Sinds de ontwikkeling van kunstmatige intelligentie is het de drijvende kracht geworden voor een nieuwe ronde van wereldwijde technologische revolutie en industriële transformatie. Momenteel is het gebruik van big data om de rekenkracht te vergroten en algoritmen te versterken om ultra-grootschalige intellectuele modellen te vormen de kern geworden van de nieuwe generatie van kunstmatige intelligentie-ecologie. Het zal een belangrijke applicatie-infrastructuur zijn voor de ontwikkeling van kunstmatige intelligentie in mijn land en een sleutel tot het realiseren van de algehele leidende strategie van mijn land voor kunstmatige intelligentie in 2030. Basisplatform.
De eerste conferentie van het Boao Forum voor Azië Global Economic Development and Security Forum, met als thema "Economic Security and Sustainable Development under Great Change", zal worden gehouden in Changsha, Hunan van 18 tot 20 oktober. Het doel is om reacties op wereldwijde economische risico's te bespreken en structurele kwesties zullen samen worden besproken over kwesties zoals intelligente productie en technologische revolutie.
Over onderwerpen als de ontwikkelingsrichting en toepassingsmogelijkheden van kunstmatige intelligentie in het tijdperk van grote modellen, had een verslaggever van Beijing Business Daily onlangs een exclusief interview met Huang Tiejun, hoogleraar aan de School of Information Science and Technology van de Universiteit van Peking en directeur van de afdeling Computerwetenschappen en Technologie.
Beijing Business Daily: Grote modellen worden de kern van de nieuwe generatie kunstmatige intelligentie-ecosystemen genoemd. Kunt u kort uitleggen wat een groot model is? Welke problemen worden opgelost?
Huang Tiejun: Het grote model is een basismodel dat intelligentie verleent aan verschillende toepassingen. Over het algemeen is het een basisplatform dat de kennis en regels leert die in de data van enorme big data zitten, het condenseert tot een neuraal netwerk en het omzet in een groot model, en diensten levert voor verschillende algemene intelligente taken.
Bijvoorbeeld, op het mobiele internet kunnen cloud service leveranciers veel service mogelijkheden hebben, maar zonder een provider als App, zal het moeilijk zijn voor gebruikers om verschillende cloud services te verkrijgen. Vanuit dit oogpunt is App zelf een industrieel ecosysteem. Grote modellen moeten momenteel in feite soortgelijke problemen oplossen.
Grote modellen zijn openbare diensten die zeer stralend en zeer technisch zijn. Alle lagen van de bevolking zullen in de toekomst specifieke behoeften hebben en sommige bedrijven zullen grote modelconversie en aangepaste interfaces moeten ontwikkelen.
Beijing Business Daily: Hoe zullen grote modellen de technologie-ecologie van kunstmatige intelligentie en industriële ecologie verbinden? Wat zal de volgende toepassingsrichting van kunstmatige intelligentie in het informatieveld zijn?
Huang Tiejun: Het begrip en de toepassing van kunstmatige intelligentie in veel industrieën bevinden zich nog in een verkennend stadium en er is een zekere afstand tussen hen. Hoe deze interface te verbinden vereist eigenlijk een groep bedrijven die de mogelijkheden van grote modellen kunnen omzetten in content die nodig is voor verschillende industrieën.
Het is heel moeilijk om te voorspellen wat de volgende toepassing in het informatieveld zal zijn. Ik denk dat in werkelijkheid copywriting, informatieverwerking en andere taken vervangen zullen worden door kunstmatige intelligentie, of dat de meeste ervan opgelost zullen worden door grote modellen van kunstmatige intelligentie, wat geweldige toepassingsmogelijkheden met zich mee zal brengen.
De verschillende toepassingen van zoekmachines gaan uiteindelijk over de organisatie, mining en het gebruik van informatie. Bijvoorbeeld, individuen kunnen data verzamelen en wat informatie verwerken via zoekmachines. Nu lossen grote modellen het probleem op van het verzamelen van enorme hoeveelheden data. De data is niet het werk van één persoon of groep mensen, maar verzamelt alle data en weerspiegelt deze. Kom om verschillende copywriting informatieverwerkingstoepassingen te bedienen. De laatste uitgang kan nog steeds menselijk zijn, maar de meeste taken erachter zullen worden voltooid door kunstmatige intelligentie. De mogelijkheden voor deze toepassingsrichting zijn enorm.
Beijing Business Daily: Hoe ontwikkelde kunstmatige intelligentietechnologie zich tot het tijdperk van grote modellen? Wat zijn de verschillen met daarvoor?
