С момента развития искусственного интеллекта он стал основной движущей силой нового витка глобальной технологической революции и промышленной трансформации. В настоящее время использование больших данных для увеличения вычислительной мощности и усиления алгоритмов для формирования сверхкрупномасштабных интеллектуальных моделей стало основой нового поколения экологии искусственного интеллекта. Это будет крупная прикладная инфраструктура для развития искусственного интеллекта в моей стране и ключ к реализации общей ведущей стратегии моей страны в области искусственного интеллекта в 2030 году. Базовая платформа.
Первая конференция Форума Боао по Азиатскому глобальному экономическому развитию и безопасности на тему «Экономическая безопасность и устойчивое развитие в условиях больших перемен» пройдет в Чанше, Хунань, с 18 по 20 октября. Ее цель — обсудить ответы на глобальные экономические риски и структурные вопросы, а также обсудить такие вопросы, как интеллектуальное производство и технологическая революция.
Что касается таких тем, как направление развития и перспективы применения искусственного интеллекта в эпоху больших моделей, репортер Beijing Business Daily недавно провел эксклюзивное интервью с Хуан Тецзюнем, профессором Школы информационных наук и технологий Пекинского университета и директором Департамента компьютерных наук и технологий.
Beijing Business Daily: Крупные модели называют ядром нового поколения экосистемы искусственного интеллекта. Можете ли вы кратко рассказать, что такое крупная модель? Какие проблемы будут решены?
Хуан Тецзюнь: Большая модель — это базовая общая модель, которая придает интеллект различным приложениям. В общем, это базовая платформа, которая изучает знания и правила, содержащиеся в данных из массивных больших данных, сжимает их в нейронную сеть и превращает в большую модель, а также предоставляет услуги для различных общих интеллектуальных задач.
Например, в мобильном Интернете поставщики облачных услуг могут иметь множество сервисных возможностей, но без такого носителя, как App, пользователям будет сложно получать различные облачные услуги. С этой точки зрения App сам по себе является промышленной экосистемой. Фактически, крупные модели в настоящее время должны решать схожие проблемы.
Большие модели — это общественные услуги, которые очень яркие и высокотехничные. Все слои общества будут иметь некоторые особые потребности в будущем, и некоторым компаниям потребуется разработать преобразование больших моделей и настраиваемые интерфейсы.
Beijing Business Daily: Как большие модели свяжут экологию технологий искусственного интеллекта и промышленную экологию? Каким будет следующее направление применения искусственного интеллекта в информационной сфере?
Хуан Тецзюнь: Понимание и применение искусственного интеллекта во многих отраслях все еще находятся на стадии исследования, и между ними существует определенная дистанция. Как соединить этот интерфейс, на самом деле требуется группа компаний, которые могут преобразовать возможности больших моделей в контент, необходимый различным отраслям.
Очень сложно предсказать, каким будет следующее применение в сфере информации. Я думаю, что в реальности копирайтинг, обработка информации и другие задачи будут заменены искусственным интеллектом, или большинство из них будут решаться большими моделями искусственного интеллекта, что откроет большие возможности для применения.
Различные приложения поисковых систем в конечном итоге касаются организации, добычи и использования информации. Например, отдельные лица могут собирать данные и выполнять некоторую обработку информации с помощью поисковых систем. Теперь большие модели решают проблему сбора больших объемов данных. Его данные не являются работой какого-либо одного человека или группы людей, а собирают все данные и отражают их. Приходите обслуживать различные приложения обработки информации копирайтинга. Конечный выход все еще может быть человеком, но большинство задач, стоящих за ним, будут выполнены искусственным интеллектом. Возможности для этого направления применения огромны.
Beijing Business Daily: Как технология искусственного интеллекта перешла в эпоху больших моделей? В чем отличия от того, что было раньше?
