文献类型：期刊文章

作　　者：卢经纬[1,2] 郭超[1] 戴星原[1] 缪青海[3] 王兴霞[1,3] 杨静[1,3] 王飞跃[1,2]

LU Jing-Wei;GUO Chao;DAI Xing-Yuan;MIAO Qing-Hai;WANG Xing-Xia;YANG Jing;WANG Fei-Yue(The State Key Laboratory for Management and Control of Complex Systems,Institute of Automation,Chinese Academy of Sciences,Beijing 100190;Qingdao Academy of Intelligent Industries,Qingdao 266114;School of Artificial Intelligence,University of Chinese Academy of Sciences,Beijing 100049)

机构地区：[1]中国科学院自动化研究所复杂系统管理与控制国家重点实验室,北京100190 [2]青岛智能产业技术研究院,青岛266114 [3]中国科学院大学人工智能学院,北京100049

出　　处：《自动化学报》

基　　金：国家自然科学基金(U1811463);行动元联合研究项目:伺服驱动系统的基础建模和平行驱控研究资助。

年　　份：2023

卷　　号：49

期　　号：4

起止页码：705-717

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、EAPJ、EI、IC、JST、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：超大预训练模型(Pre-trained model,PTM)是人工智能领域近年来迅速崛起的研究方向,在自然语言处理(Natural language processing,NLP)和计算机视觉等多种任务中达到了有史以来的最佳性能,促进了人工智能生成内容(Artificial intelligence-generated content,AIGC)的发展和落地.ChatGPT作为当下最火热的PTM,更是以优异的表现获得各界的广泛关注.本文围绕ChatGPT展开.首先概括PTM的基本思想并对其发展历程进行梳理;接着,详细探讨ChatGPT的技术细节,并以平行智能的视角阐述ChatGPT;最后,从技术、范式以及应用等多个方面对PTM的发展趋势进行展望.

关 键 词：预训练模型  ChatGPT  TRANSFORMER 人工智能生成内容  平行智能  社会化大闭环  

分 类 号：TP18] F49]