Od razvoja umjetne inteligencije, ona je postala temeljna pokretačka snaga za novi krug globalne tehnološke revolucije i industrijske transformacije. Trenutačno je korištenje velikih podataka za povećanje računalne snage i jačanje algoritama za formiranje ultra velikih intelektualnih modela postalo srž nove generacije ekologije umjetne inteligencije. To će biti glavna aplikacijska infrastruktura za razvoj umjetne inteligencije u mojoj zemlji i ključ za realizaciju sveukupne vodeće strategije moje zemlje za umjetnu inteligenciju 2030. Osnovna platforma.
Prva konferencija Boao foruma za globalni ekonomski razvoj i sigurnosni forum Azije, s temom "Ekonomska sigurnost i održivi razvoj pod velikim promjenama", održat će se u Changshi, Hunan od 18. do 20. listopada. Cilj mu je raspravljati o odgovorima na globalne ekonomske rizike, a strukturna pitanja će se raspravljati zajedno o pitanjima kao što su inteligentna proizvodnja i tehnološka revolucija.
U vezi s temama poput smjera razvoja i perspektive primjene umjetne inteligencije u eri velikih modela, novinar Beijing Business Dailyja nedavno je napravio ekskluzivni intervju s Huang Tiejunom, profesorom na Školi informacijske znanosti i tehnologije na Sveučilištu u Pekingu i direktorom Odjel za računarstvo i tehnologiju.
Beijing Business Daily: Veliki modeli nazivaju se jezgrom nove generacije ekosustava umjetne inteligencije. Možete li ukratko predstaviti što je veliki model? Koji će problemi biti riješeni?
Huang Tiejun: Veliki model osnovni je uobičajeni model koji prenosi inteligenciju raznim aplikacijama. Općenito, to je osnovna platforma koja uči znanje i pravila sadržana u podacima iz masivnih velikih podataka, kondenzira ih u neuronsku mrežu i pretvara u veliki model te pruža usluge za razne opće inteligentne zadatke.
Na primjer, na mobilnom internetu, dobavljači usluga u oblaku mogu imati mnoge mogućnosti usluga, ali bez operatera kao što je App, korisnicima će biti teško dobiti razne usluge u oblaku. S ove točke gledišta, sama aplikacija je industrijski ekosustav. Zapravo, veliki modeli trenutno trebaju rješavati slične probleme.
Veliki modeli su javne usluge koje su vrlo zračne i visoko tehničke. Svi segmenti života imat će određene potrebe u budućnosti, a neke će tvrtke morati razviti veliku konverziju modela i prilagođena sučelja.
Beijing Business Daily: Kako će veliki modeli povezati ekologiju tehnologije umjetne inteligencije i industrijsku ekologiju? Koji će biti sljedeći smjer primjene umjetne inteligencije u informacijskom području?
Huang Tiejun: Razumijevanje i primjena umjetne inteligencije u mnogim industrijama još su u fazi istraživanja i postoji određena distanca između njih. Kako povezati ovo sučelje zapravo zahtijeva grupu tvrtki koje mogu transformirati mogućnosti velikih modela u sadržaje potrebne raznim industrijama.
Vrlo je teško predvidjeti koja će biti sljedeća primjena u informacijskom polju. Mislim da će u stvarnosti copywriting, obrada informacija i drugi zadaci biti zamijenjeni umjetnom inteligencijom ili će se većina njih rješavati velikim modelima umjetne inteligencije, što će donijeti velike mogućnosti primjene.
Različite primjene tražilica u konačnici se odnose na organizaciju, rudarenje i korištenje informacija. Na primjer, pojedinci mogu prikupljati podatke i vršiti određenu obradu informacija putem tražilica. Sada veliki modeli rješavaju problem prikupljanja golemih podataka. Njegovi podaci nisu djelo jedne osobe ili skupine ljudi, već prikupljaju sve podatke i odražavaju ih. Dođite da poslužite raznim aplikacijama za obradu informacija o kopiranju. Konačni izlaz još uvijek može biti čovjek, ali većinu zadataka koji stoje iza njega dovršit će umjetna inteligencija. Mogućnosti za ovaj smjer primjene su ogromne.
Beijing Business Daily: Kako se tehnologija umjetne inteligencije razvila u eru velikih modela? Koje su razlike u odnosu na prije?
