مقابلة 丨 لا تؤمن بالنماذج الكبيرة ، فالابتكار في هذه المرحلة لا يزال "تفاعليًا"

مصدر الصورة: تم إنشاؤه بواسطة Unbounded AI

** المصدر: ** AI Technology Review

** المؤلف: Huang Nan ؛ المحرر: Chen Caixian **

MOSS ، التي تعتبر "متمردة" في "The Wandering Earth" ، هي حياة رقمية مصممة خصيصًا لمشروع Tinder. إنه ذكي للغاية ولديه القدرة على تجاوز المعرفة البشرية بالأخلاق والفلسفة والعلوم والفن وما إلى ذلك. يمكنه الحصول على الحل الأمثل واتخاذ القرار "الصحيح" في أقصر وقت. إنه جسم ذكي يميل إلى حد الكمال.

في الوقت الحاضر ، يتم استخدام النموذج الكبير للتغيير التكنولوجي ، وهو يوفر إمكانية شبه مطلقة لتنفيذ "الصناعة" و "المجال" ضمن نطاق محدود. وسط المنافسة الموارد.

إنه لرفاهية أن نحافظ على عقل الإنسان إلى الأبد. تمامًا مثل الحضارة الإنسانية قبل MOSS ، التي شهدت تاريخًا من الدمار والولادة الجديدة ، نحتاج أيضًا بشكل عاجل إلى العودة إلى العقلانية التقنية من كرنفال هبوط النماذج واسعة النطاق.

Hua Xiansheng ، كبير التكنولوجيا في Terminus ، الذي يشارك في سباق التسلح هذا ، أعطى أيضًا تفكيره الهادئ حول النموذج الكبير والإجابة على كسر الموقف. فيما يلي نص المحادثة بين Hua Xiansheng و AI Technology Review ، وهو مقتطفات من AI Technology Review على النحو التالي:

** 1. وجهة النظر 1: النماذج الكبيرة ليست نهاية ظهور الذكاء **

بعد عام واحد فقط من "الظهور الذكي" للنموذج الكبير ، خضع العالم المادي وطريقة إنتاج المعلومات لتغييرات ثورية تم تعيينها إلى مساحة حضرية أوسع وستؤدي حتماً إلى جولة جديدة من الابتكار. في هذا الصدد ، قال Hua Xiansheng بصراحة عند الحديث عن مراجعات تقنية الذكاء الاصطناعي ، "** على الرغم من أن النموذج الكبير قد حقق بالفعل تقدمًا كبيرًا ، فلا تكن مؤمنًا بالخرافات بشأن النموذج الكبير ، إلا أن له حدوده. **"

وفقًا لتذكر Hua Xiansheng ، بعد ظهور ChatGPT العام الماضي ، أولى اهتمامًا وثيقًا به وجربه لأول مرة. لا يمكن إنكار أنه حقًا اختراق ضخم. فمن ناحية ، أنا مندهش من التحسن الكبير في قدرته ، لكن بصراحة ، وجدت أيضًا أنه ليس بالقوة التي تصورناها. ليست جيدة بما فيه الكفاية.

"عندما وُلد التعلم العميق لأول مرة ، اعتقد الجميع أنه يمكن أن يحل جميع المشكلات. يمكن أن يستخدم نموذجًا معقدًا بما فيه الكفاية وبيانات كافية لبناء نماذج للمشكلات المختلفة في العالم الحقيقي. ولكن في القتال الفعلي ، يجب التعمق في الصناعة لحلها حقًا. المشكلة. النموذج الكبير اليوم لم يغير هذه القاعدة ، ** لا يزال بحاجة إلى التعمق في المجال لفهم العملية والبيانات ، وما إلى ذلك ، من أجل حل مشاكل الصناعة. ** "Hua Xiansheng مذكور.

اليوم ، في الحرم الجامعي الذكي للغاية في Terminus ، أصبحت الروبوتات اللينة وجودًا شبيهًا بـ MOSS في عصر النماذج واسعة النطاق. إنه يختبئ في الشاشات الكبيرة للحديقة ويعرف كل شيء عن المتنزه. يمكنك أن تطلب منه الاتجاهات ، والحصول على المعلومات التي تحتاجها ، واستخدامها لإجراء العمليات. وراء التعايش بين البشر والآلات المحاذاة الدلالية للنماذج الكبيرة وأجهزة إنترنت الأشياء لتحقيق درجة عالية من الذكاء بين البشر وأجهزة إنترنت الأشياء والمدن.

