交通大模型：如何将一个大学生培养为一位行业专家
对于人类而言，2023年或许人工智能觉醒开启的第一年。如果谶语成真，那现时代的我们面临的可能不是一个“百年未有之大变局”，而是人类历史上千年、万年未有之大变局。
鉴于大模型对于人类的生产、工作、生活可能带来的颠覆性影响，几乎可以断定大模型这一技术一旦成熟，就会如同今天的智能手机和移动互联网一样，成为人类社会不可缺少的必需品。理论上来说，任何信息化的场景都可以用到大模型，但很显然，需要数据、方案、经验喂养的大模型，交通场景很对其胃口，尤其是在交通运行监测、应急指挥、重大活动交通指挥调度、重点区域交通综合治理与智能调度等场景，两者一定能擦出爱的火花：用智能语音来实现更简单快速的交互，让智能视频来实现事件、态势的准确、快速感知，让大数据技术实现数据融合分析、数据交叉比对，然后用提出专家解决方案，追踪、协同不同部门、不同环节线上线下的工作进度，自动提醒，最后自动形成事件处理报告，提出改进意见，形成闭环。这应该也是很多智能交通人如ITS114一般“自以为”的理解，理想化的应用场景，也应该是诸多交通指挥中心，不论是是交管指挥中心，还是交通运行监测与应急调度中心，还是公路运行指挥中心，还是道路运输智能综合监管中心，还是枢纽指挥中心等，他们所想要的完美AI伴侣。交通领域需要什么样的大模型？交通的每一个领域几乎都会有多源数据汇集，单就大语言模型可能不足以满足需求，能够处理图像、文字、语音等多种数据的多模态大模型应更为合适，并实现跨模态语义关联，即通过分析不同模态数据之间的关联性，实现跨模态信息的有效融合和利用。单个AI大模型，可能不足以应对智慧交通场景的复杂性，智能语音交互、图像智能识别感知甚至是大语言模型都只能满足一个或者两三个环节上的需求，多模态大模型可能才是指挥中心这种复杂场景的真正需求，不仅能在某一个场景实现AI化，在整个指挥工作流程中，也能实现AI化。只是万里长征都要走出第一步，尽管现在我们看到许多BATHJ等互联网企业、电信运营商、人工智能创企、高校以及极少数IT集成商等都推出了大模型，这里面尤其是以大语言模型居多，但就现在的发展水平，离交通人想象或者想要的人工智能，还离得很远。当然，本身国内大模型的研发、应用也还在发展探索之中，虽然chatGPT已经名满天下，但安防、交通等行业场景不可能选用国外的大模型，应该很多人都在期待有个“能打”的、不输于chatGPT最新版本的国内大语言模型或者其他多模态模型，而这还需要时间，“百模大战”还在持续，我们也只能“让子弹再飞一会”。但这并不妨碍我们对大模型在交通领域的应用有所想象、探索。用我们本期邀访的主角——千方科技副总裁孙亚夫的话来说，现在的大语言模型就像是一个刚毕业的大学生，掌握了部分概念、知识，但要成为一个精通某一个领域的实战型专家，还要很多的学习和实战。现在，我们可以很方便的在百度、微软等客户端体验大语言模型，从而会有一点点认知和理解，但大模型如何在交通领域落地、演进、融合，可能都还没有什么概念，今天就有请孙亚夫副总裁来给大家科普一下。毕竟现在懂大模型的专家可能不少，但交通领域懂大模型的，应该是仍是屈指可数。
