وسائل الإعلام خدمة الابتكار صناعة البيانات الكبيرة
—— التركيز على البيانات · تغيير الأعمال
في الأشهر الأخيرة، كان اتجاه التطور الواضح للغاية في مجال النماذج الكبيرة المحلية هو أن الجميع يجتمعون معًا لبناء نماذج كبيرة في الصناعة. لم تصدر الشركات في مختلف المجالات الرأسية العديد من نماذج الصناعة الكبيرة فحسب، بل أيضًا الشركات العملاقة الرائدة مثل Baidu وAlibaba وHuawei وTencent وJD.com تعتبر أيضًا النماذج الصناعية الكبيرة بمثابة محور تركيز رئيسي.
على وجه التحديد، يمكن تقسيم هذه الشركات المصنعة إلى فئتين بناءً على نسبة النماذج الكبيرة في استراتيجياتها:
تولي شركات Baidu وAlibaba وTencent وiFlytek اهتمامًا متساويًا للنماذج الكبيرة العامة والنماذج الصناعية الكبيرة.
من ناحية، فإنهم يولون المزيد من الاهتمام للنماذج الكبيرة العامة ويفتحون النماذج الكبيرة العامة لمستخدمي C-end. حتى أن Baidu Wenxinyiyan وiFlytek Spark من iFlytek قاموا بإنشاء تطبيقات للهواتف المحمولة للترويج لتطبيق النماذج الكبيرة العامة.
ومن ناحية أخرى، فإنهم يولون أيضًا اهتمامًا كبيرًا لنماذج الصناعة الكبيرة. وبشكل عام، يتم تصديرها إلى الخارج على شكل حلول صناعية. حتى في 19 سبتمبر، أطلقت بايدو بشكل مباشر نموذجًا كبيرًا للصناعة الطبية - نموذج الطب الروحي، الذي يخدم المستشفيات والمرضى وشركات الأجهزة الطبية بشكل مباشر.
أما الفئة الأخرى فتمثلها شركتا Huawei وJD.com، اللتان ركزتا على النماذج الصناعية واسعة النطاق منذ البداية وتوجهتا بشكل مباشر إلى تطبيقات الصناعة.
كان شعار نموذج Pangu من هواوي منذ البداية هو "لا تكتب الشعر، افعل الأشياء فقط". ولم يكن متحمسًا لتطبيقات C-end، وكان كل تركيزه الاستراتيجي تقريبًا على الصناعة.
نموذج Yanxi الكبير من JD.com مشابه لذلك، مع الالتزام بمفهوم JD Cloud المتمثل في "السحابة التي تفهم الصناعة بشكل أفضل"، يركز JD.com أيضًا على تطبيقات الصناعة في مجال النماذج الكبيرة. بالإضافة إلى ذلك، أصدرت JD Health أيضًا نموذجًا كبيرًا من Jingyi Qianxun كرائد في دخول الصناعة.
يمكن العثور على أنه سواء كانت شركات Baidu وAlibaba وTencent وiFlytek هي التي "تولي اهتمامًا متساويًا لكلتا الجبهتين"، أو Huawei وJD.com، التي تكاد تكون "تقاتل على جبهة واحدة"، فإن جميعها تنظر إلى النموذج الكبير لهذه الصناعة. كساحة معركة للاستراتيجيين العسكريين.
ويعتقد المؤلف أن هذا يمثل مشكلة. وينبغي لعمالقة التكنولوجيا هؤلاء أن يركزوا على النماذج الكبيرة العامة، وينبغي ترك تطبيقات الصناعة للشركاء في مختلف مجالات الصناعة. وينبغي لهم فقط بناء "البنية التحتية" للنماذج الكبيرة وعدم المساس بتطبيقات الطبقة العليا.
لماذا نقول هذا؟بعد ذلك، دعونا نحلل الإيجابيات والسلبيات بالتفصيل.
