Des del desenvolupament de la intel·ligència artificial, s'ha convertit en la força impulsora principal d'una nova ronda de revolució tecnològica global i transformació industrial. Actualment, l'ús de big data per augmentar la potència de càlcul i reforçar algorismes per formar models intel·lectuals a gran escala s'ha convertit en el nucli de la nova generació d'ecologia d'intel·ligència artificial. Serà una infraestructura d'aplicacions important per al desenvolupament de la intel·ligència artificial al meu país i una clau per dur a terme l'estratègia global líder en intel·ligència artificial del meu país el 2030. Plataforma bàsica.
Del 18 al 20 d'octubre se celebrarà a Changsha, Hunan, la primera conferència del Fòrum de Desenvolupament Econòmic i Seguretat Global de Boao per a Àsia, amb el tema "Seguretat econòmica i desenvolupament sostenible sota un gran canvi". Té com a objectiu debatre les respostes als riscos econòmics globals i es debatran conjuntament qüestions estructurals sobre qüestions com la fabricació intel·ligent i la revolució tecnològica.
Pel que fa a temes com la direcció del desenvolupament i les perspectives d'aplicació de la intel·ligència artificial a l'era dels grans models, un periodista del Beijing Business Daily va realitzar recentment una entrevista exclusiva amb Huang Tiejun, professor de l'Escola de Ciència i Tecnologia de la Informació de la Universitat de Pequín i director de el Departament d'Informàtica i Tecnologia.
Beijing Business Daily: els grans models s'anomenen el nucli de la nova generació d'ecosistema d'intel·ligència artificial. Pots presentar breument què és un model gran? Quins problemes es resoldran?
Huang Tiejun: el model gran és un model comú bàsic que imparteix intel·ligència a diverses aplicacions. En general, és una plataforma bàsica que aprèn el coneixement i les regles que contenen les dades a partir de grans dades massives, les condensa en una xarxa neuronal i la converteix en un gran model, i ofereix serveis per a diverses tasques intel·ligents generals.
Per exemple, a Internet mòbil, els proveïdors de serveis al núvol poden tenir moltes capacitats de servei, però sense un operador com l'aplicació, serà difícil que els usuaris obtinguin diversos serveis al núvol. Des d'aquest punt de vista, App en si és un ecosistema industrial. De fet, actualment els grans models necessiten resoldre problemes similars.
Els grans models són serveis públics molt radiants i molt tècnics. Tots els àmbits de la vida tindran algunes necessitats específiques en el futur i algunes empreses hauran de desenvolupar grans conversions de models i interfícies personalitzades.
Beijing Business Daily: Com connectaran els grans models l'ecologia de la tecnologia d'intel·ligència artificial i l'ecologia industrial? Quina serà la propera direcció d'aplicació de la intel·ligència artificial en l'àmbit de la informació?
Huang Tiejun: La comprensió i l'aplicació de la intel·ligència artificial en moltes indústries encara es troben en una fase exploratòria i hi ha una certa distància entre elles. Com connectar aquesta interfície en realitat requereix un grup d'empreses que puguin transformar les capacitats dels grans models en continguts necessaris per diverses indústries.
És molt difícil predir quina serà la propera aplicació en el camp de la informació. Crec que, en realitat, la redacció, el tractament de la informació i altres tasques seran substituïdes per la intel·ligència artificial, o la majoria d'elles es resoldran amb grans models d'intel·ligència artificial, la qual cosa comportarà grans possibilitats d'aplicació.
Les diferents aplicacions dels motors de cerca són, en definitiva, sobre l'organització, la mineria i l'ús de la informació. Per exemple, els individus poden recollir dades i fer algun tractament d'informació mitjançant motors de cerca. Ara els grans models resolen el problema de la recollida de dades massives. Les seves dades no són obra de cap persona o grup de persones, sinó que recullen totes les dades i les reflecteixen. Vine a servir diverses aplicacions de processament d'informació de redacció. La sortida final encara pot ser humana, però la majoria de les tasques que hi ha darrere es completaran amb intel·ligència artificial. Les possibilitats d'aquesta direcció d'aplicació són enormes.
Beijing Business Daily: Com es va desenvolupar la tecnologia d'intel·ligència artificial a l'era dels grans models? Quines diferències hi ha en comparació amb abans?
