□刘芳

    中国邮政人工智能研究团队持续跟踪研究生成式人工智能技术发展，特别是2017年提出的神经网络架构Transformer这一技术突破、2018年至2020年包括GPT1-3在内的多类模型技术发展路线、2022年的InstructGPT和ChatGPT。同时，在未来大语言模型发展趋势方面，密切跟踪“产生训练数据实现模型自我改善”“大模型核查确认事实”“构建稀疏专家模型”等研究方向。 

    2019年，谷歌提出的ELECTRA预训练模型被认为开创了新的预训练道路的模型，中国邮政人工智能研究团队敏锐快速捕捉到ELECTRA预训练模型参数少、推理速度快的优势，研发出了基于ELECTRA中文预训练模型与名址数据微调的智能地址解析引擎。该技术赋能寄递智能下单、邮快合作等业务场景，目前已在EMS APP、EMS小程序等10余个业务渠道推广应用。 

    2月16日，邮储银行宣布接入百度“文心一言”，与“邮储大脑”对接，通过行业知识微调（Finetune）和交互式训练方式，在智能客服、数字员工、虚拟营业厅等场景进行应用，助力邮储银行探索新型的信息生产、获取方式，向客户提供更敏捷、更准确、更个性化的金融资讯服务。 

    中国邮政要坚定不移以科技创新为核心驱动，探索和推动生成式人工智能等前沿技术与邮政业务深度融合，全面赋能“四流融通”，助力中国邮政高质量发展。 

    在顶层设计方面，应积极进行生成式人工智能落地应用的顶层规划设计、技术与人才储备工作。根据其演进阶段以及未来发展趋势，提出落地应用的基本思路——以其应用程度广泛、高频的产品为主线，通过“数据资产+算力基础设施+基础模型+人才队伍”模式，打造中国邮政生成式人工智能的硬核科技。 

    在数据资产层面，应在企业内部构建情景学习（In-context Learning）、提示学习（Prompt Learning）、指示学习（Instruct Learning）、强化学习、稀疏专家模型等技术所需要的数据资产，提升生成式人工智能产业链中的上游能力。 

    在模型算法层面，可通过与国内顶尖科技企业、高校科研机构合作等多种形式，搭建预训练基础模型，建立相关人才队伍，提升生成式人工智能产业链中的中游能力。 

    在提升上游和中游能力的同时，需注意科学合理选择自然语言处理预训练范式，关注生成式人工智能产品的合规性、伦理等问题。 

    具体说来，随着生成式人工智能浪潮崛起，生成式人工智能将赋能数字化转型，成为数字邮政建设的强大动力引擎。生成式人工智能在寄递、邮务、农村电商、金融等业务板块具有共性化和个性化的应用潜力。 

    共性化应用潜力 

    在业务运营方面，智能客服在回答客户问题时可做到更敏捷、更人性、更贴心、更准确；快速获取业务运营数据、自动总结业务运行状况、对标行业数据，实现生产运营智能化。 

    在企业管理方面，可帮助员工快速学习掌握业务和技术知识，提高人员培训效率和质量；财务信息实现智能获取、分析、对比，提高财务分析的动态性；科研管理者可以更加全面了解科研活动的历史和当前情况，为科学决策提供支撑；自动生成会议笔记、摘要以及获取会议信息，提高工作效率。 

    在企业科研方面，高效智能完成情报搜集、情报翻译、情报摘要、情报查询等工作，进一步提升行业洞察能力。 

    个性化应用潜力 

    在寄递领域，可自动处理客户查询，提升客户服务水平；智能完成邮路规划，减少物流成本；智能监控货物状态，提升管控水平；智能分析物流数据，挖掘数据价值。 

    在电商领域，可提供多维度的产品展示，并可生成虚拟主播、虚拟客服，提供及时、可靠、稳定、亲和的服务，从而提升客户购物体验、激发客户购物热情，降低运营成本。 

    在金融领域，可提供普惠的无边界、无障碍金融服务，智能理财顾问可减少服务时间、提升服务感受，金融咨询、金融产品介绍内容的自动化生产可提升内容生产效率。（作者单位：集团公司邮政研究中心）