ChatGPT生成式技術(shù)與供應(yīng)鏈物流面臨的智能變革

魯維維

(太原學(xué)院管理系 山西 太原 030000)

0 引言

在供應(yīng)鏈物流中,一直以來都存在著一些信息處理的難題。例如,在物流運輸過程中,運輸企業(yè)需要對新訂單、運輸計劃、貨車路線等信息進行處理和分發(fā),同時還需要對運輸過程中的異常情況進行實時處理。此外,供應(yīng)鏈的參與者也需要協(xié)同合作,共同推進物流運輸?shù)倪M展。

而ChatGPT是一個基于深度學(xué)習(xí)的生成式預(yù)訓(xùn)練模型,它可以自動生成與人對話類似的自然語言文本,被廣泛應(yīng)用于包括自然語言生成、對話系統(tǒng)、聊天機器人等領(lǐng)域。因此,研究類ChatGPT的AI生成技術(shù)在供應(yīng)鏈物流領(lǐng)域的應(yīng)用,不僅能夠推動供應(yīng)鏈物流領(lǐng)域的智能化進程,還能在企業(yè)的業(yè)務(wù)處理和信息共享方面提供更加高效、準確的服務(wù),有著非常重要的現(xiàn)實意義。

1 ChatGPT生成技術(shù)的原理及關(guān)鍵技術(shù)

1.1 ChatGPT生成技術(shù)的原理

ChatGPT是一種基于研究大規(guī)模上下文文本的自然語言處理技術(shù),由DpenAI推出。該技術(shù)主要是基于開放域生成模型,即能夠根據(jù)給定的文本生成相應(yīng)的語言文本,同時還能對語言文本進行理解和回復(fù)。該技術(shù)通過與人進行交互,從而不斷地學(xué)習(xí)、優(yōu)化,并最終能夠生成人類語言。ChatGPT的主要原理是通過模擬大量的文本數(shù)據(jù)集生成模型,能夠從中學(xué)習(xí)和預(yù)測下一個單詞或短語,從而生成完整的語句或段落。ChatGPT是生成式AI技術(shù)的代表之一,生成式 AI技術(shù)是一種基于機器學(xué)習(xí)和自然語言處理的技術(shù),讓AI模型學(xué)習(xí)語言的規(guī)律并產(chǎn)生新的符合文本語義的文本,用算法編程來進行智能語音交互,允許機器與人之間進行更加自然、個性化的對話。

1.2 ChatGPT生成技術(shù)的關(guān)鍵技術(shù)

ChatGPT作為一項新興的人工智能技術(shù),其本質(zhì)是生成式AI技術(shù)。在實現(xiàn)這一技術(shù)的過程中,主要應(yīng)用了以下幾種關(guān)鍵技術(shù)。

1.2.1 算法

ChatGPT目前由GPT-4模型提供支持,生成式預(yù)訓(xùn)練轉(zhuǎn)換模型(generative pre-trained transformer,GPT)是一種基于互聯(lián)網(wǎng)可用數(shù)據(jù)訓(xùn)練的文本生成深度學(xué)習(xí)模型。ChatGPT模型從算法的分類來上來講屬于生成式大規(guī)模語言模型,底層技術(shù)包括 Transformer架構(gòu)、有監(jiān)督微調(diào)訓(xùn)練、人類反饋強化學(xué)習(xí)(Reinforcement Learning from Human Feedback,RLHF)等,ChatGPT通過底層技術(shù)的疊加,實現(xiàn)了組合式的創(chuàng)新。GPT模型采用了由Google提出的Transformer架構(gòu)。Transformer架構(gòu)采用自注意力機制的序列到序列模型,是目前在自然語言處理任務(wù)中最常用的神經(jīng)網(wǎng)絡(luò)架構(gòu)之一。相比于傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡(luò)或卷積神經(jīng)網(wǎng)絡(luò),Transformer 沒有顯式的時間或空間結(jié)構(gòu),因此可以高效地進行并行計算,并且Transformer具有更好的并行化能力和更強的長序列數(shù)據(jù)處理能力。

ChatGPT模型采用“預(yù)訓(xùn)練+微調(diào)”的半監(jiān)督學(xué)習(xí)方法進行訓(xùn)練。第一階段是預(yù)培訓(xùn)階段。通過預(yù)訓(xùn)練語言模型,從大規(guī)模的數(shù)據(jù)文本中提取訓(xùn)練數(shù)據(jù),再由深度神經(jīng)網(wǎng)絡(luò)技術(shù)處理,之后根據(jù)上下文的語義預(yù)測生成下一個詞匯。第二階段是微調(diào)階段。將預(yù)先訓(xùn)練好的模型應(yīng)用到特定的任務(wù)中,通過少量的標記數(shù)據(jù)來優(yōu)化模型,從而提高模型的準確性和流暢性。

