我国生成式人工智能发展进展、问题及建议

张雅妮; 徐曼; 王懿

doi:10.3969/j.issn.2096-6091.2023.20.006

您当前的位置：

首页 >

文章列表页 >

我国生成式人工智能发展进展、问题及建议

综述 | 更新时间：2025-03-26

- 我国生成式人工智能发展进展、问题及建议
- The Development Progress， Problems and Suggestions of Generative Artificial Intelligence in China
- 新一代信息技术 2023年6卷第20期页码：30-33
- 作者机构：
  
  1.中国电子学会，北京 100036
  2.中国石油大学（北京）安全与海洋工程学院，北京 102249
- 作者简介：
  
  [ "张雅妮（1981—），女，现为中国电子学会高级工程师。研究方向：机器人、新一代信息技术、制造业数字化转型。E-mail： ciezhangyani@163.com" ]
  [ "徐曼（1990—），女，现为中国电子学会高级工程师。研究方向：人工智能、新一代信息技术、数字经济。Email： ciexuman@163.com" ]
- 基金信息：
- DOI：10.3969/j.issn.2096-6091.2023.20.006
  中图分类号： TP30
- 纸质出版日期：2023-10-30
- 稿件说明：
移动端阅览
张雅妮, 徐曼, 王懿. 我国生成式人工智能发展进展、问题及建议[J]. 新一代信息技术, 2023, 6(20): 30-33

ZHANG Ya-ni, XU Man, WANG Yi. The Development Progress, Problems and Suggestions of Generative Artificial Intelligence in China[J]. New Generation of Information Technology, 2023, 6(20): 30-33
张雅妮, 徐曼, 王懿. 我国生成式人工智能发展进展、问题及建议[J]. 新一代信息技术, 2023, 6(20): 30-33 DOI： 10.3969/j.issn.2096-6091.2023.20.006.

ZHANG Ya-ni, XU Man, WANG Yi. The Development Progress, Problems and Suggestions of Generative Artificial Intelligence in China[J]. New Generation of Information Technology, 2023, 6(20): 30-33 DOI： 10.3969/j.issn.2096-6091.2023.20.006.

摘要

自2022年年末OpenAI推出ChatGPT大模型产品以来，生成式人工智能在全球掀起了创新浪潮。在科研界和产业界共同努力下，我国生成式人工智能创新活跃，呈现出蓬勃发展的良好态势。本文对我国生成式人工智能发展的产品创新、创新生态以及应用场景创新予以分析总结，通过企业调研和专家座谈，判断当前我国与国际领先产品的技术差距，并深入剖析了国内生成式人工智能所面临的难题，其具体包括：存在技术壁垒难以突破、高质量中文数据匮乏、行业间合作不足、评测标准缺失等。据此本文提出了相关的对策和建议，为党和政府的有关决策提供参考。

Abstract

Since OpenAI launched the ChatGPT big model product at the end of 2022

generative artificial intelligence has sparked a wave of innovation worldwide. With the joint efforts of the scientific research and industry sectors

China’s generative artificial intelligence innovation is active and showing a good trend of vigorous development. This article analyzes and summarizes the product innovation

innovation ecology

and application scenario innovation of China’s generative artificial intelligence development. Through enterprise research and expert discussions

it determines the technological gap between China and internationally leading products

and deeply analyzes the problems faced by domestic generative artificial intelligence

including difficulties in breaking through technological barriers

lack of high-quality Chinese data

lack of industry cooperation

and lack of evaluation standards

propose relevant countermeasures and suggestions to provide reference for the decision-making of the party and the government.

关键词

Keywords

references

李耕 , 王梓烁 , 何相腾 , 等 . 从ChatGPT到多模态大模型: 现状与未来 [J ] . 中国科学基金 , 2023 , 37 ( 5 ): 724 - 734 .

Nathan Benaich , Air Street Capital . 2023年度人工智能现状报告 [EB/OL ] . ( 2023-08-17 )[ 2023-12-05 ] . https://www.stateof.ai/ https://www.stateof.ai/ .

LIANG J , HUANG W L , XIA F , et al . Code as policies: Language model programs for embodied control [C ] // 2023 IEEE International Conference on Robotics and Automation (ICRA) . Piscataway : IEEE , 2023 .

戴琼海 . 大模型技术: 变革、挑战与机遇 [J ] . 中国科学基金 , 2023 , 37 ( 5 ): 713 .

北京市科委 , 中关村管委会 . 北京市人工智能行业大模型创新应用白皮书 ( 2023 年)[EB/OL ] . ( 2023-11-29 )[ 2023-12-05 ] . https://www.beijing.gov.cn/ywdt/gzdt/202311/P020231129595361731511.pdf https://www.beijing.gov.cn/ywdt/gzdt/202311/P020231129595361731511.pdf .

ZENG A H , LIU X , DU Z X , et al . GLM-130B: An open bilingual pre-trained model [EB/OL ] . ( 2022-10-05 )[ 2023-12-05 ] . http://arxiv.org/abs/2210.02414 http://arxiv.org/abs/2210.02414 .

刘学博 , 户保田 , 陈科海 , 等 . 大模型关键技术与未来发展方向: 从ChatGPT谈起 [J ] . 中国科学基金 , 2023 , 37 ( 5 ): 758 - 766 .

HENDRYCKS D , BURNS C , BASART S , et al . Measuring massive multitask language understanding [EB/OL ] . ( 2020-09-07 )[ 2023-12-05 ] . https://arxiv.org/abs/2009.03300 https://arxiv.org/abs/2009.03300 .

HUANG Y Z , BAI Y Z , ZHU Z H , et al . C-eval: A multi-level multi-discipline Chinese evaluation suite for foundation models [EB/OL ] . ( 2023-05-17 )[ 2023-12-05 ] . http://arxiv.org/abs/2305.08322 http://arxiv.org/abs/2305.08322 .

REI R , STEWART C , FARINHA A C , et al . COMET: A neural framework for MT evaluation [C ] // Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP) . Stroudsburg : Association for Computational Linguistics , 2020 : 2685 - 2702 .

浏览量

639

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

人工智能关键技术发展现状与趋势研究

跨越虚拟与现实——广电元宇宙与生成式人工智能技术的创新应用