تضرب النماذج واسعة النطاق بجذورها في الصناعة: من "ظهور القدرات" إلى "ظهور القيمة"

المصدر الأصلي: Yibang Power

مصدر الصورة: تم إنشاؤه بواسطة Unbounded AI‌

لم تعد "الحركة الكبرى" للذكاء الاصطناعي التي ظهرت منذ بداية عام 2023 "حلوة" في الآونة الأخيرة ، ولكنها اختلطت بالضوضاء والشكوك.

** على سبيل المثال ، المنازعات المرورية. **

وفقًا لبيانات منظمة الأبحاث الخارجية "شبيه ويب" ، بعد أن قطعت شركة "أوبن إيه آي" خطوات كبيرة على طول الطريق ، منذ مايو ، تضاءل نمو حركة المرور. في يونيو ، أظهر عدد الزيارات إلى ChatGPT انخفاضًا شهريًا لأول مرة ، بمعدل 9.7٪. وفقًا لهذه البيانات ، يقول بعض الأشخاص أن الذكاء الاصطناعي سيكون رائعًا مرة أخرى.

ومع ذلك ، هناك أيضًا آراء عامة مفادها أن حركة المسح ليست سوى بيانات C-end ، بينما تعمل منظمة العفو الدولية حاليًا على B-end. تتجاوز حركة المرور على الجانب B حتى نصف إجمالي حركة المرور الحالية ، وهي ترتفع بسرعة. كل ما في الأمر أن المؤسسات البحثية لم تحصل على البيانات الكاملة.

هل التدفق تقلب قصير المدى؟ أم تراجع طويل الأمد؟ أم أنها حقًا تركيز مختلف؟

** مثال آخر هو الحماسة الزائفة. **

شارك Zhang Ying ، شريك Matrix Partners ، بياناتين مثيرتين للاهتمام للغاية بالمقارنة. إحداها أنه في الفترة من مارس إلى مايو من هذا العام ، من بين الشركات المدرجة في مؤشر S&P 500 ، ذكر المسؤولون التنفيذيون في 110 شركة الذكاء الاصطناعي في بورصات الأداء ، وهو ثلاثة أضعاف نفس النوع من البيانات في السنوات العشر الماضية.

ولكن هناك مجموعة أخرى من البيانات المختلفة وهي أن بنك الاستثمار الدولي Morgan Stanley قد أجرى مؤخرًا دراسة استقصائية لأكثر من 2000 شخص ، واتضح أن 80٪ منهم لم يستخدموا ChatGPT أو Google's Bard1 مطلقًا.

بالمقارنة مع هذه البيانات ، يبدو الأمر كما لو أن "Ye Gong يحب التنانين". هل حماس هؤلاء المديرين التنفيذيين وعمالقة التكنولوجيا والمحللين زائف؟

** أو ارتباك المستخدمين. **

مستخدمو C-end متحمسون ومخلصون للغاية ، ولكن بعد استخدامه ، لديهم شكوك: نريد الروبوتات لمساعدة البشر في تنظيف الأرض وغسل الأطباق لأن البشر يريدون كتابة الشعر والرسم. نتيجة لذلك ، يقوم الذكاء الاصطناعي الآن بكتابة القصائد واللوحات ، بينما ما زلنا نحن البشر نكنس الأرض ونغسل الأطباق.

هل يمكن أن يكون "ظهور" الذكاء الاصطناعي لا يمكن أن ينعكس في العالم الحقيقي؟

الجدل حول حركة المرور والحماس الزائف والارتباك بين المستخدمين ، هذه الخلافات تؤثر أيضًا بشكل مباشر على العناصر الأساسية لتطوير النماذج الكبيرة: كيف يمكن أن تصبح ** حقًا قوة إنتاجية؟ **

ستشكل طرق الإجابة المختلفة أنظمة تطوير مختلفة للذكاء الاصطناعي ، وستصبح أيضًا نقطة تحول في التنمية المستقبلية للمؤسسات.

** 01 من الخوارزمية إلى المنتج **

منذ يوم ولادته ، يعمل الذكاء الاصطناعي على تقوية "ساقيه" للمشي: أحدهما هو التكنولوجيا والآخر هو التطبيق.