يجب على العمالقة التركيز على البحث وتطوير النماذج الكبيرة العامة
النماذج العامة الكبيرة تشبه أساس صناعة النماذج الكبيرة بأكملها، وسواء كان الأساس متينًا أم لا سيحدد مدى ارتفاع المبنى الذي يمكن بناؤه. إذن، هل الأساس الحالي متين؟
لسوء الحظ، على الرغم من أن النماذج الكبيرة قد حققت في البداية "ظهور" الذكاء وأحرزت تقدما كبيرا في فهم اللغة الطبيعية، وتوليد المحتوى، والتفكير المنطقي، إلا أنها ليست جيدة بما فيه الكفاية. خاصة إذا أردنا تنفيذ نماذج كبيرة تجاريًا في مختلف الصناعات، فإن إمكانيات النموذج الحالي ليست كافية.
القدرة المذكورة هنا ليست قوية بما فيه الكفاية، ولا تشير على وجه التحديد إلى نموذج كبير معين.
حتى GPT-4 لا يزال يعاني من عيوب كبيرة في القدرات إذا أراد تنفيذه في المجال التجاري. دعونا نلقي نظرة على بعض الأمثلة.
تعد محركات البحث سيناريو تطبيقًا مهمًا للنماذج الكبيرة، وقد حقق Bing من Microsoft تحولًا كبيرًا من خلال تغيير طريقة البحث عن الكلمات الرئيسية الأصلية بسبب وصوله إلى ChatGPT. إذًا، ما هو الأداء الحقيقي لـ Bing بمساعدة ChatGPT؟
لقد جربناها وكان الأمر مخيبا للآمال للغاية أن نكون صادقين.
فيما يلي مثال على ذلك. دع Bing يبحث عن أخبار حول النماذج الكبيرة اليوم (26 سبتمبر). عناصر الأخبار الأربعة المقدمة هي. بعد النقر فوق، تأتي محتويات العنصرين 1 و 3 فعليًا من مقال إخباري، وهذه هي العناصر الأولى تم نشر الخبر في 21 فبراير، أما الجزءان الثاني والرابع من المحتوى فهما أيضًا من نفس المقال الإخباري الذي تم نشره في 27 يوليو.
بمعنى آخر الأخبار المقدمة خاطئة، نحن نبحث عن أخبار اليوم ولكن النتيجة مضمونة منذ أشهر قليلة. علاوة على ذلك، فإننا نبحث عن أحداث مهمة في مجال النماذج الكبيرة، ومن بين الإجابات الأربعة المقدمة هناك تقريران ومقال تحليل إخباري ونشاط منتدى. بالمعنى الدقيق للكلمة، التقارير والمقالات التحليلية ليست أحداثًا إخبارية مهمة، ومن هذا المنظور فإن النتائج التي يقدمها Bing لا تلبي المتطلبات تمامًا.
ثم سأل المؤلف المزيد وطلب منه استخدام جدول لفرز محتوى الأخبار المقدم. ونتيجة لذلك، تغير وقت الأخبار في الجدول الذي قدمه إلى 26 سبتمبر، وعندما يتعلق الأمر بالوقت المحدد، فمن الواضح أن هذا هراء.
كان لدى المؤلف ذات مرة توقعات عالية لمحركات البحث الجديدة مثل Bing وقام بتجربتها عدة مرات. ولكن الشعور العام هو - غير صالحة للاستعمال في الأساس. هذا هو الأداء الفعلي لـ ChatGPT في مجال البحث، ويمثل هذا إلى حد ما أعلى مستوى يمكن أن تحققه النماذج الكبيرة.
أطلقت بايدو أيضًا وظيفة مماثلة، فبالإضافة إلى البحث المعتاد على الويب، يمكنك أيضًا الاستعلام من خلال المحادثات. لا يمكننا الانتظار لتجربتها.
مقارنة بـ Bing، تتمتع Baidu بفهم أفضل للأحداث الإخبارية، حيث يقدم Bing العديد من التقارير، بينما يقدم Baidu النتائج بناءً على إصدارات النماذج الكبيرة، ومن الواضح أن القيمة الإخبارية لهذه الأحداث أعلى.
ومع ذلك، هل هذه النتائج التي تقدمها بايدو موثوقة؟ وبالمثل، فإننا نسمح بتجميعها في شكل جدول ونعطي الأخبار وقتًا وروابط. ويمكن أن نجد أن الأوقات كلها يوم 11 مايو، وهذا إشكال واضح، ما نريده هو الأخبار يوم 26 سبتمبر، وليس 11 مايو.
