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(lái)都存在著一些信息處理的難題。例如,在物流運(yùn)輸過(guò)程中,運(yùn)輸企業(yè)需要對(duì)新訂單、運(yùn)輸計(jì)劃、貨車路線等信息進(jìn)行處理和分發(fā),同時(shí)還需要對(duì)運(yùn)輸過(guò)程中的異常情況進(jìn)行實(shí)時(shí)處理。此外,供應(yīng)鏈的參與者也需要協(xié)同合作,共同推進(jìn)物流運(yùn)輸?shù)倪M(jìn)展。

而ChatGPT是一個(gè)基于深度學(xué)習(xí)的生成式預(yù)訓(xùn)練模型,它可以自動(dòng)生成與人對(duì)話類似的自然語(yǔ)言文本,被廣泛應(yīng)用于包括自然語(yǔ)言生成、對(duì)話系統(tǒng)、聊天機(jī)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(dòng)供應(yīng)鏈物流領(lǐng)域的智能化進(jìn)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(zhǔn)確的服務(wù),有著非常重要的現(xiàn)實(shí)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(yǔ)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(yǔ)言文本,同時(shí)還能對(duì)語(yǔ)言文本進(jìn)行理解和回復(fù)。該技術(shù)通過(guò)與人進(jìn)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(yǔ)言。ChatGPT的主要原理是通過(guò)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(cè)下一個(gè)單詞或短語(yǔ),從而生成完整的語(yǔ)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(jī)器學(xué)習(xí)和自然語(yǔ)言處理的技術(shù),讓AI模型學(xué)習(xí)語(yǔ)言的規(guī)律并產(chǎn)生新的符合文本語(yǔ)義的文本,用算法編程來(lái)進(jìn)行智能語(yǔ)音交互,允許機(jī)器與人之間進(jìn)行更加自然、個(gè)性化的對(duì)話。

1.2 ChatGPT生成技術(shù)的關(guān)鍵技術(shù)

ChatGPT作為一項(xiàng)新興的人工智能技術(shù),其本質(zhì)是生成式AI技術(shù)。在實(shí)現(xiàn)這一技術(shù)的過(guò)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(lái)上來(lái)講屬于生成式大規(guī)模語(yǔ)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(qiáng)化學(xué)習(xí)(Reinforcement Learning from Human Feedback,RLHF)等,ChatGPT通過(guò)底層技術(shù)的疊加,實(shí)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(jī)制的序列到序列模型,是目前在自然語(yǔ)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(méi)有顯式的時(shí)間或空間結(jié)構(gòu),因此可以高效地進(jìn)行并行計(jì)算,并且Transformer具有更好的并行化能力和更強(qiáng)的長(zhǎng)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(jìn)行訓(xùn)練。第一階段是預(yù)培訓(xùn)階段。通過(guò)預(yù)訓(xùn)練語(yǔ)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(yǔ)義預(yù)測(cè)生成下一個(gè)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(guò)少量的標(biāo)記數(shù)據(jù)來(lái)優(yōu)化模型,從而提高模型的準(zhǔn)確性和流暢性。

ChatGPT在訓(xùn)練中使用了RLHF。RLHF能對(duì)模型進(jìn)行微調(diào),并通過(guò)獎(jiǎng)勵(lì)機(jī)制對(duì)模型進(jìn)行改造訓(xùn)練,讓輸出的結(jié)果更加流暢,更符合人類認(rèn)知思維習(xí)慣。RLHF模型包括三個(gè)步驟:首先,按照預(yù)訓(xùn)練目標(biāo)訓(xùn)練一個(gè)語(yǔ)言模型。其次,基于語(yǔ)言模型訓(xùn)練生成標(biāo)注獎(jiǎng)勵(lì)模型,對(duì)模型生成的文本進(jìn)行質(zhì)量評(píng)價(jià)標(biāo)記,標(biāo)注環(huán)節(jié)目前由人工按照最好到最差的順序進(jìn)行標(biāo)注,這樣獎(jiǎng)勵(lì)模型就可以不斷學(xué)習(xí)人類對(duì)文本內(nèi)容的偏好。最后,將獎(jiǎng)勵(lì)模型輸出的文本結(jié)果進(jìn)行微調(diào)和優(yōu)化,最終生成一個(gè)更符合人類偏好的語(yǔ)言模型。