وراء تحسين تقنية الذكاء الاصطناعي الدعم المشترك للعناصر الثلاثة الرئيسية لقوة الحوسبة والبيانات والخوارزميات. على سبيل المثال ، فيما يتعلق بالخوارزميات ، مر الذكاء الاصطناعي على التوالي بمراحل مثل القواعد ، والتعلم الآلي الإحصائي ، والتعلم العميق ، والتدريب المسبق ، مما أدى إلى زيادة كبيرة في كمية البيانات ؛ ومحولات الخوارزمية "الرائدة" ، من خلال الانتباه آلية ، تسمح للذكاء الاصطناعي بـ "إجراء الأسئلة" تدريب سريع بطريقة سريعة ، وبالتالي إظهار طفرة كبيرة وقدرة أقوى على التعلم الذاتي.

كل قفزة في التكنولوجيا ستجلب لك مفاجآت ، ولكن إذا نظرت إلى الوراء في تاريخ تطوير الذكاء الاصطناعي ، ستجد أنه بعد عدة مفاجآت ، هناك شعور بالوحدة.

على سبيل المثال ، في موجة الحر التي ظهرت في عام 1956 ، يمكن للذكاء الاصطناعي أن يلعب الشطرنج ويلتقط اللبنات الأساسية ، ولكن في عام 1973 ، خلص تقرير في المجتمع الأكاديمي إلى: ** حتى الآن ، لم ينتج عن أي اكتشاف في هذا المجال الوعد الأصلي. . تأثير كبير ** 2.

في عام 1976 ، بدأ نظام الخبراء القائم على الذكاء الاصطناعي في المشاركة في التشخيص الطبي والاستشارات. مع تجدد موجات الحر ، تكثف الحكومات في جميع أنحاء العالم الاستثمار. ومع ذلك ، بعد عشر سنوات أخرى ، تم اكتشاف أن خبراء الماكينات لم يظهروا الكثير من المواهب. لا يزال يتعين على الأطباء الذهاب إلى هناك شخصيًا ، وهذا لا يكفي.

منذ عام 2016 ، تحدى Google AlphaGO العديد من ملوك الشطرنج البشريين في عالم Go ، وحقق 60 انتصارًا متتاليًا في 5 أيام. حتى لي شيشي وكي جي يمكنهما الاستسلام فقط. يندب الناس قوة الذكاء الاصطناعي ، لكن في السنوات الخمس المقبلة ، لم يفعل الذكاء الاصطناعي أي شيء مذهل.

نقطة التحول بين الصعود والهبوط هي على وجه التحديد "المنتج": سواء كان هناك منتج جيد ، دع التكنولوجيا تنزل من المذبح وتدخل المجتمع ، وتصبح حقًا رائدة الإنتاجية والإبداع.

هناك العديد من الحالات التي تروج فيها التكنولوجيا والمنتجات لبعضها البعض. على سبيل المثال ، حالة الفشل هي مشروع Iridium الخاص بشركة Motorola ، والذي يوفر خدمات اتصالات عبر الأقمار الصناعية العالمية ، وتقنيتها رائدة ، ولكن نظرًا لعدم توقف منتجاتها ، فقد أعلنت إفلاسها بعد أربع سنوات من التشغيل الرسمي. تشمل الحالات الناجحة السيارات الكهربائية ، على الرغم من أن البطاريات والمحركات الكهربائية من التقنيات الحالية ، إلا أن السوق لن ينفتح تدريجياً إلا بعد ظهور منتجات تتمتع بإحساس قوي بالتكنولوجيا.

بالعودة إلى مجال النماذج الكبيرة ، هناك نقطة مثيرة للاهتمام في هذه الجولة من مد الذكاء الاصطناعي: أصدرت OpenAI برنامج ChatGPT المشهور عالميًا ، لكنه يستخدم خوارزمية Transformer من Google من أجل التحسين المستمر. يوضح هذا أنه في هذه الجولة من مسابقات النماذج واسعة النطاق وموجة الذكاء الاصطناعي ، لا تكفي الخوارزميات وحدها. فقط الخوارزمية ضعيفة ؛ المنافسة أحادية النقطة للخوارزمية ستفسح المجال في النهاية لمنافسة المنتج.

