阿里云披露大模型最新進(jìn)展：“通義聽悟”攻向音視頻賽道-天天觀察

(相關(guān)資料圖)

作為大模型最為活躍的領(lǐng)域，自然語言處理成為眾多科技公司在研發(fā)上的主攻方向，阿里也不例外。

6月1日，阿里云對(duì)外披露通義大模型最新進(jìn)展，瞄向AI音視頻賽道推出“通義聽悟”，并且正式開啟公測(cè)。這距離“通義千問”的發(fā)布還不到兩個(gè)月的時(shí)間。

根據(jù)會(huì)議現(xiàn)場(chǎng)工作人員的演示，通義聽悟可以實(shí)時(shí)完成對(duì)音視頻內(nèi)容的轉(zhuǎn)寫、檢索、摘要和整理，利用大模型的能力自動(dòng)做筆記、整理訪談、提取PPT等。阿里云CTO周靖人表示，通義聽悟能夠?qū)崟r(shí)記錄、多語言翻譯、發(fā)言總結(jié)、問題回顧，視頻體驗(yàn)方面，支持云盤導(dǎo)入和本地上傳、章節(jié)速覽、全文概要等。

聽悟技術(shù)負(fù)責(zé)人鄢志杰則對(duì)記者表示，通義聽悟的前身是阿里云內(nèi)部一個(gè)名為“聽悟”的產(chǎn)品，主要為投資部、HR等部門做項(xiàng)目會(huì)議的音頻轉(zhuǎn)寫功能，在2022年，這款產(chǎn)品的潛力逐步被挖掘，內(nèi)部開始思考其工具屬性是不是要發(fā)生變化。

“工具是什么？受人支配，它不會(huì)比人更聰明，也不會(huì)比人懂得更多。但是工具在與通義天問大模型能力相結(jié)合以后，這種工具能力就變成了助手能力，能夠幫人解決一些問題。”鄢志杰表示，在多模態(tài)的布局下，阿里云就這樣將聽悟形成了產(chǎn)品。

但和其他生成式人工智能應(yīng)用一樣，如何保護(hù)數(shù)據(jù)隱私也是通義聽悟需要向個(gè)人用戶以及企業(yè)合作方解答的首要問題。一方面，人工智能公司需要大量的數(shù)據(jù)來訓(xùn)練更聰明智能的大模型，另一方面，隨著越來越多用戶將人工智能應(yīng)用納入工作流，上傳的數(shù)據(jù)中難免會(huì)夾帶公司機(jī)密信息。

周靖人對(duì)記者表示，目前企業(yè)的需求中包括了數(shù)據(jù)安全、數(shù)據(jù)隱私等各個(gè)方面的要求，阿里也有完整的企業(yè)級(jí)產(chǎn)品系列。他強(qiáng)調(diào)，雖然企業(yè)通過大模型來提升日常工作效率，但并不代表這些數(shù)據(jù)會(huì)用于大模型自身的訓(xùn)練。

“比如，通義千問技術(shù)的模型訓(xùn)練不依賴于用戶數(shù)據(jù)，而是更多依賴于基礎(chǔ)的知識(shí)理解，這種應(yīng)用再結(jié)合會(huì)議的場(chǎng)景以及視頻的場(chǎng)景，才誕生了今天的通義聽悟，更多是利用技術(shù)模型的能力去幫助我們做總結(jié)、翻譯以及內(nèi)容的摘取。”他說。

但從目前市場(chǎng)的競(jìng)爭(zhēng)來看，大模型賽道已經(jīng)相當(dāng)擁擠。中國(guó)科學(xué)技術(shù)信息研究所所長(zhǎng)趙志耕此前表示，中國(guó)10億以上參數(shù)規(guī)模的大模型已經(jīng)接近80個(gè)，自然語言處理領(lǐng)域更是競(jìng)爭(zhēng)激烈。

面對(duì)當(dāng)前大模型的競(jìng)爭(zhēng)，周靖人表示，目前外界對(duì)大模型要求很高，從通義千問發(fā)布以來，阿里云也陸陸續(xù)續(xù)做了大量工作，并在全國(guó)開始部署AI的模型。“同時(shí)在云的底層通過一系列模型優(yōu)化不斷降低模型使用的成本，降低模型所使用的資源，只有這樣能夠讓模型真正意義大規(guī)模去服務(wù)社會(huì)。”

標(biāo)簽：