Od czasu rozwoju sztucznej inteligencji stała się ona główną siłą napędową nowej rundy globalnej rewolucji technologicznej i transformacji przemysłowej. Obecnie wykorzystanie dużych zbiorów danych do zwiększenia mocy obliczeniowej i wzmocnienia algorytmów w celu tworzenia modeli intelektualnych o bardzo dużej skali stało się rdzeniem nowej generacji ekologii sztucznej inteligencji. Będzie to główna infrastruktura aplikacji do rozwoju sztucznej inteligencji w moim kraju i klucz do realizacji ogólnej wiodącej strategii mojego kraju w zakresie sztucznej inteligencji w 2030 r. Podstawowa platforma.
Pierwsza konferencja Boao Forum for Asia Global Economic Development and Security Forum, której tematem przewodnim jest „Bezpieczeństwo ekonomiczne i zrównoważony rozwój w obliczu wielkich zmian”, odbędzie się w Changsha, Hunan od 18 do 20 października. Jej celem jest omówienie odpowiedzi na globalne ryzyka gospodarcze i kwestie strukturalne, które zostaną omówione wspólnie w takich kwestiach jak inteligentna produkcja i rewolucja technologiczna.
W kontekście takich zagadnień, jak kierunek rozwoju i perspektywy zastosowań sztucznej inteligencji w erze dużych modeli, reporter Beijing Business Daily przeprowadził niedawno ekskluzywny wywiad z Huang Tiejunem, profesorem w Szkole Informatyki i Technologii na Uniwersytecie Pekińskim oraz dyrektorem Wydziału Informatyki i Technologii.
Beijing Business Daily: Duże modele są nazywane rdzeniem nowego pokolenia ekosystemu sztucznej inteligencji. Czy możesz krótko przedstawić, czym jest duży model? Jakie problemy zostaną rozwiązane?
Huang Tiejun: Duży model to podstawowy wspólny model, który przekazuje inteligencję różnym aplikacjom. Ogólnie rzecz biorąc, jest to podstawowa platforma, która uczy się wiedzy i reguł zawartych w danych z ogromnych dużych danych, kondensuje je w sieć neuronową i zamienia w duży model, a także zapewnia usługi dla różnych ogólnych zadań inteligentnych.
Na przykład w mobilnym Internecie dostawcy usług w chmurze mogą mieć wiele możliwości usługowych, ale bez operatora takiego jak App, użytkownikom będzie trudno uzyskać różne usługi w chmurze. Z tego punktu widzenia App samo w sobie jest ekosystemem przemysłowym. W rzeczywistości duże modele muszą obecnie rozwiązywać podobne problemy.
Duże modele to usługi publiczne, które są bardzo promienne i wysoce techniczne. Wszystkie dziedziny życia będą miały pewne specyficzne potrzeby w przyszłości, a niektóre firmy będą musiały opracować konwersję dużych modeli i dostosowane interfejsy.
Beijing Business Daily: W jaki sposób duże modele połączą ekologię technologii sztucznej inteligencji i ekologię przemysłową? Jaki będzie następny kierunek zastosowań sztucznej inteligencji w dziedzinie informacji?
Huang Tiejun: Zrozumienie i zastosowanie sztucznej inteligencji w wielu branżach wciąż znajduje się w fazie eksploracyjnej, a między nimi istnieje pewna odległość. Połączenie tego interfejsu wymaga grupy firm, które mogą przekształcić możliwości dużych modeli w treści potrzebne różnym branżom.
Bardzo trudno przewidzieć, jakie będzie następne zastosowanie w dziedzinie informacji. Myślę, że w rzeczywistości copywriting, przetwarzanie informacji i inne zadania zostaną zastąpione przez sztuczną inteligencję lub większość z nich zostanie rozwiązana przez duże modele sztucznej inteligencji, co przyniesie ogromne możliwości zastosowań.
Różne zastosowania wyszukiwarek dotyczą ostatecznie organizacji, wydobywania i wykorzystywania informacji. Na przykład osoby mogą zbierać dane i przetwarzać informacje za pomocą wyszukiwarek. Teraz duże modele rozwiązują problem zbierania ogromnych danych. Jego dane nie są dziełem żadnej osoby ani grupy osób, ale gromadzą wszystkie dane i odzwierciedlają je. Przyjdź, aby służyć różnym aplikacjom przetwarzającym informacje copywritingowe. Ostateczne wyjście może być nadal ludzkie, ale większość zadań za nim będzie wykonywana przez sztuczną inteligencję. Możliwości tego kierunku zastosowań są ogromne.
Beijing Business Daily: Jak technologia sztucznej inteligencji rozwinęła się w erze dużych modeli? Jakie są różnice w porównaniu do tego, co było wcześniej?