و OpenAI ليست "تقنية مبهرة". وخلفها أيضًا دعم "نظام المنتج" القوي من Microsoft: البحث في Bing ، ودلو عائلة المكتب ، والمساعد الشخصي ، وتسويق الإعلانات والخدمات السحابية الموجهة نحو المؤسسات الأخرى.

هذا يشبه "القاعدة الذهبية" في دائرة رأس المال الاستثماري: إذا كان المؤسس خبيرًا في التكنولوجيا أو مهووسًا ، ففي نفس الوقت الذي يقدم فيه المال ، يجب عليه أيضًا إعطائها لشريك يفهم السوق. بهذه الطريقة ، يتم الإشادة بالتكنولوجيا ، لكن الدخل لا يحظى بشعبية.

لذلك ، مع إيلاء أهمية للتكنولوجيا ، فإنها تولي مزيدًا من الاهتمام لإرشادات التطبيق ومحرك المنتج. خاصة بالنسبة للمؤسسات الكبيرة ، بدلاً من إخبار الشركاء ، لدي الكثير من إمكانات الذكاء الاصطناعي القوية ، ويمكنك استخدامها كيفما تشاء ؛ ربما يكون توفير بعض وحدات المنتج أقرب إلى الواقع. لذا ، منتج جيد ، كيف نفعل ذلك؟

** 02 من العام إلى الصناعة **

حتى لو كان Zhuge Liang يعرف علم الفلك في الأعلى والجغرافيا في الأسفل ، حتى لو تمكن Da Vinci من رسم وتشريح وبناء الطائرات ، فيمكن أن يقتصر الأمر على معرفة تلك الحقبة فقط. من ناحية أخرى ، يمكن للذكاء الاصطناعي الاعتماد على عدد كبير من المدخلات لتوسيع حدود المعرفة بشكل كبير.

ومع ذلك ، فإن حكمة الذكاء الاصطناعي ليست مثالية وعالمية. انطلاقا من تجربة الأشهر القليلة الماضية ، فإن الذكاء الاصطناعي سوف "يتحدث بجدية عن الهراء" من وقت لآخر. ربما لا يكذب الذكاء الاصطناعي عن قصد ، لكنه يظهر بالتأكيد أن النموذج العام لا يزال غير كامل.

خاصة عندما يتعلق الأمر ببعض المجالات المحددة ، مثل التمويل والتعليم وما إلى ذلك ، فإن قيود النماذج الكبيرة العامة ستكون واضحة. بعد كل شيء ، هناك دائمًا العديد من المناطق التي لا يزال فيها الزنجبيل ساخنًا ، والدراية الفنية هي المفتاح.

ومع ذلك ، إذا لم يتمكن النموذج الكبير من دخول الصناعة ، فسيتم تقليل القيمة بشكل كبير. خاصة بالنسبة لبلدنا ، الذي لديه أساس سلسلة صناعية ضخمة وغنية ، يجب دمج جميع الصناعات الرأسية مع التقنيات الجديدة لتقليل التكاليف وتحسين الكفاءة وتوليد قيمة جديدة.

لذا ، في المجال الرأسي ، هل تحتاج فقط إلى عمل نموذج صغير؟ الجواب بالنفي. يمكن لنماذج الصناعة الصغيرة حل المشكلات في مجالات محددة ، أو يمكنها القيام بعمل جيد ، ولكن هناك مشكلتان.

أحدهما هو الافتقار إلى التعميم ، فبمجرد تغيير المشهد ، قد يكون من الضروري القيام بذلك مرة أخرى ، الأمر الذي سيؤدي إلى زيادة كبيرة في التكاليف. طبق واحد لكل شخص ، والأطباق لا تتكرر ، فإذا فتحت مطعما كهذا فسيفلس بالتأكيد. لذا فإن الذكاء المحدود ليس ذكاءً.

من ناحية أخرى ، أثناء عملية التطبيق ، إذا طرح المستخدم فجأة بعض الأسئلة عبر المجالات ، فسيتم الخلط أيضًا مع النموذج الصغير. من الواضح أن اتجاه التقاطع الصناعي أصبح أكثر وضوحًا ، تمامًا مثل السيارات الكهربائية ، التي تتكون من مركبات وبطاريات وأشباه موصلات. بمجرد التفكير من وجهة نظر المستخدم ، حتى لو كان مجالًا غير ذي صلة تمامًا ، ما زلت تأمل في الحصول على خدمة شاملة.