ChatGPT在訓(xùn)練中使用了RLHF。RLHF能對模型進行微調(diào),并通過獎勵機制對模型進行改造訓(xùn)練,讓輸出的結(jié)果更加流暢,更符合人類認知思維習(xí)慣。RLHF模型包括三個步驟:首先,按照預(yù)訓(xùn)練目標訓(xùn)練一個語言模型。其次,基于語言模型訓(xùn)練生成標注獎勵模型,對模型生成的文本進行質(zhì)量評價標記,標注環(huán)節(jié)目前由人工按照最好到最差的順序進行標注,這樣獎勵模型就可以不斷學(xué)習(xí)人類對文本內(nèi)容的偏好。最后,將獎勵模型輸出的文本結(jié)果進行微調(diào)和優(yōu)化,最終生成一個更符合人類偏好的語言模型。

1.2.2 算力

用于人工智能訓(xùn)練的計算能力一般符合摩爾增長定律,約20個月翻一番,深度學(xué)習(xí)技術(shù)的使用加速了人工智能訓(xùn)練算力的提升,用于人工智能訓(xùn)練的計算大約每6個月翻一番。而當(dāng)前GPT模型的訓(xùn)練算力在原有的基礎(chǔ)上又提升10～100倍的算力。OpenAI發(fā)布的LanguageModelsareFewShotLearners中提到,訓(xùn)練13億參數(shù)的GDP-3 XL模型所消耗的計算能力約為27.5PFlop /s-dav。訓(xùn)練一個有1 750億個參數(shù)的GBT-3模型將花費3 640 PFlop/s-dav,即以一萬億次/s的速度計算,需要3 640 d。由此可見只有投入極大的算力,才能保證GPT的使用效果。結(jié)合硬件設(shè)施投入看,一個典型的500P算力數(shù)據(jù)中心需要投資約為30億人民幣,而ChatGPT-3需要的總算力就為3 640PF-days,由此可推斷,至少要7～8個這樣的數(shù)據(jù)中心才能夠用。因此,基礎(chǔ)設(shè)施的投入是巨大的。

1.2.3 數(shù)據(jù)

從2018年發(fā)布的GPT-1到2023年的GPT-4, GPT模型參數(shù)數(shù)量和訓(xùn)練數(shù)據(jù)量都實現(xiàn)了指數(shù)級的增長。參數(shù)數(shù)量從GPT-1的1.17億個增長到GPT-3的1750億個,訓(xùn)練數(shù)據(jù)量從5GB增長到45 TB。目前GPT-4訓(xùn)練100萬億的模型,訓(xùn)練數(shù)據(jù)量就達到了約8 550 TB,是GPT 3.5的190倍。ChatGPT的成功依賴于算法、算力和大量的訓(xùn)練數(shù)據(jù)。而數(shù)據(jù)是我國的優(yōu)勢,我國擁有的數(shù)據(jù)量大且質(zhì)量較高,因此,企業(yè)要應(yīng)注重數(shù)據(jù)的保護和利用。數(shù)據(jù)就是資產(chǎn),可以說數(shù)據(jù)就是未來生產(chǎn)力的動能。

從ChatGPT運作的技術(shù)保障系統(tǒng)來看,除前文論述的模型、算力和數(shù)據(jù)三大基礎(chǔ)外,還需要部分軟件、硬件及其基礎(chǔ)設(shè)施設(shè)備支持的。如硬件方面,GPU和CPU芯片是關(guān)鍵。而芯片是我國的弱點,我國必須要加快芯片的設(shè)計制造能力。此外,ChatGPT的核心技術(shù)還依賴別的專業(yè)技術(shù),如機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等。目前,雖然我國在這些技術(shù)上在原創(chuàng)上有差距,但學(xué)習(xí)和應(yīng)用能力較強,在語音技術(shù)等領(lǐng)域還具有自己的優(yōu)勢。在上述所有技術(shù)的加持下,才能得到GPT的語音交互、語言翻譯、內(nèi)容生成、搜索提取等功能,如圖1所示。

圖1 ChatGPT整體技術(shù)體系圖

2 ChatGPT生成式技術(shù)給供應(yīng)鏈物流帶來的變革

ChatGPT技術(shù)與傳統(tǒng)的問答系統(tǒng)相比,無需提前設(shè)定問題庫或給予機器固定的單一回答。相反,它能夠通過對前文的理解和對話雙方的交互,自動進行問題抽象和回答生成,從而更好地實現(xiàn)智能化的對話。在供應(yīng)鏈物流領(lǐng)域,這種技術(shù)可以很好地解決語言理解難題,并且可以讓AI智能化地完成與客戶溝通、數(shù)據(jù)處理、信息抓取和預(yù)測等任務(wù),進一步提升供應(yīng)鏈運作效率和準確性。目前從應(yīng)用的方向來看,生成式AI技術(shù)帶來的變革主要體現(xiàn)在以下幾個方向。