علاوة على ذلك، هناك أيضًا مشكلة في رابط الأخبار الوارد في الجدول، فعند فتح صفحة الويب المقابلة، تظهر مباشرة "404". وبطبيعة الحال، يعاني برنامج Bing من Microsoft أيضًا من هذه المشكلة، فروابط الأخبار التي يقدمها إما لا يمكن فتحها أو أنها غير موجودة.
بالعودة إلى ChatGPT، أحد القيود المهمة عليه هو أنه لا يمكن الاتصال بالإنترنت، ولا يمكن تحديث بياناته في الوقت الفعلي، مجموعة بيانات التدريب لـ GPT-3 اعتبارًا من سبتمبر 2021، ومجموعة بيانات التدريب لـ GPT -4 اعتبارًا من يناير 2022. القمر.
علاوة على ذلك، غالبًا ما يرتكب ChatGPT أخطاء في حساب البيانات المعقدة ومعالجتها. إن إمكانات تحميل النص وفهمه ليست مثالية أيضًا.
دعونا نجرب إمكانات فهم المستندات في GPT-4. لقد قمنا بتحميل التقرير نصف السنوي لعام 2023 لشركة Loongson Zhongke وحاولنا السماح له بإجراء تحليل SWOT بسيط. بعد تحميل المستند، يبدأ ChatGPT في كتابة التعليمات البرمجية لتحليل المستند، والذي يبدو قويًا جدًا.
ماذا كانت النتيجة؟
في النهاية، فشل ChatGPT في تحليل مستند PDF، لقد حاولنا عدة مرات لكننا فشلنا في تحليله.
فقط تخيل، بالاعتماد على هذه النماذج الكبيرة، إذا كنت ترغب في تنفيذها في سيناريوهات صناعية معقدة، فإن التأثير لن يكون مثاليًا بالتأكيد، وهي بالفعل أفضل النماذج الكبيرة العامة في السوق.
صحيح أنه كان هناك بعض "الظهور الذكي" في النماذج الكبيرة، وتم تحسين قدراتها نوعيا، لكنها حاليا في المرحلة الأولى من "اللوتس الصغيرة تظهر حوافها الحادة فقط". وبما أن اكتشاف النماذج الكبيرة يعد اتجاها واعدا، فإن أهم شيء يجب القيام به الآن هو تسريع وتنمية هذا "الطفل" المحتمل بدلا من السماح له بدعم الأسرة قبل الأوان.
انطلاقا من التجربة التاريخية، فإن كل جنون في مجال الذكاء الاصطناعي سوف تتبعه فترة طويلة من الصمت. والسبب الرئيسي هو أن توقعات الناس كانت مرتفعة للغاية في المرحلة المبكرة، وسوف يصابون بخيبة أمل عندما يجدون أن توقعاتهم لم تتحقق.
وعلى نحو مماثل، إذا سارعنا إلى تنفيذ نماذج ضخمة في مختلف الصناعات الآن، فسوف نواجه قريباً فترة من المشاكل، وسوف يتحول الناس بسرعة من التوقعات الضخمة إلى الشكاوى المجنونة. ومثل هذه التقلبات لا تؤدي إلى التنمية الصحية لهذه الصناعة. .
لذلك، فإن المهمة الأساسية لعمالقة التكنولوجيا مثل Alibaba وHuawei وBaidu وTencent هي تنمية "الطفل" للنموذج العام. وطالما تم تحسين القدرات حقًا، فسيكون التنفيذ على نطاق واسع سريعًا جدًا، لذلك لا داعي للانتظار حتى الآن.
هناك منحنى ظهور ذكاء معروف في مجال النماذج الكبيرة، أي أن أداء النموذج لا يرتبط خطيا بمقياس المعلمات، فالنموذج الذي يحتوي على 20 مليار معلمة ليس ضعف جودة النموذج الذي يحتوي على 10 مليارات حدود.
