雲知聲推動醫療版ChatGPT建設，賦能智慧醫療發展

　　ChatGPT乍起，掀起一場AI風潮。如今，國內各大企業如火如荼入局ChatGPT，但具體什麼時候能上崗尚且還不明晰，尤其像一些艱深、壁壘性高的行業，比如醫療行業對於ChatGPT仍然不得其所。在醫療行業，雲知聲則透過深耕AI領域的經驗，打造行業垂直版ChatGPT，為智慧醫療賦能。

　　千呼萬喚下，醫療版ChatGPT是否可行？

　　在醫療行業，一位哈佛醫學院教授親自下場測試ChatGPT的表現。結果顯示，它在45個案例中的39個診斷正確，正確率87%（超過了現有機器診斷率的51%）；併為30個案例提供了適當的分診建議。他表示“ChatGPT輔助診斷的表現，已經接近醫生。”

　　既然如此，那什麼時候可以上崗？系統性地梳理過復刻中國版ChatGPT背後的技術與生態難度，以及培訓成本來說，直接讓ChatGPT運用在醫療行業，短期內是不可能實現的相比之下，打造垂直的“醫療版ChatGPT”更有可能實現。

　　ChatGPT行業版的建設的難點

　　最新曝光的進展，智慧語音賽道獨角獸雲知聲正在推進ChatGPT行業版的建設——以醫療作為切入口，構建ChatGPT醫療行業版，同時基於ChatGPT行業版構建平臺，快速擴充套件到其他領域，再利用領域模型整合MoE（Mixture of Experts）技術，訓練得到通用ChatGPT模型。

　　而這種從專用到通用的思路。其實是雲知聲一貫的“U+X“做法。在這裡，“U”指的通用大模型演算法研發及高效訓練底座平臺；“X”則是應用於多個行業領域的專用大模型版本。事實上這也正在成為不少企業入局ChatGPT的思路，這樣一來，可以利用已有的專用資料優勢。

　　不過也不是那麼容易走的，更何況雲知聲選擇的，還是對生成內容質量要求更高的醫療行業作為切入口。

　　最首要的難題，是要提高醫療知識的可靠程度。ChatGPT最擅長的，就是一本正經地胡說八道。放在現在Bing上聊天搜尋、內容生產其實問題不大，使用者們也樂在其中。但應用在行業中，往往讓非專業人士難以察覺，這會引發各種風險。因此行業版ChatGPT要杜絕一切胡說八道，尤其像醫療、教育、工業等行業，內容生成要求極高容錯率很低，也對資料的質量要求也就更高了。

　　其次，就是實現行業中的“價效比”。任何一項技術能夠大規模落地，都必須要解決「如何以有限的資源，實現效果的最大化問題。這也是ChatGPT行業落地的必經之路——模型能以更小的引數規模，達到與ChatGPT同樣的效果。這也就給這些企業帶來了不小難題。

　　雲知聲破解難題，賦能智慧醫療發展

　　面對ChatGPT行業落地的難點，雲知聲能否解決呢？答案是肯定的。作為在AI領域深耕10多年的獨角獸企業，雲知聲擁有以下優勢：

　　資料方面，近10年來雲知聲積累了全方位的行業資料，包括面向患者的導診、預問診、患者教育和隨訪系統，也有面向臨床的語音病歷，病歷質控，單病種質控和醫療風險管理系統，已有近400家醫院落地使用。據稱資料規模已達到了5T，為醫療行業語言大模型提供資料基礎。

　　演算法方面，而ChatGPT所代表的認知智慧，本身就是雲知聲核心技術優勢。他們構建了國內最大的醫療知識圖譜之一。從2019年至2022年，雲知聲的認知智慧技術在國內外相關評測中榮獲7冠5亞。其自主研發的醫療預訓練語言模型CirBERTa一度登頂中文醫療資訊處理挑戰榜榜首。

　　在算力上，雲知聲超算平臺浮點計算能力可達8億億次/秒，可為千億級引數規模模型提供算力保障。

　　而在大模型工程化方面，雲知聲已經研發了CirBERTa模型，復現了GPT-2模型，並利用模型壓縮和知識蒸餾機制，實現了線上推理效率的近百倍加速，為大模型的廣泛應用奠定了基礎。

　　而在內容質量保障上，雲知聲利用應用在CirBERTa的持續學習和知識嵌入技術，基於已有知識圖譜積累，最佳化ChatGPT模型的知識獲取和更新機制。這樣一來可以保證ChatGPT回答中的知識正確性，與此同時還可以給出知識溯源資訊。另外，利用雲知聲業內領先的病歷質控技術，可以自動發現生成的病歷中的問題，進而自動生成作為ChatGPT核心技術的基於人類反饋的強化學習（RLHF，Reinforcement Learning from Human Feedback）所需的使用者反饋資料，加速模型的最佳化！

　　上一次AI浪潮來襲時，人們感嘆AI技術初步顯示其巨發展潛力，觀望者居多，雲知聲悄然入局，默默耕耘。而隨著ChatGPT直接以技術路徑出現，再次掀起了AI浪潮，諸多企業紛紛入局。在此背景下，雲知聲則依據企業既定目標，行穩致遠，依託企業優勢，賦能醫療行業向好發展。