2.1 物流系統(tǒng)流程自動化

ChatGPT生成式技術(shù)在供應(yīng)鏈物流中的主要應(yīng)用場景是流程自動化。企業(yè)需要不斷收集、分析和處理各種形式的供應(yīng)鏈信息,以更好地掌握市場動態(tài),提高決策效率。生成式 AI 技術(shù)在自然語言處理和語音識別方面具有很高的水平,可以實現(xiàn)人機交互、信息抓取和數(shù)據(jù)分析等功能。這些技術(shù)可以幫助企業(yè)實現(xiàn)從物流沙盤模擬到物流組織與運營的全面協(xié)同,從而優(yōu)化資源配置,提高服務(wù)質(zhì)量。供應(yīng)鏈物流環(huán)節(jié)的大量繁瑣操作可以通過生成式AI技術(shù)實現(xiàn)自動化處理。例如,物流企業(yè)可以利用生成式AI技術(shù)更快地發(fā)現(xiàn)并準確找到需要的信息,如各國發(fā)布的空運或海運公司時間表、各國的海關(guān)信息、各個港口的設(shè)施設(shè)備等實用規(guī)范等。物流企業(yè)可以利用生成式AI技術(shù)自動創(chuàng)建采購訂單或提前調(diào)度運輸資源等,從而大大提高生產(chǎn)效率,降低成本。

物流企業(yè)還可將ChatGPT生成式AI技術(shù)與自有數(shù)據(jù)庫結(jié)合,對在途貨物和設(shè)備資源進行精細監(jiān)控和定位,實現(xiàn)快速響應(yīng)和調(diào)度,并實現(xiàn)更為精準的配送服務(wù)。生成式AI技術(shù)還可以生成實時的異常情況處理方案,并且可以綜合各參與者的意見,為運輸計劃調(diào)整提供更有力的支持。比如,一家大型物流企業(yè)在系統(tǒng)中預(yù)設(shè)了各種問題類型,包括對客戶訂單的修改、運輸過程中的異常處理,以及對貨物拒收等。通過ChatGPT技術(shù)在少量數(shù)據(jù)學(xué)習(xí)后即可完成一系列反復(fù)出現(xiàn)的常規(guī)問題的解決,讓系統(tǒng)自行生成相關(guān)的解決方案。從而提高物流運輸?shù)牧鲿扯?縮短了運輸時間,提高客戶滿意度。

2.2 物流系統(tǒng)決策分析及優(yōu)化

ChatGPT生成式技術(shù)可以應(yīng)用于物流系統(tǒng)的決策優(yōu)化。供應(yīng)鏈物流的運營涉及大量的跨區(qū)域調(diào)度,車輛、人員、物料等需要合理規(guī)劃和配備。ChatGPT生成式 AI 技術(shù)可以通過對歷史數(shù)據(jù)的分析和學(xué)習(xí),自動化處理供應(yīng)鏈物流環(huán)節(jié)中的數(shù)據(jù)分析、統(tǒng)計和計算等工作,快速識別變量、預(yù)測需求和制定運營計劃,從而減少運營風(fēng)險、提高效率和降低成本。例如,在庫存管理方面。生成式 AI技術(shù)可以通過分析大量的歷史數(shù)據(jù)來預(yù)測每種商品的需求量,并提供最佳的倉庫分配方案,從而提高操作效率和服務(wù)水平。

2.3 客戶服務(wù)問題處理

ChatGPT技術(shù)還可以幫助企業(yè)解決復(fù)雜的客戶服務(wù)和問題處理問題。供應(yīng)鏈物流中往往存在大量的投訴和糾紛,其中可能涉及運輸延誤、貨物損壞、維修和退貨等方面。生成式技術(shù)可以通過智能掃描和自動生成,快速生成客戶服務(wù)建議和處理方案,使客戶獲得更好的服務(wù)體驗,并增強企業(yè)品牌形象。

綜上所述,ChatGPT技術(shù)可以在供應(yīng)鏈物流的多個環(huán)節(jié)中發(fā)揮作用。根據(jù)具體場景,物流企業(yè)可以制定不同的應(yīng)用模式,從而為客戶提供更為優(yōu)質(zhì)高效的服務(wù)。