هناك عتبة على منحنى ظهور الذكاء هذا، وتبلغ هذه العتبة حاليًا حوالي 100 مليار معلمة. قبل هذه العتبة، لا يتغير مستوى الذكاء الذي يعرضه النموذج بشكل كبير مع زيادة مقياس المعلمة. النموذج الذي يحتوي على 20 مليار معلمة يؤدي نفس الأداء تقريبًا للنموذج الذي يحتوي على 2 مليار معلمة. ومع ذلك، عندما تجاوز مقياس المعلمة عتبة 100 مليار، تحسن أداء النموذج بشكل كبير.
على الرغم من أن حجم النموذج لا يمكن أن يمثل كل شيء، فإنه انطلاقا من تجربة تطوير الذكاء الاصطناعي في السنوات العشر الماضية، فإن "العنف الكمي" غالبا ما يكون اتجاها رئيسيا. والنماذج الأكبر حجما، والشبكات العصبية الأعمق، والمزيد من البيانات من شأنها أن تؤدي إلى أداء أفضل.
انطلاقًا من منحنى ظهور الذكاء الحالي، بعد حجم مئات المليارات من المعلمات، سيدخل في فترة عنق الزجاجة للذكاء، وقد لا يكون هناك فرق كبير في "الذكاء" بين نموذج يحتوي على 500 مليار معلمة ونموذج يحتوي على 100 مليار معلمة . ومع ذلك، إذا أردنا متابعة "عتبة الطوارئ" التالية، فإن أفضل طريقة في الوقت الحاضر هي الاستمرار في توسيع حجم المعلمة. ربما، بعد أن يتوسع مقياس المعلمة إلى عشرات التريليونات، سيتم الدخول إلى عتبة الظهور التالية، وستصل قدرات النماذج الكبيرة إلى مستوى جديد.
* نموذج كبير لبيانات التنبؤ الذكي لظهور القرود ورسم خرائط *
وبطبيعة الحال، مع توسيع نطاق النموذج، ستزداد التكلفة أيضًا بشكل كبير، لذلك لا يمكن أن تكون هذه سوى لعبة للعمالقة. علاوة على ذلك، فإن مجرد توسيع حجم النموذج سيؤدي أيضًا إلى حدوث مشكلات في الملاءمة الزائدة. ولذلك، فإن التوسع في نطاق النموذج يحتاج أيضًا إلى أن يتطابق مع تحسين وتعديل بنية النموذج. وهذا هو المكان الذي يتم فيه اختبار القدرات التقنية حقًا.
لنرجع خطوة إلى الوراء، جميع النماذج الكبيرة اليوم تعتمد على بنية المحولات، وقد تم اقتراح هذه البنية في ورقة بحثية من قبل العديد من الباحثين في Google قبل خمس سنوات. فهل بنية المحولات هي الأفضل حقًا، وهل هناك بنية نموذجية أفضل؟ تحتاج شركات التكنولوجيا العملاقة مثل هواوي، وبايدو، وعلي بابا، وتينسينت إلى إجابة على هذه الأسئلة.
بالإضافة إلى مقياس المعلمات وبنية النموذج، تحتاج النماذج الكبيرة أيضًا إلى حل مشكلات "الوهم"، ومشاكل التفسير، ومشاكل الوسائط المتعددة. لم يتم حل هذه المشكلات بشكل جيد بعد، وهي مشكلة شائعة تواجهها الصناعة بأكملها. ويكمن مفتاح حل هذه المشاكل في الاختراقات التكنولوجية الأساسية في النماذج الكبيرة بشكل عام، وليس في النماذج الكبيرة الصناعية.
وبطبيعة الحال، فإن أي شخص يستطيع أن يحل هذه المشاكل الرئيسية حقاً سوف يكافأ وفقاً لذلك من قبل السوق.
لا تكن حكماً ولاعباً في نفس الوقت
السبب وراء التوصية بعدم لمس عمالقة التكنولوجيا للنماذج الكبيرة في الصناعة هو أنه بالإضافة إلى المشكلة التي لم يتم حلها للنماذج الكبيرة العامة، هناك سبب آخر مهم للغاية وهو تجنب تضارب المصالح مع الشركاء.
وبالنسبة لعمالقة التكنولوجيا، فإنهم يلعبون لعبة بيئية ويتقاسمون فوائد البنية التحتية.