لذلك ، تحتاج النماذج الكبيرة إلى دخول الصناعات الرأسية ، كما تحتاج الصناعات الرأسية إلى نماذج كبيرة. كيف تفعل؟ عينة المراقبة هي JD.com.

في عام 2021 ، سيأخذ موقع JD.com زمام المبادرة في ضخ المعرفة بالمجال في النماذج الكبيرة ، والتي يمكن أن تزيد من دقة النموذج من 83٪ إلى 96٪. بالأمس فقط ، أطلقت JD.com نموذج مصغر يانشي من مستوى 100 مليار لهذه الصناعة. وفقًا للمقدمة ، ** 70٪ من بيانات التدريب الخاصة بها عبارة عن بيانات ضخمة عامة ، و 30٪ أخرى هي بيانات المعرفة الصناعية المتراكمة في عملية التشغيل لقطاعات JD المختلفة ، بما في ذلك البيع بالتجزئة والخدمات اللوجستية والصحة والتمويل وغيرها من الصناعات **.

من المؤكد أن البالغين لا يختارون ، لكنهم يريدون كليهما.

في الواقع ، هذا هو الشيء الصحيح الذي ينبغي عمله. هذه الجولة من الذكاء الاصطناعي التوليدي جذابة للغاية ، ولكن أيضًا لأن الخوارزمية قوية والبيانات غنية وقوة الحوسبة قوية بما فيه الكفاية. والنموذج الأكبر ليس ثابتًا ، إنه التعلم المستمر. لذلك ، تشكل البيانات والخوارزميات "تأثير دولاب الموازنة". ومع توفر المزيد والمزيد من البيانات الجيدة ، ستصبح الخوارزميات أكثر تقدمًا ؛ وكلما كانت الخوارزمية أكثر فاعلية ، زاد عدد المستخدمين ، وكلما زادت البيانات المرتدة **.

لذلك ، فإن تشكيل حلقة مغلقة "خوارزمية البيانات" في أسرع وقت ممكن ليس فقط الطريق إلى نجاح المنتج ، ولكنه أيضًا مفتاح المنافسة المؤسسية.

بالإضافة إلى ذلك ، فإن البيانات عالية الجودة نادرة أيضًا. في العنوان "هل ستنفد البيانات لدينا؟" "يُظهر التقرير أن بيانات اللغة الطبيعية عالية الجودة قد يتم استنفادها بواسطة نماذج اللغات الكبيرة في أقرب وقت ممكن بحلول عام 2026. كل من لديه بيانات جيدة سيكون لديه "ذخيرة" أفضل. والبيانات الجيدة ، خاصة في المجال الصناعي ، يجب أن تأتي من سيناريوهات صناعية حقيقية.

لذلك ، يتم تفسير الحلقة المغلقة لـ "خوارزمية البيانات" على أنها منافسة لـ "منتج المشهد". وفقط بدخوله المشهد يمكن للنموذج الكبير أن ينتقل من "ظهور القدرة" إلى "ظهور القيمة".

** 03 من السكان الأصليين إلى التمكين **

تتمثل إحدى طرق إدراك ظهور القيمة الصناعية في التعاون مع الصناعة ، وتوفر شركات التكنولوجيا التكنولوجيا ، وتوفر الصناعة المعرفة. والطريقة الأخرى هي أيضًا أفضل طريقة ، أي من الصناعة.

إذا كنت تمتلك مشروعًا صناعيًا خاصًا بك ، فستحصل على "بيانات عالية الجودة" حقيقية وقيمة: لقد عانت من خسائر ، وداست على الرعد ، وخاضت معارك ، وانتصرت في المعارك ، وتعرف على كيفية القتال. يمكن لهذه البيانات ، مثل المحفز ، أن تدفع تطوير النماذج الكبيرة بكفاءة ، والتي تكون أقرب إلى العمل وتحل المشكلات بشكل أفضل.