لذا ، عندما تلتقي AIoT بالنموذج الكبير ، ما نوع الشرر الذي ستصطدم به؟ أعطى Hua Xiansheng تفكيره: الذكاء الاصطناعي هو روح AIoT ، وإنترنت الأشياء هو إدراكها والتحكم بها ، مثل "اليدين والقدمين" ، وبالطبع تتضمن أيضًا الأساس المادي لـ "جسمها" ، أي موارد قوة الحوسبة .

دفع ظهور LLM (نموذج اللغة الكبيرة) قدرات الذكاء الاصطناعي خطوة واحدة نحو هدف أكثر عمومية: أولاً ، ** يمكن استخدام نموذج اللغة الكبيرة مباشرةً كواجهة تفاعلية لنظام AIoT **. ثانيًا ، تعد بيانات AIoT متعددة الوسائط بطبيعتها. ** من المتوقع أن تحل النماذج الكبيرة متعددة الوسائط العديد من المشكلات التي يجب حلها من خلال "قواعد AI +" في الماضي **.

في نظر Hua Xiansheng ، عندما يتعلق الأمر بالنماذج الكبيرة AIoT ، هناك طريقان رئيسيان: الأول هو ترقية ما فعله AI في الماضي بنموذج كبير والقيام بذلك مرة أخرى ، وهو ما يفعله معظم الناس ؛ الأول هو نموذج AIoT واسع النطاق بالمعنى الحقيقي ، حيث يتم استخدام البيانات غير المتجانسة متعددة الوسائط في AIoT ** ويتم وضعها في النموذج الكبير. "ومع ذلك ، قد يظهر هذا النوع من نموذج AIoT الحقيقي قريبًا في المستقبل ، أو قد يستغرق وقتًا طويلاً." قال Hua Xiansheng.

النموذج الكبير المستخدم في صناعة AIoT في هذه المرحلة لا يزال في المسار التقني الأول في رأيه ، أي النموذج الكبير "الزائف" AIoT القائم على اللغة أو اللغة بالإضافة إلى الرؤية.

قبل ظهور النموذج الكبير "الزائف" AIoT ، كان الاتصال والتعاون بين أجهزة AIoT يعتمدان بالكامل على القواعد المحددة مسبقًا من قبل الخبراء البشريين. هذه القواعد ثابتة وغير كاملة وليست ذاتية التطور ، وقد لا يتم فهمها واتباعها بشكل مباشر من قبل البشر. ولكن مع نموذج كبير ، يمكننا إنشاء قواعد اتصال وتنسيق بين الكائنات تلقائيًا وديناميكيًا وفقًا لسياقات متنوعة للغاية (أي موسم ، ووقت ، وشخصية ، وتعليمات ، وما إلى ذلك) ، مما يوفر تجربة مشهد تكيفية ومتنوعة ومتعمقة وذكية متكاملة بتعليمات بشرية.

قال Hua Xiansheng في المقابلة ، "بغض النظر عن الطريق ، لم يظهر نموذج AIoT العالمي الأكثر شيوعًا بعد. **"

** 2. وجهة نظر 2: الإدراك المجسم والتحكم الدقيق وإطلاق العنان لقوة ما قبل التاريخ للنماذج الكبيرة AIoT **

ما هي القدرات التي يجب أن يمتلكها نموذج AIoT الحقيقي؟ يعتقد Hua Xiansheng أن هناك اختلافين رئيسيين بين AIoT والصناعات الأخرى. بادئ ذي بدء ، هناك الكثير من البيانات غير المتجانسة ، حيث يقوم عدد كبير من أجهزة الاستشعار بجمع بيانات مختلفة مثل الطقس ودرجة الحرارة والرطوبة والكهرباء وهطول الأمطار ، والمعلومات أكثر ثراءً.ثانيًا ، أجهزة إنترنت الأشياء ليست فقط أجهزة استشعار ، ولكن كما يتحكم في البيئة بشكل عكسي. ** أبعاد إدراك أكثر ثراءً وقوة عمل أقوى هي ما يجب أن يتمتع به نموذج AIoT **.