في مجال النماذج الكبيرة، يجب أن يكون مسار نقل القيمة هو النماذج الكبيرة العامة - النماذج الكبيرة الصناعية - عملاء الصناعة. في مرحلة النماذج الكبيرة في الصناعة، يمكن لمصنعي النماذج الكبيرة العامة مثل Huawei وBaidu وAlibaba إما تطوير نماذج كبيرة للصناعة بأنفسهم أو السماح لشركاء خارجيين بإجراء البحث والتطوير استنادًا إلى نماذجهم الكبيرة العامة.
* آلية نقل قيمة تطبيق الصناعة الكبيرة لرسم خرائط بيانات القرد *
تختبر النماذج الكبيرة العامة القدرات التقنية، في حين أن العتبة التقنية للنماذج الكبيرة الصناعية ليست عالية جدًا، وعناصرها الأساسية هي البيانات والخبرة الصناعية، وهاتان النقطتان هما عيوب عمالقة التكنولوجيا. إن جمع مجموعات بيانات عالية الجودة من صناعات مختلفة مثل التمويل والرعاية الطبية والتصنيع وتجارة التجزئة، وفهم سيناريوهات الأعمال لمختلف الصناعات، ليس بالأمر الذي تستطيع شركة واحدة القيام به بالتأكيد. بل يجب أن تعتمد على قوة النظام البيئي واستخدام آلاف البيانات من النظام البيئي بأكمله، والشركاء يقومون بذلك.
وبطبيعة الحال، يمكن أيضًا للشركات المصنعة للنماذج الكبيرة العامة مثل Baidu وHuawei وTencent أن تشغل كلا مساري نقل القيمة. على سبيل المثال، في المجال الطبي، لا تستطيع بايدو استخدام نموذج الطب الروحي واسع النطاق الخاص بها لخدمة المستشفيات والمرضى وشركات المعدات الطبية بشكل مباشر فحسب، بل يمكنها أيضًا تعزيز بناء نظام شريك نموذجي طبي عمودي واسع النطاق.
لكن هذا الوضع سيواجه مشكلة "منافسة الناس من أجل الربح"، وهو من المحرمات في الأعمال.
تخيل أن شركة نماذج طبية معينة واسعة النطاق "أ" تعتمد على النموذج العام واسع النطاق للشركة "ب"، وتفتح بياناتها الطبية الأساسية على "ب"، وتدرب نموذجًا طبيًا واسع النطاق. وبعد بضعة أشهر، اكتشف "أ" أن الشركة "ب" أطلقت أيضًا نموذجًا طبيًا كبيرًا، وكانت وظائفه مشابهة لوظائفها. عندما قدم أحد عملاء الصناعة طلبًا، اكتشف أن الشركة "ب" كانت تقدم عطاءات أيضًا، وأصبح شريكه فجأة منافسًا. إذا كان الأمر كذلك، فهل لا تزال الشركة "أ" على استعداد للتعاون مع الشركة "ب"؟
في النظام البيئي، تعد ثقة الشركاء في مالك النظام البيئي ذات قيمة مثل الذهب. فقط عندما يعتقد شركاء التطبيق ذوو المستوى الأعلى اعتقادًا راسخًا أن المالك البيئي لن يكون لديه تضارب في المصالح معه أو يسرق أعماله، فسوف يشعر بالثقة في وضع أعماله على المنصة التي أنشأها المالك البيئي.
وهذا يشبه إلى حد ما العلاقة بين بائعي IaaS وبائعي SaaS في مجال الحوسبة السحابية. السبب الأكثر أهمية وراء عدم ارتياح العديد من شركات SaaS في الصين بشأن بائعي السحابة مثل Alibaba Cloud وTencent Cloud وBaidu Cloud وHuawei Cloud هو أنهم يخشون تضارب المصالح. في الوقت الحالي، الحدود التجارية لموردي خدمات IaaS السحابية ليست واضحة بما فيه الكفاية، فهم لا يقدمون منتجات IaaS وPaaS فحسب، بل يدخلون أيضًا في العديد من مجالات SaaS، وهو الأمر الأكثر محظورًا بالنسبة لشركائهم في SaaS.