3 應(yīng)用ChatGPT技術(shù)的局限性及風(fēng)險

在供應(yīng)鏈物流中應(yīng)用生成式技術(shù)雖然能夠提高物流效率和效益,但是該技術(shù)的使用也存在一些局限性和風(fēng)險性。

3.1 成本問題

GPT模型的訓(xùn)練和使用需要巨量的算力,每一代GPT的升級,參數(shù)數(shù)量都在迅速擴大,所需要的預(yù)訓(xùn)練數(shù)據(jù)和成本也在迅速增加,由此導(dǎo)致GPT的使用成本很高。根據(jù)國大證券計算機分析師的分析,2023年1月ChatGPT每天約有1 300萬的訪問量,芯片需求量超過3萬顆(英偉達A100gpu),前期初始投資約為8億美元,后期運營的電費約為每日5萬美元。這些投入成本,對于一些中小型企業(yè)來說,是不可能實現(xiàn)的。

3.2 技術(shù)問題

GPT模型目前有一些技術(shù)限制,例如不能很好地完成某些語言任務(wù),或者在處理一些復(fù)雜的語言結(jié)構(gòu)時遇到問題。此外,目前的數(shù)據(jù)分析技術(shù)水平有限,在數(shù)據(jù)分析和識別中可能會出現(xiàn)錯誤,從而可能導(dǎo)致供應(yīng)鏈物流過程的混亂和損失,對企業(yè)和消費者產(chǎn)生不利影響。此外,由于ChatGPT是一種基于英語語料庫訓(xùn)練的技術(shù),在處理中文信息時存在一定的困難,需要進行語言轉(zhuǎn)換和數(shù)據(jù)處理等操作,使得ChatGPT在中國的使用成本更高,難度更大。

3.3 安全問題

ChatGPT對信息、數(shù)據(jù)來源無法進行事實核查,可能存在個人數(shù)據(jù)與商業(yè)秘密的泄露或所提供的是虛假信息。另外,ChatGPT技術(shù)目前已經(jīng)出現(xiàn)人類所不能理解的邏輯,未來是否會脫離人類控制,也是目前所擔(dān)憂的問題。

3.4 法律問題

人工智能主要是通過挖掘人類日常交流以及文本,進而統(tǒng)計分析,因此,對于一些受著作權(quán)保護的文本、視頻、代碼等,如果沒有經(jīng)過權(quán)利主體的授權(quán),直接獲取復(fù)制到自己的數(shù)據(jù)庫中,可能侵害他人的著作權(quán)。

4 推動ChatGPT生成式交互技術(shù)應(yīng)用的建議

一是企業(yè)要主動融入ChatGPT浪潮,企業(yè)管理者要意識到 ChatGPT 時代的到來和給供應(yīng)鏈帶來的變革,鼓勵企業(yè)將人工智能主導(dǎo)的內(nèi)容創(chuàng)作變?yōu)楣竞诵臉I(yè)務(wù)的重要組成部分。

二是企業(yè)要重視歷史數(shù)據(jù)的管理。ChatGPT的準確性取決于大量數(shù)據(jù)的訓(xùn)練,很多中小企業(yè)沒有留存大量的歷史數(shù)據(jù)或是無法訪問數(shù)據(jù),在這種情況下,ChatGPT的應(yīng)用效果一定會大打折扣。所以建議中小企業(yè)戰(zhàn)略上要注意數(shù)據(jù)的管理和積累。

三是中小企業(yè)可以從功能上的細分領(lǐng)域開始探索應(yīng)用。ChatGPT成本投入巨大,目前來看,也確實只有科技龍頭企業(yè)具有建立AI的能力,但龍頭企業(yè)可以將其能力整合到搜索引擎、智能客服等產(chǎn)品線中,或通過能力租用為中小企業(yè)具體的場景落地服務(wù)。一些有實力的電商或物流企業(yè),也可以嘗試在模型功能上做細分,從成本較低的小模型做起,小模型成功后,再嘗試做大模型。

四是注重員工培訓(xùn)和人才培養(yǎng)。從目前看,ChatGPT生成的回答內(nèi)容的準確程度取決于員工在提出問題時,對問題描述的準確度。因此,這就需要企業(yè)加強對員工的相關(guān)培訓(xùn),提高員工和ChatGPT的交互能力。

5 結(jié)語

以ChatGPT為代表的生成式人工智能的應(yīng)用正在改變著供應(yīng)鏈物流管理的運營方式,它的出現(xiàn)使得交互式人工智能的應(yīng)用由專業(yè)型轉(zhuǎn)向了通用型。ChatGPT生成式技術(shù)的使用可以提升物流系統(tǒng)的自動化水平、簡化供應(yīng)鏈成員間的溝通、輔助管理者做出有效的預(yù)測和決策,進而提高供應(yīng)鏈物流的協(xié)同運作效率。在應(yīng)用過程中,機會很大,但挑戰(zhàn)和風(fēng)險也不容忽視。研究者應(yīng)揚長避短,讓ChatGPT生成式技術(shù)更好地為企業(yè)服務(wù)。