1.2.2 算力

用于人工智能訓(xùn)練的計(jì)算能力一般符合摩爾增長(zhǎng)定律,約20個(gè)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(jì)算大約每6個(gè)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(jì)算能力約為27.5PFlop /s-dav。訓(xùn)練一個(gè)有1 750億個(gè)參數(shù)的GBT-3模型將花費(fèi)3 640 PFlop/s-dav,即以一萬(wàn)億次/s的速度計(jì)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(gè)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(gè)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(shí)現(xiàn)了指數(shù)級(jí)的增長(zhǎng)。參數(shù)數(shù)量從GPT-1的1.17億個(gè)增長(zhǎng)到GPT-3的1750億個(gè),訓(xùn)練數(shù)據(jù)量從5GB增長(zhǎng)到45 TB。目前GPT-4訓(xùn)練100萬(wàn)億的模型,訓(xùn)練數(shù)據(jù)量就達(dá)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(guó)的優(yōu)勢(shì),我國(guó)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?cái)?shù)據(jù)的保護(hù)和利用。數(shù)據(jù)就是資產(chǎn),可以說(shuō)數(shù)據(jù)就是未來(lái)生產(chǎn)力的動(dòng)能。

從ChatGPT運(yùn)作的技術(shù)保障系統(tǒng)來(lái)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(guó)的弱點(diǎn),我國(guó)必須要加快芯片的設(shè)計(jì)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(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等。目前,雖然我國(guó)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(qiáng),在語(yǔ)音技術(shù)等領(lǐng)域還具有自己的優(yōu)勢(shì)。在上述所有技術(shù)的加持下,才能得到GPT的語(yǔ)音交互、語(yǔ)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(lái)的變革

ChatGPT技術(shù)與傳統(tǒng)的問(wèn)答系統(tǒng)相比,無(wú)需提前設(shè)定問(wèn)題庫(kù)或給予機(jī)器固定的單一回答。相反,它能夠通過(guò)對(duì)前文的理解和對(duì)話雙方的交互,自動(dòng)進(jìn)行問(wèn)題抽象和回答生成,從而更好地實(shí)現(xiàn)智能化的對(duì)話。在供應(yīng)鏈物流領(lǐng)域,這種技術(shù)可以很好地解決語(yǔ)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(cè)等任務(wù),進(jìn)一步提升供應(yīng)鏈運(yùn)作效率和準(zhǔn)確性。目前從應(yīng)用的方向來(lái)看,生成式AI技術(shù)帶來(lái)的變革主要體現(xiàn)在以下幾個(gè)方向。

2.1 物流系統(tǒng)流程自動(dòng)化

ChatGPT生成式技術(shù)在供應(yīng)鏈物流中的主要應(yīng)用場(chǎng)景是流程自動(dòng)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(chǎng)動(dòng)態(tài),提高決策效率。生成式 AI 技術(shù)在自然語(yǔ)言處理和語(yǔ)音識(shí)別方面具有很高的水平,可以實(shí)現(xiàn)人機(jī)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(shí)現(xiàn)從物流沙盤模擬到物流組織與運(yùn)營(yíng)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(guò)生成式AI技術(shù)實(shí)現(xiàn)自動(dòng)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(zhǔn)確找到需要的信息,如各國(guó)發(fā)布的空運(yùn)或海運(yùn)公司時(shí)間表、各國(guó)的海關(guān)信息、各個(gè)港口的設(shè)施設(shè)備等實(shí)用規(guī)范等。物流企業(yè)可以利用生成式AI技術(shù)自動(dòng)創(chuàng)建采購(gòu)訂單或提前調(diào)度運(yùn)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(kù)結(jié)合,對(duì)在途貨物和設(shè)備資源進(jìn)行精細(xì)監(jiān)控和定位,實(shí)現(xiàn)快速響應(yīng)和調(diào)度,并實(shí)現(xiàn)更為精準(zhǔn)的配送服務(wù)。生成式AI技術(shù)還可以生成實(shí)時(shí)的異常情況處理方案,并且可以綜合各參與者的意見,為運(yùn)輸計(jì)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(wèn)題類型,包括對(duì)客戶訂單的修改、運(yùn)輸過(guò)程中的異常處理,以及對(duì)貨物拒收等。通過(guò)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(wèn)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(yùn)輸?shù)牧鲿扯?縮短了運(yùn)輸時(shí)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(yùn)營(yíng)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(guò)對(duì)歷史數(shù)據(jù)的分析和學(xué)習(xí),自動(dòng)化處理供應(yīng)鏈物流環(huán)節(jié)中的數(shù)據(jù)分析、統(tǒng)計(jì)和計(jì)算等工作,快速識(shí)別變量、預(yù)測(cè)需求和制定運(yùn)營(yíng)計(jì)劃,從而減少運(yùn)營(yíng)風(fēng)險(xiǎn)、提高效率和降低成本。例如,在庫(kù)存管理方面。生成式 AI技術(shù)可以通過(guò)分析大量的歷史數(shù)據(jù)來(lái)預(yù)測(cè)每種商品的需求量,并提供最佳的倉(cāng)庫(kù)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(wèn)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(wèn)題處理問(wèn)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(yùn)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(guò)智能掃描和自動(dòng)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(yàn),并增強(qiáng)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(gè)環(huán)節(jié)中發(fā)揮作用。根據(jù)具體場(chǎng)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(xiǎn)