Huang Tiejun: De ontwikkeling van kunstmatige intelligentie in grote modellen wordt bepaald door de basiswetten van de ontwikkeling van kunstmatige intelligentietechnologie. Er zijn twee scholen van denken over kunstmatige intelligentie. De ene groep gelooft dat de wetenschappelijke mechanismen, theorieën, wiskunde en algoritmen achter kunstmatige intelligentie erg belangrijk zijn; de andere groep gelooft dat kunstmatige intelligentie over het algemeen een technologie is, die een intelligent systeem construeert en vervolgens het mechanisme van het intelligente systeem begrijpt. De laatste is de gangbare visie op kunstmatige intelligentie.
In het proces van het bouwen van kunstmatige intelligentie was het in eerste instantie het werk van een paar wetenschappelijke onderzoekers, en later namen bedrijven geleidelijk deel. In de toekomst zullen de industrie, de academische wereld, het onderzoek en de hele samenleving gezamenlijk een model construeren. Waarom doen we dit? In feite is de reden heel eenvoudig. Als de gegevens die door een systeem of model voor kunstmatige intelligentie worden geleerd niet compleet en tijdig genoeg zijn, zal het moeilijk te geloven zijn dat het intelligente model zeer capabel is. Het zogenaamde grote model is om verschillende gegevensbronnen, de sterkste algoritmen en rekenkracht die mogelijk zijn in de samenleving te integreren in een openbaar basisplatform dat iedereen kan gebruiken. Dit is de richting die we moeten inslaan bij het construeren van systemen voor kunstmatige intelligentie. .
In dit proces worden de mogelijkheden van grote modellen sterker, wat op zijn beurt een rol zal spelen in alle aspecten van de maatschappij. Zodra het een rol speelt, zullen meer mensen het bouwen. Het is een goedaardig iteratief effect.
In feite hangt het potentieel van kunstmatige intelligentie af van de data die het kan verkrijgen. Net zoals mensen "duizenden boeken lezen en duizenden kilometers reizen", is kunstmatige intelligentie ook vergelijkbaar. De fysieke wereld en zelfs het universum zijn zo groot. Als het kan worden omgezet in data en informatie en kan worden toegestaan om te worden geleerd door kunstmatige intelligentie, zal de ruimte erg groot zijn.
Ik durf niet te zeggen of het vermogen van het grote model dat van iedereen zal overtreffen, maar in ieder geval heeft niemand alle informatie verkregen en is het onmogelijk om de wetten erachter te ontdekken. Het fysieke lichaam en de levenscyclus van ieder van ons bepalen dat de gegevens die we kunnen verkrijgen nog steeds relatief beperkt zijn.
Beijing Business Daily: Welke uitdagingen moeten nog overwonnen worden in de ontwikkeling van grote modellen? Wat is het toekomstige ontwikkelingspad?
Huang Tiejun: Er is nu een set technologieën en algoritmen voor het trainen van grote modellen, maar of er betere algoritmen zijn, de academische gemeenschap en de industrie zijn nog steeds constant aan het zoeken en verkennen. Momenteel zijn er veel koolstofemissies nodig om een intelligent model te trainen. In de toekomst zijn er mogelijk minder koolstofemissies nodig om een model te trainen. Ik denk dat kunstmatige intelligentie op een dag minder kost om te trainen dan een mens, en dat is een nieuwe mijlpaal.
Daarom, naarmate kunstmatige intelligentie in contact komt met steeds meer data, en naarmate de leer- en trainingsefficiëntie steeds hoger wordt, zal het resultaat een groot model zijn. In de toekomst kan het een supergroot model zijn of een heel groot model, en het zal blijven itereren. Het pad is al duidelijk.
Maar er is geen basis voor waar de bovengrens ligt. Voor nu geldt: groter is beter. Het kan zijn dat het na een bepaalde uitbreiding niet langer een simpele lineaire toename is, of het kan zijn dat de groei na een bepaald niveau begint te vertragen, maar dit zijn op dit moment nog speculaties.
Beijing Business Daily: Hoe kun je rekening houden met veiligheids- en ethische kwesties tijdens het ontwikkelingsproces van grote modellen? Hoe kun je dit vermijden?
Huang Tiejun: De veiligheids- en ethische kwesties van kunstmatige intelligentie zullen niet van de ene op de andere dag worden opgelost. Bijvoorbeeld, informatiebeveiligingsproblemen blijven zich voordoen met de ontwikkeling van informatie, en we moeten ze oplossen nadat ze zich voordoen.
In het ontwikkelingsproces van grote modellen zijn er ook enkele inherente risico's. Bijvoorbeeld, de kennis die het model leert, is niet in overeenstemming met ethiek en principes. Deze risico's kunnen vooraf worden gecontroleerd; maar er zijn ook enkele risico's die worden veroorzaakt door de voortdurende vooruitgang van technologie. Als het komt, dan moet de oplossing ervan ook continu worden opgelost door middel van technische middelen. "Om de bel los te maken, moet je de bel vastmaken." Als we deze technologie niet ontwikkelen vanwege enkele potentiële problemen, zal het niet voldoen aan de wetten van wetenschappelijke en technologische ontwikkeling.