Huang Tiejun: El desenvolupament de la intel·ligència artificial en grans models està determinat per les lleis bàsiques del desenvolupament de la tecnologia d'intel·ligència artificial. Hi ha dues escoles de pensament sobre la intel·ligència artificial. Un grup creu que els mecanismes científics, les teories, les matemàtiques i els algorismes darrere de la intel·ligència artificial són molt importants; l'altre grup creu que la intel·ligència artificial és generalment una tecnologia, que construeix un sistema intel·ligent i després entén el mecanisme del sistema intel·ligent. Aquesta última és la visió general de la intel·ligència artificial.
En el procés de construcció d'intel·ligència artificial, va ser obra d'uns quants investigadors científics al principi, i més tard les empreses hi van participar progressivament. En el futur, la indústria, l'acadèmia, la recerca i tota la societat construiran conjuntament un model. Per què fer això? De fet, el motiu és molt senzill. Si les dades apreses per un sistema o model d'intel·ligència artificial no són prou completes i oportunes, serà difícil de creure que el seu model intel·ligent sigui molt capaç. L'anomenat model gran consisteix a integrar diversos recursos de dades, els algorismes més forts i la potència de càlcul possible a la societat en una plataforma bàsica pública que tothom pugui utilitzar. Aquesta és la direcció que hem de prendre a l'hora de construir sistemes d'intel·ligència artificial. .
En aquest procés, les capacitats dels grans models es fan més fortes, que al seu torn tindran un paper en tots els aspectes de la societat. Un cop tingui un paper, més gent el construirà. És un efecte iteratiu benigne.
De fet, el potencial de la intel·ligència artificial depèn de les dades que pugui obtenir. Igual que la gent "llegeix milers de llibres i recorre milers de quilòmetres", la intel·ligència artificial també és similar. El món físic i fins i tot l'univers són tan extensos. Si es pot convertir en dades i informació i permetre que la intel·ligència artificial l'aprèn, l'espai serà molt gran.
No m'atreveixo a dir si la capacitat del gran model superarà la de tothom, però almenys ningú ha obtingut tota la informació, i és impossible descobrir les lleis que hi ha darrere. El cos físic i el cicle vital de cadascun de nosaltres determinen que les dades que podem obtenir encara siguin relativament limitades.
Beijing Business Daily: Quins reptes encara s'han de superar en el desenvolupament de grans models? Quin és el camí de desenvolupament futur?
Huang Tiejun: Ara hi ha un conjunt de tecnologies i algorismes per a la formació de grans models, però si hi ha algorismes millors, la comunitat acadèmica i la indústria segueixen buscant i explorant constantment. Actualment, es requereixen moltes emissions de carboni per formar un model intel·ligent. En el futur, pot ser que calgui menys emissions de carboni per entrenar un model. Crec que algun dia, la intel·ligència artificial pot costar menys d'entrenar que un humà, i aquesta és una altra fita.
Per tant, a mesura que la intel·ligència artificial entra en contacte amb més i més dades, i a mesura que l'eficiència de l'aprenentatge i la formació sigui cada cop més alta, el seu resultat serà un gran model. En el futur, pot ser un model molt gran o un model molt gran, i continuarà repetint. El camí ja està clar.
Però no hi ha cap base per a on es troba el seu límit superior. De moment, més gran és millor. Pot ser que després d'expandir-se a un cert nivell, ja no sigui un simple augment lineal, o pot ser que després d'un cert nivell el creixement comenci a frenar, però encara són especulacions de moment.
Beijing Business Daily: Com considerar alguns problemes de seguretat i ètics durant el procés de desenvolupament de grans models? Com evitar-ho?
Huang Tiejun: Els problemes ètics i de seguretat de la intel·ligència artificial no es resoldran d'un dia per l'altre. Per exemple, els problemes de seguretat de la informació continuen sorgint amb el desenvolupament de la informació, i els hem de resoldre després que sorgeixin.
En el procés de desenvolupament de grans models, també hi ha alguns riscos inherents. Per exemple, els coneixements apresos pel model no estan d'acord amb l'ètica i els principis. Aquests riscos es poden controlar per endavant; però també hi ha alguns riscos causats pel continu avenç de la tecnologia. Si arriba, la seva solució també s'ha de resoldre contínuament per mitjans tècnics. "Per deslligar la campana, has de lligar la campana". Si no desenvolupem aquesta tecnologia a causa d'alguns problemes potencials, no complirà amb les lleis del desenvolupament científic i tecnològic.