5 月 7 日，由中國(guó)圖象圖形學(xué)學(xué)會(huì)（CSIG）主辦、金山辦公承辦的“CSIG企業(yè)行”系列活動(dòng)在珠海金山軟件園成功舉行?；顒?dòng)以“AI大模型時(shí)代文檔識(shí)別和理解前沿技術(shù)探討”為主題，特邀來(lái)自中科院、北京科技大學(xué)、華中科技大學(xué)、華南理工大學(xué)等院校的專家學(xué)者，與金山辦公技術(shù)團(tuán)隊(duì)共同探討文檔識(shí)別領(lǐng)域的前沿技術(shù)研究及實(shí)踐成果。
ChatGPT的問(wèn)世，引發(fā)了大眾對(duì)AI大模型技術(shù)的關(guān)注。金山辦公副總裁姚冬在致辭中表示，金山辦公自 2017 年就創(chuàng)立了AI團(tuán)隊(duì)，多年來(lái)持續(xù)深耕AI技術(shù)的研發(fā)和落地。目前的大模型技術(shù)不僅可以理解人類的語(yǔ)言，還可以進(jìn)行推理甚至寫代碼等創(chuàng)意性工作，對(duì)傳統(tǒng)技術(shù)領(lǐng)域帶來(lái)了巨大挑戰(zhàn)和機(jī)遇。金山辦公不久前在產(chǎn)品中落地的部分新功能，正是源于對(duì)大模型技術(shù)的研究成果。
中國(guó)科學(xué)院自動(dòng)化研究所副所長(zhǎng)劉成林表示，大模型時(shí)代的開(kāi)啟為文檔識(shí)別帶來(lái)了新的機(jī)遇和挑戰(zhàn)。從早期的單字識(shí)別到字符串整體識(shí)別，再到手寫文檔版面分析和自然場(chǎng)景、視頻文本中的文本檢測(cè)，文檔識(shí)別目前已歷經(jīng)三個(gè)研究階段。而近年來(lái)人工智能深度學(xué)習(xí)等技術(shù)的成熟，使大模型成為文檔識(shí)別與理解的全新研究方向。
針對(duì)文字的識(shí)別技術(shù)，北京科技大學(xué)計(jì)算機(jī)與通信工程學(xué)院院長(zhǎng)殷緒成表示，ChatGPT在問(wèn)世后之所以表現(xiàn)出色，正是源于其積累了大批高質(zhì)量的訓(xùn)練數(shù)據(jù)，而開(kāi)放集模式識(shí)別，是文字識(shí)別未來(lái)的一條技術(shù)新路徑。
華中科技大學(xué)白翔教授針對(duì)視覺(jué)與語(yǔ)言模型的研究做了詳細(xì)介紹，他認(rèn)為這幾年多模態(tài)和跨模態(tài)對(duì)各個(gè)領(lǐng)域都帶來(lái)非常深遠(yuǎn)的影響，各行各業(yè)圍繞大模型去做定制化方案，包括對(duì)大模型本身進(jìn)行調(diào)整，都有重要意義。
華南理工大學(xué)金連文教授分享了面向文檔圖像的篡改文本檢測(cè)的最 新研究成果，金連文教授表示，SSL OCR 技術(shù)（使用SSL加密協(xié)議的OCR技術(shù)）、大模型與OCR結(jié)合、視覺(jué)大模型等是值得關(guān)注的技術(shù)方向。AI大模型技術(shù)無(wú)論是在垂直領(lǐng)域還是通用領(lǐng)域，均具備很大發(fā)展空間。
除前沿理論研究分享外，金山辦公CV技術(shù)總監(jiān)熊龍飛以掃描件PDF編輯為案例，分享了AI大模型時(shí)代文檔識(shí)別技術(shù)的比較新實(shí)踐成果：掃描件PDF編輯新模態(tài)。掃描件PDF因變成了圖片，其排版、內(nèi)容、字體、段落等信息丟失，還可能存在污染、變形、對(duì)象層疊等問(wèn)題，解決這些挑戰(zhàn)對(duì)算法和服務(wù)架構(gòu)有非常高的技術(shù)要求，金山辦公經(jīng)過(guò)多年研發(fā)已經(jīng)將該領(lǐng)域做到了令人耳目一新的效果。據(jù)了解，該功能已于 2023 年 3 月逐步上線，在未來(lái)還將持續(xù)迭代。
針對(duì)大模型技術(shù)的實(shí)際應(yīng)用，姚冬表示，大模型技術(shù)不僅可極大提高辦公軟件的工作效率，同時(shí)此類軟件龐大的基礎(chǔ)用戶量，又為不斷改進(jìn)大模型提供了數(shù)據(jù)支撐?！敖鹕睫k公在這個(gè)領(lǐng)域扮演的角色就是落地應(yīng)用，金山辦公具備大量的功能API接口，通過(guò)結(jié)合大模型可以調(diào)動(dòng)這些能力，實(shí)現(xiàn)很多對(duì)用戶很便利的功能。這些API能力背后是金山辦公 35 年來(lái)在文檔處理和排版領(lǐng)域的技術(shù)積累。”
據(jù)悉，金山辦公基于大語(yǔ)言模型的人工智能應(yīng)用“WPS AI”，第 一站搭載在金山辦公在線內(nèi)容協(xié)作編輯產(chǎn)品輕文檔上，未來(lái)WPS AI還將以用戶體驗(yàn)為優(yōu)先級(jí)，逐步嵌入金山辦公全線產(chǎn)品。
（推廣）