بالعودة إلى المشهد لتمكين مجال AIoT ، من الصعب تحقيق ذلك فقط من خلال الاعتماد على نموذج عام به العديد من القيود. لذلك ، يجب أن يفي النموذج الكبير AIoT بعدة خصائص:

اولا ** الاحتراف **. يجب أن يكون محترفًا وأن يكون قادرًا على حل المشكلات المهنية ذات الصلة في هذا المجال. تبدو النماذج الكبيرة اليوم قوية ، لكن ليس لديهم خبرة كافية بالمجال لاستخدامها في الحديقة.

ثانيًا ، ** الموثوقية **. يحتاج النموذج إلى فهم جيد للمشهد الذي يهتم به. فمن ناحية ، يحتاج إلى فهم كافٍ من خلال إدخال معرفة جديدة ؛ وثانيًا ، يحتاج أيضًا إلى بعض أساليب ضبط النفس لجعل النتائج موثوقة للغاية ، دون "الوهم" "من" هراء خطير ".

ثالثًا ** التوازن بين الأداء والتكلفة **. من منظور تكاليف التدريب ، لا يمكن لشركة ناشئة عادية توفير نموذج كبير للأغراض العامة بشكل خاص ؛ ثانيًا ، أثناء الاستدلال ، إذا كان عدد المستخدمين أو الزيارات كبيرًا جدًا ، فستفشل أيضًا خدمة النموذج الكبير. لذلك ، يعد النموذج المبسط اختيارًا جيدًا. لسنا بحاجة إلى أن تكون على علم بكل شيء ، طالما أنها تحل مخاوفي ولديها بعض الحس السليم.

رابعًا ، ** يمر النظام **. لا يمتلك هذا النموذج الكبير المعرفة فحسب ، بل يحتاج أيضًا إلى أن يكون مقترنًا بعمق بنظام المنتزه للحصول على معلومات في الوقت الفعلي ، ويمكنه التحكم في المتنزه في الوقت الفعلي بموجب فرضية التفويض.

عند الإشارة إلى تقنية الذكاء المتجسدة التي جذبت الكثير من الاهتمام مؤخرًا ، ذكرت Hua Xiansheng في المقابلة: ** النموذج الكبير AIoT الذي اقترحناه هو تجسيد لتكنولوجيا النموذج الكبير الحالية **. أجهزة الذكاء الاصطناعي AIoT هي أعيننا وآذاننا وأيدينا وأقدامنا. في الوقت الحالي ، نركز أكثر على التفاعل وربط المشهد ، وبعد ذلك سنستبدل الإدراك والتحكم بنماذج كبيرة. على وجه الخصوص ، تعد أجهزة وروبوتات إنترنت الأشياء الفائقة الخاصة بنا هي نفسها مظاهر للذكاء المتجسد ، مدعومة بقدرات موحدة من جانب الخادم (IoT ونماذج بالحجم الطبيعي) وإمكانيات جانب الروبوت (الاستشعار والتخطيط والتمثيل والتفاعل) ، ولكن الروبوت الخاص بـ Terminus الذكاء المتجسد هو الذكاء المتجسد لـ "تعاون بيئة الآلة" ، وليس فقط القدرة المباشرة للروبوت نفسه.

** 3. وجهة النظر 3: صعوبة الهبوط ، التحدي متعدد الوسائط لنموذج AIoT الكبير **

فيما يتعلق بالصعوبات في تنفيذ نموذج AIoT الكبير ، يعتقد Hua Xiansheng أن الصعوبات تشمل بشكل أساسي عدة جوانب. بالإضافة إلى تلبية الاحترافية المذكورة أعلاه والموثوقية والتوازن بين الأداء والتكلفة والاتصال بالنظام ، يتطلب التنفيذ أيضًا - أداء الوقت: سيكون أعلى بكثير ، لأنه نظام AIoT يعمل بشكل حقيقي ؛ بالإضافة إلى ذلك ، فإن تطوره في القدرات لا يقتصر فقط على تحديث النموذج الكبير نفسه ، بل يشمل أيضًا تراكم البيانات ، وتكرار الذاكرة ، وما إلى ذلك. بشكل عام ، تكمن أكبر صعوبة في تنفيذ النماذج الكبيرة لتكنولوجيا الذكاء الاصطناعي (AIoT) في الوسائط المتعددة **.