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(xiǎn)性。

3.1 成本問(wèn)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(jí),參數(shù)數(shù)量都在迅速擴(kuò)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(guó)大證券計(jì)算機(jī)分析師的分析,2023年1月ChatGPT每天約有1 300萬(wàn)的訪問(wèn)量,芯片需求量超過(guò)3萬(wàn)顆(英偉達(dá)A100gpu),前期初始投資約為8億美元,后期運(yùn)營(yíng)的電費(fèi)約為每日5萬(wàn)美元。這些投入成本,對(duì)于一些中小型企業(yè)來(lái)說(shuō),是不可能實(shí)現(xiàn)的。

3.2 技術(shù)問(wèn)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(yǔ)言任務(wù),或者在處理一些復(fù)雜的語(yǔ)言結(jié)構(gòu)時(shí)遇到問(wèn)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(shí)別中可能會(huì)出現(xiàn)錯(cuò)誤,從而可能導(dǎo)致供應(yīng)鏈物流過(guò)程的混亂和損失,對(duì)企業(yè)和消費(fèi)者產(chǎn)生不利影響。此外,由于ChatGPT是一種基于英語(yǔ)語(yǔ)料庫(kù)訓(xùn)練的技術(shù),在處理中文信息時(shí)存在一定的困難,需要進(jìn)行語(yǔ)言轉(zhuǎn)換和數(shù)據(jù)處理等操作,使得ChatGPT在中國(guó)的使用成本更高,難度更大。

3.3 安全問(wèn)題

ChatGPT對(duì)信息、數(shù)據(jù)來(lái)源無(wú)法進(jìn)行事實(shí)核查,可能存在個(gè)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(lái)是否會(huì)脫離人類控制,也是目前所擔(dān)憂的問(wèn)題。

3.4 法律問(wèn)題

人工智能主要是通過(guò)挖掘人類日常交流以及文本,進(jìn)而統(tǒng)計(jì)分析,因此,對(duì)于一些受著作權(quán)保護(hù)的文本、視頻、代碼等,如果沒(méi)有經(jīng)過(guò)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(kù)中,可能侵害他人的著作權(quán)。

4 推動(dòng)ChatGPT生成式交互技術(shù)應(yīng)用的建議

一是企業(yè)要主動(dòng)融入ChatGPT浪潮,企業(yè)管理者要意識(shí)到 ChatGPT 時(shí)代的到來(lái)和給供應(yīng)鏈帶來(lái)的變革,鼓勵(lì)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(zhǔn)確性取決于大量數(shù)據(jù)的訓(xùn)練,很多中小企業(yè)沒(méi)有留存大量的歷史數(shù)據(jù)或是無(wú)法訪問(wèn)數(shù)據(jù),在這種情況下,ChatGPT的應(yīng)用效果一定會(huì)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(xì)分領(lǐng)域開始探索應(yīng)用。ChatGPT成本投入巨大,目前來(lái)看,也確實(shí)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(guò)能力租用為中小企業(yè)具體的場(chǎng)景落地服務(wù)。一些有實(shí)力的電商或物流企業(yè),也可以嘗試在模型功能上做細(xì)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(zhǔn)確程度取決于員工在提出問(wèn)題時(shí),對(duì)問(wèn)題描述的準(zhǔn)確度。因此,這就需要企業(yè)加強(qiáng)對(duì)員工的相關(guān)培訓(xùn),提高員工和ChatGPT的交互能力。

5 結(jié)語(yǔ)

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(yùn)營(yíng)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(dòng)化水平、簡(jiǎn)化供應(yīng)鏈成員間的溝通、輔助管理者做出有效的預(yù)測(cè)和決策,進(jìn)而提高供應(yīng)鏈物流的協(xié)同運(yùn)作效率。在應(yīng)用過(guò)程中,機(jī)會(huì)很大,但挑戰(zhàn)和風(fēng)險(xiǎn)也不容忽視。研究者應(yīng)揚(yáng)長(zhǎng)避短,讓ChatGPT生成式技術(shù)更好地為企業(yè)服務(wù)。