云知声搭建医疗行业版ChatGPT，未来还将扩展到其他领域

muweilia

　　从“深蓝”到AlphaGo，再到今天的ChatGPT，人工智能行业起起伏伏几十年。ChatGPT在互联网乃至全球市场引起热议，同时伴随谷歌、Meta互联网巨头频繁布局、加码重磅信号，让大众对“AI”更添好奇与期待，其在各行业出圈有目共睹。近日，AI独角兽企业云知声再添“一把火”，宣布打造医疗行业版ChatGPT！

　　医疗行业版ChatGPT先决条件已成熟

　　近日，一位哈佛医学院教授亲自下场测试ChatGPT的表现。结果显示，它在45个案例中的39个诊断正确，正确率87%（超过了现有机器诊断率的51%）；并为30个案例提供了适当的分诊建议。他表示“ChatGPT辅助诊断的表现，已经接近医生。”

　　由此可见，医疗行业版ChatGPT先决条件已成熟。既然如此，那什么时候可以上岗？

　　虽然医疗行业版ChatGPT已经被证明有其成功必然性，但是在具体落地过程中，仍有两大关键难点需要克服：

　　一是知识专业性问题。针对知识性问题，ChatGPT可能以流畅的文本展现错误的知识，即“一本正经，胡说八道”，让非专业人员难以发觉；二是降低训练成本。ChatGPT训练成本高达千万美元以上，每次请求的成本也高达几美分，其高昂的费用也束缚着每个自身不具有预训练大模型开发能力的玩家，阻碍了其在多个行业的广泛应用。

　　对症下药，云知声打造医疗行业版ChatGPT

　　如何克服上述两大难点，这是目前想入局行业专业版ChatGPT的企业共同思考的问题。对此，在预训练模型领域发力已久的云知声给出解题思路：

　　在知识类问题的解答上，云知声将利用其在CirBERTa中已经成功应用的持续学习和知识嵌入技术，基于公司在医疗领域的知识图谱积累，优化ChatGPT模型的知识获取和更新机制，以保证ChatGPT回答中的知识正确性，并给出知识溯源信息。

　　在降低训练成本上，云知声认为，以一个通用大模型来解决所有行业深度问题是不现实的，希望以少2个数量级的参数规模，在特定行业领域的问题上，达到甚至超过ChatGPT的表现。同时，参数规模的大幅减少，也将大大降低了训练和服务成本，让大语言模型技术实现真正广泛应用。

　　根据最新曝光的进展，云知声正在推进ChatGPT行业版的建设——以医疗作为切入口，构建ChatGPT医疗行业版。据悉，云知声利用应用在CirBERTa的持续学习和知识嵌入技术，基于已有知识图谱积累，优化ChatGPT模型的知识获取和更新机制。据介绍，这样一来可以保证ChatGPT回答中的知识正确性，与此同时还可以给出知识溯源信息。另外，利用云知声业内领先的病历质控技术，可以自动发现生成的病历中的问题，进而自动生成作为ChatGPT核心技术的基于人类反馈的强化学习（RLHF，Reinforcement Learning from Human Feedback）所需的用户反馈数据，加速模型的优化。

　　未来，云知声还将基于ChatGPT行业版构建平台，把医疗行业版ChatGPT的构建经验快速扩展到其他领域，再利用领域模型集成MoE（Mixture of Experts）技术，训练得到通用ChatGPT模型，为更多行业赋能！