Хуан Тецзюнь: Развитие искусственного интеллекта в большие модели определяется основными законами развития технологии искусственного интеллекта. Существует две школы мысли об искусственном интеллекте. Одна группа считает, что научные механизмы, теории, математика и алгоритмы, лежащие в основе искусственного интеллекта, очень важны; другая группа считает, что искусственный интеллект — это, как правило, технология, конструирующая интеллектуальную систему, а затем понимающая механизм интеллектуальной системы. Последнее является основным взглядом на искусственный интеллект.
В процессе создания искусственного интеллекта сначала это была работа нескольких научных исследователей, а затем постепенно к ней присоединились компании. В будущем промышленность, академические круги, исследования и все общество будут совместно строить модель. Зачем это делать? На самом деле, причина очень проста. Если данные, полученные системой или моделью искусственного интеллекта, не являются полными и достаточно своевременными, будет трудно поверить, что ее интеллектуальная модель очень способна. Так называемая большая модель заключается в интеграции различных ресурсов данных, самых мощных алгоритмов и вычислительной мощности, возможных в обществе, в общедоступную базовую платформу, которую может использовать каждый. Это направление мы должны выбрать при построении систем искусственного интеллекта.
В этом процессе возможности больших моделей становятся сильнее, что в свою очередь сыграет роль во всех аспектах общества. Как только это сыграет роль, больше людей будут строить это. Это благоприятный итеративный эффект.
На самом деле, потенциал искусственного интеллекта зависит от данных, которые он может получить. Так же, как люди «читают тысячи книг и путешествуют тысячи миль», искусственный интеллект также похож. Физический мир и даже вселенная настолько огромны. Если их можно преобразовать в данные и информацию и позволить искусственному интеллекту изучить их, пространство станет очень большим.
Я не осмеливаюсь сказать, превзойдет ли способность большой модели способность каждого, но, по крайней мере, никто не получил всю информацию, и невозможно обнаружить законы, лежащие в ее основе. Физическое тело и жизненный цикл каждого из нас определяют, что данные, которые мы можем получить, все еще относительно ограничены.
Beijing Business Daily: Какие проблемы еще предстоит преодолеть при разработке больших моделей? Каков будущий путь развития?
Хуан Тецзюнь: Сейчас существует набор технологий и алгоритмов для обучения больших моделей, но есть ли лучшие алгоритмы, академическое сообщество и отрасль все еще постоянно ищут и изучают. В настоящее время для обучения интеллектуальной модели требуется много выбросов углерода. В будущем для обучения модели может потребоваться меньше выбросов углерода. Я думаю, что однажды искусственный интеллект может стоить меньше обучения, чем человека, и это еще одна веха.
Поэтому, поскольку искусственный интеллект вступает в контакт со все большим количеством данных, и поскольку эффективность обучения и тренировки становится все выше, его результатом будет большая модель. В будущем это может быть супербольшая модель или очень большая модель, и она будет продолжать итерироваться. Путь уже ясен.
Но нет никаких оснований для того, где находится его верхний предел. На данный момент, чем больше, тем лучше. Может быть, после того, как он расширится до определенного уровня, это уже не будет простым линейным ростом, или может быть, что после определенного уровня рост начнет замедляться, но это все еще спекуляции на данный момент.
Beijing Business Daily: Как учитывать некоторые вопросы безопасности и этики в процессе разработки больших моделей? Как этого избежать?
Хуан Тецзюнь: Вопросы безопасности и этики искусственного интеллекта не будут решены в одночасье. Например, вопросы информационной безопасности продолжают возникать по мере развития информации, и мы должны решать их после того, как они возникнут.
В процессе разработки больших моделей также существуют некоторые неотъемлемые риски. Например, знания, полученные моделью, не соответствуют этике и принципам. Эти риски можно контролировать заранее; но есть также некоторые риски, вызванные непрерывным развитием технологий. Если оно наступает, то его решение также необходимо решать непрерывно с помощью технических средств. «Чтобы развязать колокол, нужно завязать колокол». Если мы не будем развивать эту технологию из-за некоторых потенциальных проблем, она не будет соответствовать законам научно-технического развития.