【一线讲述】

　　讲述人：复旦大学计算机科学技术学院教授、复旦眸思大模型负责人 张奇

　　技术的进步正悄然改变传统的工作模式。需要制作汇报材料时，只需简单输入指令，大模型便能迅速生成生动形象的插图，直观展示实验设计的细节；面对复杂的实验数据，大模型能够自动进行分析，揭示数据背后的科学规律；阅读学术论文时，它又能辅助解读关键信息，加深对研究进展的理解。我们推出的眸思大模型，无疑提升了科研工作的效率和质量。

　　随着生成式人工智能技术的不断进步，各种各样的大模型渗透到日常生活的每个角落。多模态大模型是生成式人工智能技术的一个重要发展方向，它融合不同模态的数据，如文本、图像、音频和视频等，通过统一的模型框架进行处理和生成，实现更复杂和多样化的应用。

　　复旦大学的眸思大模型，作为一个先进的多模态大模型，使用了多专家融合的架构。基于新架构，将擅长图文匹配、光学字符识别和图像分割等多种经典视觉任务的专家巧妙地融为一体，显著提高了大模型在多模态对话任务上的表现效果。这不仅在科研中发挥了重要作用，在其他领域也展现了巨大潜力。

　　例如，助力“听见世界”项目，只需一枚摄像头和一对耳机，眸思大模型便能将画面转化成语言。在街道行走时，它是忠实的向导，为视障患者扫描道路情况，报告红绿灯、十字路口，陪伴安全出行；在日常生活中，它是一位贴心的朋友，用声音为视障患者构建生活场景。

　　技术的应用并非没有挑战。数据隐私和安全问题仍然是需要关注的重点，特别是在科研场景中，很多数据都是敏感的。在使用眸思大模型时，我们应确保采取严格的数据保护措施，并对数据进行必要的脱敏处理，以保障科研数据的安全。

　　随着技术的不断完善，我们有理由相信，多模态生成式人工智能技术将为更多领域带来深远影响。未来，期待眸思大模型能够进一步优化，帮助我们不仅看见科学的真相，还能听见世界的声音，触及更多未知领域。

　　（光明日报记者颜维琦采访整理）

　　《光明日报》（2024年08月05日 07版）