Huang Tiejun: Razvoj umjetne inteligencije u velike modele određen je osnovnim zakonitostima razvoja tehnologije umjetne inteligencije. Postoje dvije škole mišljenja o umjetnoj inteligenciji. Jedna skupina vjeruje da su znanstveni mehanizmi, teorije, matematika i algoritmi koji stoje iza umjetne inteligencije vrlo važni; druga skupina vjeruje da je umjetna inteligencija općenito tehnologija, konstruiranje inteligentnog sustava, a zatim razumijevanje mehanizma inteligentnog sustava. Potonji je glavni pogled na umjetnu inteligenciju.
U procesu izgradnje umjetne inteligencije isprva je radilo nekoliko znanstvenih istraživača, a kasnije su postupno sudjelovale i tvrtke. U budućnosti će industrija, akademska zajednica, istraživanje i cijelo društvo zajednički konstruirati model. Zašto to učiniti? Zapravo, razlog je vrlo jednostavan. Ako podaci koje je naučio sustav ili model umjetne inteligencije nisu potpuni i dovoljno pravovremeni, bit će teško vjerovati da je njegov inteligentni model vrlo sposoban. Takozvani veliki model je integracija različitih resursa podataka, najjačih algoritama i računalne snage moguće u društvu u javnu osnovnu platformu koju svatko može koristiti. Ovo je smjer kojim moramo ići kada konstruiramo sustave umjetne inteligencije. .
U tom procesu, sposobnosti velikih modela postaju jače, što će zauzvrat igrati ulogu u svim aspektima društva. Jednom kada odigra ulogu, više ljudi će je graditi. To je benigni iterativni učinak.
Zapravo, potencijal umjetne inteligencije ovisi o podacima koje može dobiti. Kao što ljudi "čitaju tisuće knjiga i putuju tisućama milja", slična je i umjetna inteligencija. Fizički svijet, pa čak i svemir, tako su golemi. Ako se može pretvoriti u podatke i informacije i dopustiti da ih uči umjetna inteligencija, prostor će biti jako velik.
Ne usudim se reći hoće li sposobnost velikog modela nadmašiti sve, ali barem nitko nije došao do svih informacija, a zakonitosti iza toga nemoguće je otkriti. Fizičko tijelo i životni ciklus svakog od nas određuju da su podaci koje možemo dobiti još uvijek relativno ograničeni.
Beijing Business Daily: Koje izazove još treba prevladati u razvoju velikih modela? Koji je budući razvojni put?
Huang Tiejun: Sada postoji skup tehnologija i algoritama za obuku velikih modela, ali postoje li bolji algoritmi, akademska zajednica i industrija još uvijek neprestano traže i istražuju. Trenutačno je potrebno mnogo emisija ugljika za treniranje inteligentnog modela. U budućnosti bi moglo biti potrebno manje emisija ugljika za treniranje modela. Mislim da će jednoga dana školovanje umjetne inteligencije koštati manje od obučavanja čovjeka, a to je još jedna prekretnica.
Stoga, kako umjetna inteligencija bude dolazila u kontakt sa sve više i više podataka, i kako je učinkovitost učenja i treninga postajala sve veća i veća, njezin će rezultat biti veliki model. U budućnosti bi to mogao biti super veliki model ili vrlo veliki model, i nastavit će se ponavljati. Put je već slobodan.
Ali nema temelja gdje je njegova gornja granica. Za sada, veće je bolje. Može se dogoditi da nakon što se proširi na određenu razinu, više neće biti jednostavno linearno povećanje ili se može dogoditi da nakon određene razine rast počne usporavati, ali to su još uvijek špekulacije u ovom trenutku.
Beijing Business Daily: Kako uzeti u obzir neka sigurnosna i etička pitanja tijekom procesa razvoja velikih modela? Kako to izbjeći?
Huang Tiejun: Sigurnosna i etička pitanja umjetne inteligencije neće se riješiti preko noći. Na primjer, problemi informacijske sigurnosti nastavljaju se javljati s razvojem informacija i moramo ih riješiti nakon što se pojave.
U procesu razvoja velikih modela postoje i neki inherentni rizici. Na primjer, znanje stečeno modelom nije u skladu s etikom i načelima. Ti se rizici mogu kontrolirati unaprijed; ali postoje i neki rizici uzrokovani stalnim napretkom tehnologije. Ako dođe, onda i njegovo rješenje treba kontinuirano rješavati tehničkim sredstvima. "Da biste odvezali zvono, morate vezati zvono." Ako tu tehnologiju ne razvijamo zbog nekih potencijalnih problema, ona neće biti u skladu sa zakonitostima znanstveno-tehnološkog razvoja.