حالة سابقة هي تطوير الخدمات السحابية في الصين. بغض النظر عن المستوى المحلي أو الخارجي ، تبدأ المرحلة الأولية من السحابة من احتياجات المؤسسة نفسها ، ومن ثم تكون موجهة نحو السوق. في بداية الخدمات السحابية ، يبدو أن كل "منتج" هو نفسه ، ولدي ما لديك. ومع ذلك ، مع مزيج من التكنولوجيا والأعمال ، كل شركة لها خصائصها الخاصة.

خذ Jingdong كمثال. بدأت JD.com من "التسويق ، والتجارة ، والتخزين ، والتوزيع ، وما بعد البيع" وغيرها من الأعمال ، ولكن جنبًا إلى جنب مع التحسين التدريجي لشبكة سلسلة التوريد المادية ، ورقمنة سلسلة التوريد الداخلية ، و JD. التجزئة الخاصة بشركة com ، والتمويل ، والخدمات اللوجستية ، والصحة ، مع التطور العميق الجذور للصناعات والمجالات الأخرى ، أكملت JD.com بشكل تدريجي التوسع من "الأجزاء الخمسة الأخيرة من ** قصب السكر" إلى "الأقسام الخمسة الأولى من ** ": ** به منصات ، مشاهد ، ذكاء اصطناعي ، لديه خبرة **.

بعد ذلك ، صقل موقع JD.com خبرته في سلسلة التوريد إلى منتجات وخدمات "سلسلة إمداد الذكاء الرقمي" بناءً على تقنية JD Cloud ، وتصديرها إلى المجتمع. نتيجة لذلك ، تم تشكيل قدرات تحسين كفاءة البنية التحتية الرقمية ، وتحسين كفاءة التآزر الصناعي ، والإدارة الذكية الحضرية.

اليوم ، هناك أكثر من 10 ملايين من وحدات SKU الخاصة بالمنتجات التي تعمل ذاتيًا في سلسلة التوريد الخاصة بـ Jingdong Shuzhi ، والتي تخدم أكثر من 8 ملايين من عملاء الشركات النشطين ، منهم أكثر من 90 ٪ من أكبر 500 شركة في العالم في الصين وما يقرب من 70 ٪ من الشركات الصغيرة والمتوسطة المتخصصة في البلاد ، وتوصلت إلى تعاون عميق مع أكثر من 2000 حزام صناعي في جميع أنحاء البلاد.

هذا النوع من سيناريو JD.com الذي يتميز بروابط طويلة وتعاون معقد وتدفق بيانات أكثر ديناميكية هو أفضل ميدان تدريب للنماذج الكبيرة ، وهو أيضًا أفضل تجسيد للمزايا الصناعية.

يتم أيضًا تطبيق الخبرة من السحابة الداخلية إلى السحابة الخارجية لتطوير النماذج الكبيرة. اقترح Jingdong أيضًا "نهجًا من ثلاث خطوات" للنماذج الكبيرة:

مصدر الصورة: JD Cloud

بادئ ذي بدء ، في يوليو من هذا العام ، تم إطلاق نموذج Yanxi واسع النطاق ، والذي يحتوي على نظام مكون من أربع طبقات من الطبقة الأساسية وطبقة النموذج و MaaS و SaaS. ثانيًا ، "شحذ" في مجالات الأعمال الداخلية المختلفة لمدة نصف عام ، وإجراء تعاون معياري معتدل مع الشركاء الخارجيين ، والمرور بدورات متعددة من "الأخطاء والتحسينات والاستنتاجات" لتحقيق تكامل المنتج. أخيرًا ، في النصف الأول من عام 2024 ، بالنسبة للإنتاج الصناعي ، سوف نستخدم موقفًا أفضل وبيئة أكثر انفتاحًا لخدمة الصناعة وتحسين كفاءة الصناعة.

كانت التطبيقات الداخلية أيضًا فعالة جدًا. على سبيل المثال ، في مجال التسويق المالي ، هذه هي أيضًا "القاعدة القديمة" لـ JD.com. جمعت شركة JD Finance ثروة من المعرفة خلال عقود من تطوير الأعمال ، بالإضافة إلى الذكاء الاصطناعي ، يمكنها تحسين المهام الرئيسية بكفاءة والقدرة على التكيف الديناميكي وتجربة المستخدم.

