在數(shù)據(jù)庫中難以發(fā)揮作用。究其原因就是分析數(shù)據(jù)、維護系統(tǒng)過于麻煩，使得許多數(shù)據(jù)分析工作不具備經(jīng)濟性。“深度求索”的介入，往往可以讓企業(yè)的技術(shù)和管理人員直接向計算機提出問題，從而極大地方便了數(shù)據(jù)的利用、提高了工作效率，從本質(zhì)上提高了數(shù)據(jù)工作的經(jīng)濟性。實踐也證明了這種思想的可行性。過去，上海優(yōu)也公司開發(fā)一套數(shù)字孿生系統(tǒng)需要1個月的時間，現(xiàn)在一天、甚至2到3個小時就可以搞定了。

　　根據(jù)初步實踐，AI也存在一些不足。比如，AI給出的答案往往不夠有深度。很多人認(rèn)為，“深度求索”的能力水平超過80%的專業(yè)技術(shù)人員，但換個角度看AI是不如頂級技術(shù)專家的。特別是一些開拓性的工作，AI目前還是有差距的。這就意味著，重要的工作確實需要人機協(xié)同來完成。

　　總體來說，“深度求索”的問世，為我國冶金企業(yè)的技術(shù)進步帶來了巨大的機會，亟待大家去挖掘“寶藏”。未來的難點可能集中在兩個方面：一是要學(xué)會與AI交流。最近北大、清華都出了學(xué)習(xí)使用“深度求索”的課程。在這些課程中，都用大量的篇幅介紹“提示詞工程”，教會大家向AI問問題。諾貝爾物理學(xué)獎獲得者李政道先生曾說，做學(xué)問，先學(xué)問；只作答，非學(xué)問。學(xué)會問問題，往往需要更高的素質(zhì)和思維能力，這是用好AI的重要基礎(chǔ)，也是我們面臨的新的挑戰(zhàn)。二是要讓AI做出正確的決策。數(shù)據(jù)和知識的完整性、準(zhǔn)確性很重要。孫子說：“知己知彼，百戰(zhàn)不殆。”這一點，會給數(shù)字化基礎(chǔ)建設(shè)帶來挑戰(zhàn)。

　　總之，未來冶金企業(yè)的核心競爭力可能是研發(fā)、設(shè)計、服務(wù)以及精細化的管理。AI大模型在這些領(lǐng)域的應(yīng)用，前途無量。（郭朝暉）