في المراحل الأولى من ظهور شبكة الإنترنت في الصين، كان لدى المستثمرين سؤال شهير للبحث عن الذات بالنسبة للشركات البادئة ــ ماذا كنت ستفعل إذا قامت شركة تينسنت بتصنيع نفس المنتج؟
بنفس الطريقة، إذا أراد مصنعو النماذج الكبيرة بشكل عام إنشاء نظام بيئي للتطبيقات، فإن مصنعي النماذج الكبيرة في مجالات الرعاية الطبية والتمويل والشؤون الحكومية والتصنيع وغيرها من المجالات سوف يسألون أيضًا - إذا كنت تصنع شيئًا مثلي في المستقبل ماذا علي أن أفعل؟
إذًا ما هو نوع النظام البيئي النموذجي الكبير الأكثر منطقية؟ يمكننا أن نتعلم من النظام البيئي للحوسبة السحابية، فالنموذج الكبير العام يعادل IaaS، والنموذج الكبير في الصناعة يعادل SaaS.
تركز شركات Baidu وHuawei وAlibaba وTencent وJD.com وByteDance وiFlytek وغيرها من الشركات المصنعة للنماذج العامة الرائدة على النماذج الكبيرة العامة (IaaS+PaaS) وتحاول عدم لمس النماذج الصناعية الكبيرة (SaaS).
تجدر الإشارة إلى أنه حتى لو لم يصنعوا نماذج كبيرة في الصناعة، فإن الشركات المصنعة للنماذج الكبيرة العامة الأساسية لا يزال بإمكانها المشاركة في أرباح تطبيقات الصناعة للنماذج الكبيرة. تمامًا مثلما تستهلك تطبيقات SaaS موارد IaaS وتدفع مقابل IaaS، فإن نموذج صناعة الطبقة العليا سوف يستدعي إمكانات النموذج العام للطبقة السفلية، ويمكن بناء نموذج عمل معقول بناءً على عدد المكالمات والاستخدام.
على سبيل المثال، لا تصنع بايدو نماذج طبية واسعة النطاق، ولكن لديها 10 شركاء من النماذج الطبية واسعة النطاق على أساس وين شينييان، ويخدم كل شريك 1000 مستشفى. لنفترض أن كل مستشفى يدفع مليون يوان سنويًا، وتشارك بايدو في 20% من هذا المليون يوان. بعد ذلك، يمكن لكل شركة نماذج طبية واسعة النطاق أن تكسب مليار يوان سنويًا، وتبلغ إيرادات بايدو 1 مليار*20%*10=2 مليار يوان. بهذه الطريقة، تحتاج بايدو إلى خدمة 10 شركاء فقط، بدلاً من خدمة 10000 مستشفى.
على سبيل القياس، إذا كان من الممكن بناء نظام بيئي نموذجي كبير للصناعة مزدهر، فإن التطبيق الصناعي للنماذج الكبيرة يمكن أن يجلب أيضًا عشرات المليارات من الإيرادات لمصنعي النماذج الكبيرة العامة الأساسية.
بالنسبة لمصنعي النماذج الكبيرة بشكل عام مثل Baidu وHuawei وTencent وAlibaba، فلا داعي للقلق بشأن فقدان أرباح تطبيقات النماذج الكبيرة في الصناعة. تمامًا كما هو الحال في مجال الحوسبة السحابية، هل يمكن أن تتطابق إيرادات بائعي SaaS مع إيرادات Alibaba Cloud وTencent Cloud وHuawei Cloud التي توفر IaaS؟
وطالما أنك تركز على وضع الأساس للنموذج العام الكبير، فيمكنك بعد ذلك بيع "الأرض" دون الحاجة إلى نقل الطوب بشكل شاق لبناء منزل. دعونا نفكر مرة أخرى في مجال العقارات، هل المطورون العقاريون مثل Vanke وEvergrande هم الأكثر ربحية؟ ومن الواضح أن بيع الأراضي أكثر ربحية وأسهل.
