Од развоја вештачке интелигенције, она је постала кључна покретачка снага за нови круг глобалне технолошке револуције и индустријске трансформације. Тренутно је употреба великих података за повећање рачунарске снаге и јачање алгоритама за формирање интелектуалних модела ултра великих размера постала језгро нове генерације екологије вештачке интелигенције. То ће бити главна апликацијска инфраструктура за развој вештачке интелигенције у мојој земљи и кључ за реализацију укупне водеће стратегије моје земље за вештачку интелигенцију 2030. Основна платформа.
Прва конференција Боао форума за Азију Глобални економски развој и безбедносни форум, са темом „Економска безбедност и одрживи развој под великим променама“, биће одржана у Чангши у Хунану од 18. до 20. октобра. Има за циљ да разговара о одговорима на глобалне економске ризике, а структурна питања ће се заједно разговарати о питањима као што су интелигентна производња и технолошка револуција.
У вези са темама као што су правац развоја и изгледи за примену вештачке интелигенције у ери великих модела, репортер Пекинг Бусинесс Даили недавно је обавио ексклузивни интервју са Хуангом Тиејуном, професором на Факултету информационих наука и технологије Универзитета у Пекингу и директором Департман за рачунарство и технологију.
Беијинг Бусинесс Даили: Велики модели се називају језгром нове генерације екосистема вештачке интелигенције. Можете ли укратко да представите шта је велики модел? Који проблеми ће бити решени?
Хуанг Тиејун: Велики модел је основни уобичајени модел који даје интелигенцију различитим апликацијама. Генерално, то је основна платформа која учи знање и правила садржана у подацима из масивних великих података, кондензује их у неуронску мрежу и претвара у велики модел, и пружа услуге за различите опште интелигентне задатке.
На пример, на мобилном Интернету, добављачи услуга у облаку могу имати многе могућности услуга, али без оператера као што је Апп, корисницима ће бити тешко да добију различите услуге у облаку. Са ове тачке гледишта, сама апликација је индустријски екосистем. У ствари, велики модели тренутно морају да реше сличне проблеме.
Велики модели су јавне услуге које су веома блиставе и веома техничке. Сви сфери живота ће имати неке специфичне потребе у будућности, а неке компаније ће морати да развију конверзију великих модела и прилагођене интерфејсе.
Беијинг Бусинесс Даили: Како ће велики модели повезати екологију технологије вештачке интелигенције и индустријску екологију? Који ће бити следећи правац примене вештачке интелигенције у области информација?
Хуанг Тиејун: Разумевање и примена вештачке интелигенције у многим индустријама су још увек у фази истраживања и постоји одређена дистанца између њих. Како повезати овај интерфејс заправо захтева групу компанија које могу да трансформишу могућности великих модела у садржај потребан разним индустријама.
Веома је тешко предвидети која ће бити следећа примена у области информација. Мислим да ће у стварности копирајт, обрада информација и други задаци бити замењени вештачком интелигенцијом, или ће се већина њих решавати великим моделима вештачке интелигенције, што ће донети велике могућности примене.
Различите примене претраживача се на крају односе на организацију, рударење и коришћење информација. На пример, појединци могу прикупљати податке и обављати неку обраду информација путем претраживача. Сада велики модели решавају проблем прикупљања масивних података. Његови подаци нису дело било које особе или групе људи, већ прикупљају све податке и одражавају их. Дођите да послужите разним апликацијама за обраду информација за копирање. Коначни излаз је можда и даље људски, али већину задатака иза њега ће извршити вештачка интелигенција. Могућности за овај смер примене су огромне.
Беијинг Бусинесс Даили: Како се технологија вештачке интелигенције развила у еру великих модела? Које су разлике у односу на раније?
Хуанг Тиејун: Развој вештачке интелигенције у велике моделе одређен је основним законима развоја технологије вештачке интелигенције. Постоје две школе мишљења о вештачкој интелигенцији. Једна група верује да су научни механизми, теорије, математика и алгоритми који стоје иза вештачке интелигенције веома важни; друга група верује да је вештачка интелигенција генерално технологија, конструисање интелигентног система, а затим разумевање механизма интелигентног система. Ово последње је главни поглед на вештачку интелигенцију.
У процесу изградње вештачке интелигенције у почетку је то било дело неколицине научних истраживача, а касније су постепено учествовале компаније. У будућности ће индустрија, академија, истраживање и цело друштво заједнички конструисати модел. Зашто ово радиш? У ствари, разлог је врло једноставан. Ако подаци које је научио систем или модел вештачке интелигенције нису довољно потпуни и благовремени, биће тешко поверовати да је његов интелигентни модел веома способан. Такозвани велики модел је да интегрише различите ресурсе података, најјаче алгоритме и рачунарску моћ могуће у друштву у јавну основну платформу коју свако може да користи. Ово је правац којим морамо да идемо када конструишемо системе вештачке интелигенције. .
У овом процесу, способности великих модела постају јаче, што ће заузврат играти улогу у свим аспектима друштва. Једном када игра улогу, више људи ће је изградити. То је бенигни итеративни ефекат.
У ствари, потенцијал вештачке интелигенције зависи од података до којих може доћи. Баш као што људи „читају хиљаде књига и путују хиљадама миља“, и вештачка интелигенција је слична. Физички свет, па чак и универзум су тако огромни. Ако се може претворити у податке и информације и дозволити да се учи вештачкој интелигенцији, простор ће бити веома велик.
Не усуђујем се да кажем да ли ће способност великог модела надмашити све, али бар нико није добио све информације, а немогуће је открити законе који стоје иза тога. Физичко тело и животни циклус сваког од нас одређују да су подаци које можемо да добијемо још увек релативно ограничени.
Беијинг Бусинесс Даили: Које изазове још треба превазићи у развоју великих модела? Какав је будући развојни пут?
Хуанг Тиејун: Сада постоји скуп технологија и алгоритама за обуку великих модела, али да ли постоје бољи алгоритми, академска заједница и индустрија и даље стално траже и истражују. Тренутно је потребно много емисија угљеника за обуку интелигентног модела. У будућности ће можда бити потребно мање емисије угљеника за обуку модела. Мислим да ће једног дана вештачка интелигенција коштати мање за обуку од човека, а то је још једна прекретница.
Стога, како вештачка интелигенција долази у контакт са све више података и како ефикасност учења и обуке буде све већа, њен резултат ће бити велики модел. У будућности, то може бити супер велики модел или веома велики модел, и наставиће да се понавља. Пут је већ јасан.
Али нема основе где је њена горња граница. За сада, веће је боље. Може бити да након што се прошири на одређени ниво, то више неће бити једноставно линеарно повећање, или може бити да након одређеног нивоа раст почне да успорава, али то су још увек спекулације у овом тренутку.
Беијинг Бусинесс Даили: Како размотрити нека безбедносна и етичка питања током процеса развоја великих модела? Како то избећи?
Хуанг Тиејун: Безбедносна и етичка питања вештачке интелигенције неће бити решена преко ноћи. На пример, проблеми безбедности информација настављају да се јављају са развојем информација и морамо их решавати након што се појаве.
У процесу развоја великих модела постоје и неки инхерентни ризици. На пример, знање које је модел научио није у складу са етиком и принципима. Ови ризици се могу унапред контролисати; али постоје и одређени ризици узроковани континуираним напретком технологије. Ако дође, онда и њено решење треба решавати континуирано техничким средствима. "Да бисте одвезали звоно, морате везати звоно." Ако ову технологију не развијемо због неких потенцијалних проблема, она неће бити у складу са законима научног и технолошког развоја.