على سبيل المثال ، قم بتقليل تكلفة التعلم وتكلفة التشغيل لموظفي التشغيل ، وزيادة كفاءة الإنتاج للحل بمئات المرات ؛ تقليل العملية التي لا يمكن إكمالها إلا بأكثر من 5 أنواع من الوظائف مثل المنتج / البحث والتطوير / الخوارزمية / تصميم / محلل لشخص واحد ؛ في الوقت نفسه ، يقلل الوضع التفاعلي الجديد للمدخل من عدد التفاعلات بين الإنسان والآلة من 2000 إلى أقل من 50 ، ويحسن الكفاءة التشغيلية بأكثر من 40 مرة.

تظهر الزيادة الكبيرة في العدد أيضًا أنه على الرغم من أنه من وجهة نظر الإيقاع ، يبدو أن هذا المشي المكون من ثلاث خطوات بطيء بعض الشيء. ومع ذلك ، بالنظر إلى تكلفة المدخلات للنموذج الكبير والتأثير الكبير على الصناعة ، فقط من خلال اعتماد نهج تدريجي يمكن تحويله إلى "ربح خطوة بخطوة" للسماح للتكنولوجيا بتوليد الفوائد.

بمعنى آخر ، إنه ليس بطيئًا في الواقع ، لأنه ليس من السهل تحقيق اختراق صناعي حقًا. ولكن تمامًا مثل ثقة Xu Ran ، الرئيس التنفيذي لمجموعة Jingdong Group ، فإن اقتحام النموذج الواسع النطاق من الجانب الصناعي يشبه تسلق جبل إفرست التقني من المنحدر الشمالي. على الرغم من أن الطريق أكثر صعوبة ، إلا أن هناك مناظر أكثر روعة وحيوية. قيمة استكشاف كبيرة. فقط من خلال الفهم الشامل لسلسلة التوريد المادية والرقمية يمكن للنموذج الكبير تمكين الصناعة.

كما لخصت التجربة من خلال منحنى جارتنر ، فإن تطوير الأشياء سوف يمر بمراحل مثل "الإنبات التقني - التوقع التوسعي - كسر الوادي - نضج الإنتاج - التعافي - التسلق". وللتلخيص في جملة أخرى: لا تعامل مشكلة الإيقاع على أنها مشكلة هيكلية.

إن تطور التكنولوجيا هو اتجاه حتمي ، مدفوعا بالعناصر الثلاثة "البيانات ، والخوارزمية ، وقوة الحوسبة" ، سيستمر الذكاء الاصطناعي حتما في التطور ؛ ومع ذلك ، سيكون هناك حتما بعض التقلبات والمنعطفات خلال هذه الفترة. ما نحتاجه هو الإيقاع العلمي للمؤسسة في البحث والتطوير التكنولوجي والتطبيق ، بالإضافة إلى المدى الطويل الذي يرى الاتجاه ومستعد للالتزام به.

إن مثابرة JD.com واختراقها في سلسلة التوريد هو نموذج مصغر لانتصار المدى الطويل. الآن ، في مسابقة النماذج الكبيرة ، في موجة الذكاء الاصطناعي ، هناك حاجة إلى نفس الشيء.

يمكن الاعتقاد اعتقادًا راسخًا أنه على الرغم من تنفيذ التكنولوجيا بوتيرة سريعة ، طالما أنها تتجذر في الصناعة ، فمن المحتم أن تولد قيمة ضخمة. كما قال شو ران ، الرئيس التنفيذي لمجموعة Jingdong ، عندما يتم توسيع الكفاءة الصناعية وحدود الصناعة وتحسينها نوعياً ، سيكون للنموذج الكبير قيمة وأهمية عملية أكثر أهمية ، والتي لن تكون أقل من ثورة صناعية أخرى.

يتم أيضًا استنباط صيغة الذكاء الاصطناعي إلى "السيناريو ، والمنتج ، ومجموعة الطاقة الحاسوبية ، والسمك الصناعي" ، وهو المفتاح لتعزيز النموذج الكبير من "ظهور القدرة" إلى "ظهور القيمة".

[1] Jingwei Zhang Ying: The Far and Near of AI ، أكاديمية الفوضى ، 2023 ؛

[2] تقرير لايتيل ، مجلس البحوث العلمية في بريطانيا العظمى ، 1973