بالنسبة لمصنعي النماذج الكبيرة في الصناعات الرأسية، فإن حالتهم المثالية هي التعلم من استراتيجيات النشر عبر السحابة SaaS لتحقيق نشر النماذج العامة للنماذج الكبيرة في الصناعة، وترحيل الأعمال بسلاسة من منصة نموذجية عامة إلى أخرى. وهذا يتجنب الارتباط بمنصة واحدة. وبطبيعة الحال، فإن النماذج الكبيرة في الصناعة هي حاليا في مرحلة مبكرة للغاية، ولا يزال من السابق لأوانه الحديث عن نشر النماذج العامة.
رسم خرائط لبيانات وضع النشر عبر النماذج لنماذج الصناعة الكبيرة
باختصار، يوصى بأن يركز عمالقة التكنولوجيا مثل Baidu وHuawei وAlibaba وTencent على البحث والتطوير للنماذج الكبيرة العامة بدلاً من تطبيق النماذج الصناعية الكبيرة.
ومن ناحية، فإن النماذج الكبيرة ذات الأغراض العامة ليست جيدة بما فيه الكفاية حتى الآن. ولا تزال المشاكل مثل عدم كفاية مستوى الذكاء في النموذج، ومشكلة الهلوسة، وضعف القدرة على التفسير، وضعف القدرة على دمج الوسائط المتعددة، وارتفاع تكلفة التدريب على النماذج والاستدلال، بارزة. "يجب على عمالقة التكنولوجيا أن يحلوا هذه المشاكل. ألغاز ذات مستوى أدنى وأكثر تحديا. فقط عندما يتم حل هذه المشكلات، يمكن أن يكون أساس تطبيق صناعة النماذج الكبيرة متينًا.
على مستوى تطبيق الصناعات النموذجية الكبيرة، يمكن ترك الأمر بالكامل لشركات المجال الرأسي ذات المستوى الأعلى لإكماله. ومن المتوقع أن يكون هناك المئات أو الآلاف من الشركات النموذجية الصناعية الكبرى التي تتنافس في كل مجال. وفي النهاية، ستنجو العشرات من الشركات، وسيبقى الأصلح. وهذه الشركات الباقية هي شركاء مؤهلون. يجب على الشركات المصنعة للنماذج الكبيرة العامة الأساسية بناء نظام بيئي مع شركائهم لخدمة عملاء الصناعة بشكل مشترك.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
أقترح على Alibaba وBaidu وHuawei عدم التسرع في الاستيلاء على "وظائف" العارضات الكبيرات في الصناعة!
** الأصل: يبي يانيو **
المصدر: بيانات القرد
وسائل الإعلام خدمة الابتكار صناعة البيانات الكبيرة
—— التركيز على البيانات · تغيير الأعمال
في الأشهر الأخيرة، كان اتجاه التطور الواضح للغاية في مجال النماذج الكبيرة المحلية هو أن الجميع يجتمعون معًا لبناء نماذج كبيرة في الصناعة. لم تصدر الشركات في مختلف المجالات الرأسية العديد من نماذج الصناعة الكبيرة فحسب، بل أيضًا الشركات العملاقة الرائدة مثل Baidu وAlibaba وHuawei وTencent وJD.com تعتبر أيضًا النماذج الصناعية الكبيرة بمثابة محور تركيز رئيسي.
على وجه التحديد، يمكن تقسيم هذه الشركات المصنعة إلى فئتين بناءً على نسبة النماذج الكبيرة في استراتيجياتها:
تولي شركات Baidu وAlibaba وTencent وiFlytek اهتمامًا متساويًا للنماذج الكبيرة العامة والنماذج الصناعية الكبيرة.
من ناحية، فإنهم يولون المزيد من الاهتمام للنماذج الكبيرة العامة ويفتحون النماذج الكبيرة العامة لمستخدمي C-end. حتى أن Baidu Wenxinyiyan وiFlytek Spark من iFlytek قاموا بإنشاء تطبيقات للهواتف المحمولة للترويج لتطبيق النماذج الكبيرة العامة.
