6月17日，卫宁健康（300253）总裁王涛受复旦大学医院管理研究所邀请出席“第十八届医院管理与实践高层论坛”，并发表题为“ChatGPT和医疗未来 - 原理 应用”的主旨演讲，阐述了对于ChatGPT发展源起以及未来在医疗领域如何应用的观点。

“符号主义AI”到“连接主义AI”的跨越

在谈及ChatGPT发展历程时，他表示“当我们越深入地了解ChatGPT，就越会深刻地感受到一个革命性时刻的到来”。ChatGPT代表的生成式人工智能体现了从“符号主义范式（Symbolic AI）”向“基于神经网络的深度学习范式（Neural Network-based Deep Learning AI）”的发展转变：“符号主义AI”主要依赖于预定义的规则和明确的知识结构，具有较好的可解释性，但可能在泛化性能和某些领域的应用上略逊一筹；“连接主义AI”则模拟生物神经系统，通过数据自主学习，具有优越的泛化性能，但可解释性相对较差。

这两种方法在实际应用中各有优劣，可以根据任务需求和应用情景进行选择，但显而易见，神经网络可能更接近于人脑的思维模式，然而在过去，囿于算力有限，大家都选择了基于规则、知识库的专家系统技术路线，也就是符号主义（Symbolism）。但随着算力的飞速发展，以“神经网络AI”为基石的连接主义（Connectionism）成为了主流，ChatGPT明白无误地宣告，通用人工智能的科技树将被改写。

GPT发展脉络

在谈及ChatGPT发展脉络时，王涛特别提到，一篇名为《Attention is All You Need》的论文于2017年第一次提出了"Transformer模型"，并在机器翻译任务上取得了重大突破。"Transformer"指的是一种用于自然语言处理的深度学习模型架构，它采用了一种全新的注意力机制（attention mechanism），能够捕捉到不同位置之间的依赖关系，从而更好地理解上下文语义，深度学习模型可以自由吸收数据中的知识，这让计算机对自然语言的理解提升了一个能级。

在此基础上，GPT技术不断进步，并在2022年迎来了新的突破，论文《Training language models to follow instructions with human feedback》中提到，曾经GPT输出的内容与人类语言习惯相去甚远，而InstructGPT能够对GPT模型进行指导和控制，使其能够执行特定的指令或任务，可以让人类更好地有目的地对GPT进行训练，提升了模型理解人类意图和回答问题的能力。同年，便诞生了GPT3.5，它包含InstructGPT在内的一组模型，并使用了新的训练数据或新的训练方法。

目前，最新一代的GPT4能够支持多模态，进行更加深入的推理，理解更复杂的指令，并更富创造力，具备更深入的专业领域知识。然而万事万物都有两面性，目前GPT4仍有其局限性：

1，“虚构”事实。GPT根据资料概率分布，自监督地训练深度神经网络，但仍不具备逻辑理解能力，并可能出现“虚构事实”的情况；

2，缺乏长期记忆。AI无法记住与同一用户上次沟通情况，理想模式下AIGC可以记住患者历史情况；

3，无法实时更新。离线训练导致知识无法保持最新状态；

4，缺乏自发学习能力。AI无法主动寻找资料学习，只能被动接收训练的语料。

探索垂直领域应用场景与构建领域大模型

除此之外，生成式AI价值链中，最大的挑战是构建终端应用，如何在不同领域去探索更多的场景，这是必然的发展趋势，也是我们必须去面对的挑战。BCG《The CEO’s Roadmap on Generative AI》报告显示，预计生成式AI在医疗保健领域的潜在市场将爆发式增长，增长速度将比任何其他行业都快。由于医疗领域数据的专业性和场景的丰富性，GPT将有有巨大的应用空间，ChatGPT将为医疗行业带来巨变的同时，也会伴随“最聪明的人”共同进化和成长。

在各行各业中，ChatGPT或将成为用户的Copilot（副驾驶）。在医疗领域，ChatGPT将成为医务工作者离不开的贴身助手，它将作为一个超级大脑而存在，不仅能高效地调度和整理数据资源，甚至能引发自主思考，提升医务工作者的工作效率、医疗质量，并做到有效地辅助决策，也为医院的发展运营带来新的可能性。

行业垂直领域的GPT模型非常重要，相对于通用大语言模型来说，在专业性要求较高的行业领域更具适用性。卫宁健康已于2023年1月开展了医疗垂直领域的大语言模型WiNGPT的研发和训练工作，截至4月、6月和9月的模型训练参数量分别达到了60亿、156亿、650亿，目前正在探索更多的医疗应用场景，我们计划于10月正式发布由GPT技术加持的新产品WiNEX Copilot。

至此，我们可以清楚地认识到：生成式AI将重塑各行各业的价值链，且对于GPT技术的发展而言，算力+数据+场景（Model）将是关键要素。

1972年，加利福尼亚大学伯克利分校哲学教授休伯特·德雷福斯出版的《计算机不能做什么》一书中提出了反对强人工智能的论证，其核心思想是“许多人类的行为不能被简单的看作是遵照一套规则行事。”

然而GPT的出现开始让我们重新思考人类的智能是什么？硅基生命与碳基生命的融合边界在哪里？人类将如何审视、适应并与之共存？

关注同花顺财经（ths518），获取更多机会