على المدى الطويل ، من الممكن دمج بيانات إنترنت الأشياء في نموذج AIoT بطريقة موحدة ، ربما التركيز على النص / الصور ومواءمة بيانات إنترنت الأشياء الأخرى مع المركز ، وهذا هو المطلوب. ولكن ** نظرًا لعدم تجانس بيانات AIoT وتعددها ، فإن التكامل والاستخدام الفعال لأنواع مختلفة من البيانات يحتاج إلى التغلب على تحديات تمثيل البيانات ومواءمتها **.

بادئ ذي بدء ، فيما يتعلق بتمثيل البيانات ، في أي شكل ينبغي نمذجة بيانات المستشعر المختلفة ، هل ينبغي استخدام النص المرجعي كمدخل متسلسل ، أم يجب استخدام صورة مرجعية كمدخل مصفوفة ، أو نموذج نمذجة جديد؟ في هذا الصدد ، لا تزال الأوساط الأكاديمية والصناعية غير حاسمة.

بالإضافة إلى ذلك ، فيما يتعلق بمحاذاة البيانات ، يتعلم نموذج اللغة من اللغة ويولد لغة مفهومة للبشر. ومع ذلك ، في مجال AIoT ، هناك الكثير من البيانات بدون تسميات وشروح المعلومات ، ومعظم سياقاتها تفعل ذلك لا تحتوي على دلالات صريحة. ، من المستحيل مطابقة الدلالات مع البيانات ، مما يجعل البيانات والمعلومات الناتجة عنها غير مفهومة. ** يجب إعادة معالجتها لإنشاء المحاذاة الدلالية بين بيانات AIoT واللغة الطبيعية من أجل إعطاء معنى هذه البيانات **.

** 4. وجهة النظر 4: النماذج الكبيرة ليست هي الطريقة الوحيدة لتحقيق الذكاء الاصطناعي العام ، "النموذج + النظام" هو الحل الصحيح **

في مواجهة الصعوبات التي يواجهها الذكاء الاصطناعي في مختلف المجالات مثل AIoT ، كيف يمكن تحقيق الذكاء الاصطناعي العام بالمعنى الحقيقي؟ يعتقد Hua Xiansheng أن هناك حاليًا ثلاثة مسارات محتملة:

• المسار الأول هو التطور المستمر والتقدم للنموذج الكبير ، وزيادة حجم النموذج باستمرار ، وزيادة كمية البيانات والطريقة لتوليد نموذج كبير للغاية لتحقيق الذكاء الاصطناعي العام.
• المسار الثاني هو تخريب الترابطية الحالية ، ودراسة أطر عمل نموذجية جديدة لجعلها أقرب إلى نمط عمل الدماغ البشري أو قلب الإنسان ، والحصول على قدرات تحليل واستدلال واكتشاف وابتكار قوية في ظل فرضية الطاقة المنخفضة استهلاك.
• الطريقة الثالثة هي طريقة ** "نموذج + نظام" ** التي اقترحناها ؛ تختلف عن الطريقة الأولى مع نظام نموذج كبير باعتباره جوهر النظام المذكور هنا أكثر شمولاً ، بما في ذلك اندماج كبير وصغير تتضمن النماذج والتطور اندماج النماذج والقواعد ، والتحول المتبادل للقواعد والنماذج ، وما إلى ذلك. من خلال طريقة اندماج النظام والنموذج ، سنبني جسمًا ذكيًا أكثر تعقيدًا يمكنه أن ينمو نفسه باستمرار.

أخذ مجال AIoT كمثال ، قال Hua Xiansheng أن نموذج اللغة الكبيرة بحد ذاته هو امتداد لـ AIoT ، و ** يستخدم نموذج اللغة الكبير كـ "دماغ" بقدرات فهم قوية ، ثم يربط أجهزة AIoT من خلال النظام بـ قم بمطابقتها بـ "العيون". و "الأنف" و "الأذنين" و "اليدين" و "القدمين" ، بحيث يكون لها تصور متعدد ، وتحليل ، واتخاذ القرار ، وقدرات التحكم ، لتحقيق ذكاء أقوى **. عندما يتم استخدام "نموذج + نظام" يتم تجميع المزيد والمزيد من البيانات ، فمن الممكن حقًا تحقيق نموذج "التوحيد الكبير" AIoT للبيانات متعددة الوسائط وغير المتجانسة.