Huang Tiejun: Rozwój sztucznej inteligencji w duże modele jest determinowany przez podstawowe prawa rozwoju technologii sztucznej inteligencji. Istnieją dwie szkoły myślenia na temat sztucznej inteligencji. Jedna grupa uważa, że mechanizmy naukowe, teorie, matematyka i algorytmy stojące za sztuczną inteligencją są bardzo ważne; druga grupa uważa, że sztuczna inteligencja jest ogólnie technologią, konstruowaniem inteligentnego systemu, a następnie zrozumieniem mechanizmu inteligentnego systemu. Ta druga jest głównym nurtem poglądu na sztuczną inteligencję.
W procesie budowania sztucznej inteligencji początkowo było to dzieło kilku naukowców, a później stopniowo uczestniczyły w tym firmy. W przyszłości przemysł, środowisko akademickie, badania i całe społeczeństwo wspólnie skonstruują model. Dlaczego tak się dzieje? W rzeczywistości powód jest bardzo prosty. Jeśli dane poznane przez system lub model sztucznej inteligencji nie są kompletne i wystarczająco aktualne, trudno będzie uwierzyć, że jego inteligentny model jest bardzo zdolny. Tak zwany duży model ma integrować różne zasoby danych, najsilniejsze algorytmy i moc obliczeniową możliwą w społeczeństwie w publiczną podstawową platformę, z której każdy może korzystać. To jest kierunek, w którym musimy podążać, konstruując systemy sztucznej inteligencji. .
W tym procesie możliwości dużych modeli stają się silniejsze, co z kolei będzie odgrywać rolę we wszystkich aspektach społeczeństwa. Gdy odegra rolę, więcej ludzi będzie ją budować. Jest to łagodny efekt iteracyjny.
W rzeczywistości potencjał sztucznej inteligencji zależy od danych, które może ona uzyskać. Podobnie jak ludzie „czytają tysiące książek i podróżują tysiące mil”, sztuczna inteligencja jest podobna. Świat fizyczny, a nawet wszechświat, są tak ogromne. Jeśli można je przekształcić w dane i informacje i pozwolić, aby sztuczna inteligencja je poznała, przestrzeń będzie bardzo duża.
Nie śmiem twierdzić, czy możliwości dużego modelu przewyższą możliwości każdego, ale przynajmniej nikt nie uzyskał wszystkich informacji i nie da się odkryć praw, które za tym stoją. Ciało fizyczne i cykl życia każdego z nas decydują, że dane, które możemy uzyskać, są nadal stosunkowo ograniczone.
Beijing Business Daily: Jakie wyzwania wciąż trzeba pokonać w rozwoju dużych modeli? Jaka jest przyszła ścieżka rozwoju?
Huang Tiejun: Obecnie istnieje zestaw technologii i algorytmów do trenowania dużych modeli, ale czy istnieją lepsze algorytmy, społeczność akademicka i przemysł wciąż nieustannie poszukują i badają. Obecnie trenowanie inteligentnego modelu wymaga dużej emisji dwutlenku węgla. W przyszłości może wymagać mniejszej emisji dwutlenku węgla do trenowania modelu. Myślę, że pewnego dnia sztuczna inteligencja może kosztować mniej w trenowaniu niż człowiek, a to jest kolejny kamień milowy.
Dlatego w miarę jak sztuczna inteligencja wchodzi w kontakt z coraz większą ilością danych, a efektywność uczenia się i szkolenia staje się coraz wyższa, jej wynikiem będzie duży model. W przyszłości może to być super duży model lub bardzo duży model i będzie on nadal iterowany. Ścieżka jest już jasna.
Ale nie ma podstaw, gdzie jest jego górny limit. Na razie większy znaczy lepszy. Może się okazać, że po rozszerzeniu do pewnego poziomu nie będzie już prostym liniowym wzrostem, albo może się okazać, że po przekroczeniu pewnego poziomu wzrost zacznie zwalniać, ale na razie są to tylko spekulacje.
Beijing Business Daily: Jak uwzględnić kwestie bezpieczeństwa i etyki podczas procesu rozwoju dużych modeli? Jak tego uniknąć?
Huang Tiejun: Kwestie bezpieczeństwa i etyki sztucznej inteligencji nie zostaną rozwiązane z dnia na dzień. Na przykład kwestie bezpieczeństwa informacji nadal pojawiają się wraz z rozwojem informacji i musimy je rozwiązać po ich wystąpieniu.
W procesie rozwoju dużych modeli występują również pewne nieodłączne ryzyka. Na przykład wiedza, którą zdobywa model, nie jest zgodna z etyką i zasadami. Te ryzyka można kontrolować z wyprzedzeniem; ale istnieją również pewne ryzyka spowodowane ciągłym rozwojem technologii. Jeśli tak się stanie, jego rozwiązanie również musi być rozwiązywane w sposób ciągły za pomocą środków technicznych. „Aby rozwiązać dzwonek, musisz zawiązać dzwonek”. Jeśli nie rozwiniemy tej technologii z powodu potencjalnych problemów, nie będzie ona zgodna z prawami rozwoju naukowego i technologicznego.