ومن ناحية أخرى، فإنهم يولون أيضًا اهتمامًا كبيرًا لنماذج الصناعة الكبيرة. وبشكل عام، يتم تصديرها إلى الخارج على شكل حلول صناعية. حتى في 19 سبتمبر، أطلقت بايدو بشكل مباشر نموذجًا كبيرًا للصناعة الطبية - نموذج الطب الروحي، الذي يخدم المستشفيات والمرضى وشركات الأجهزة الطبية بشكل مباشر.
أما الفئة الأخرى فتمثلها شركتا Huawei وJD.com، اللتان ركزتا على النماذج الصناعية واسعة النطاق منذ البداية وتوجهتا بشكل مباشر إلى تطبيقات الصناعة.
كان شعار نموذج Pangu من هواوي منذ البداية هو "لا تكتب الشعر، افعل الأشياء فقط". ولم يكن متحمسًا لتطبيقات C-end، وكان كل تركيزه الاستراتيجي تقريبًا على الصناعة.
نموذج Yanxi الكبير من JD.com مشابه لذلك، مع الالتزام بمفهوم JD Cloud المتمثل في "السحابة التي تفهم الصناعة بشكل أفضل"، يركز JD.com أيضًا على تطبيقات الصناعة في مجال النماذج الكبيرة. بالإضافة إلى ذلك، أصدرت JD Health أيضًا نموذجًا كبيرًا من Jingyi Qianxun كرائد في دخول الصناعة.
يمكن العثور على أنه سواء كانت شركات Baidu وAlibaba وTencent وiFlytek هي التي "تولي اهتمامًا متساويًا لكلتا الجبهتين"، أو Huawei وJD.com، التي تكاد تكون "تقاتل على جبهة واحدة"، فإن جميعها تنظر إلى النموذج الكبير لهذه الصناعة. كساحة معركة للاستراتيجيين العسكريين.
ويعتقد المؤلف أن هذا يمثل مشكلة. وينبغي لعمالقة التكنولوجيا هؤلاء أن يركزوا على النماذج الكبيرة العامة، وينبغي ترك تطبيقات الصناعة للشركاء في مختلف مجالات الصناعة. وينبغي لهم فقط بناء "البنية التحتية" للنماذج الكبيرة وعدم المساس بتطبيقات الطبقة العليا.
لماذا نقول هذا؟بعد ذلك، دعونا نحلل الإيجابيات والسلبيات بالتفصيل.
يجب على العمالقة التركيز على البحث وتطوير النماذج الكبيرة العامة
النماذج العامة الكبيرة تشبه أساس صناعة النماذج الكبيرة بأكملها، وسواء كان الأساس متينًا أم لا سيحدد مدى ارتفاع المبنى الذي يمكن بناؤه. إذن، هل الأساس الحالي متين؟
لسوء الحظ، على الرغم من أن النماذج الكبيرة قد حققت في البداية "ظهور" الذكاء وأحرزت تقدما كبيرا في فهم اللغة الطبيعية، وتوليد المحتوى، والتفكير المنطقي، إلا أنها ليست جيدة بما فيه الكفاية. خاصة إذا أردنا تنفيذ نماذج كبيرة تجاريًا في مختلف الصناعات، فإن إمكانيات النموذج الحالي ليست كافية.
القدرة المذكورة هنا ليست قوية بما فيه الكفاية، ولا تشير على وجه التحديد إلى نموذج كبير معين.
تعد محركات البحث سيناريو تطبيقًا مهمًا للنماذج الكبيرة، وقد حقق Bing من Microsoft تحولًا كبيرًا من خلال تغيير طريقة البحث عن الكلمات الرئيسية الأصلية بسبب وصوله إلى ChatGPT. إذًا، ما هو الأداء الحقيقي لـ Bing بمساعدة ChatGPT؟
لقد جربناها وكان الأمر مخيبا للآمال للغاية أن نكون صادقين.
فيما يلي مثال على ذلك. دع Bing يبحث عن أخبار حول النماذج الكبيرة اليوم (26 سبتمبر). عناصر الأخبار الأربعة المقدمة هي. بعد النقر فوق، تأتي محتويات العنصرين 1 و 3 فعليًا من مقال إخباري، وهذه هي العناصر الأولى تم نشر الخبر في 21 فبراير، أما الجزءان الثاني والرابع من المحتوى فهما أيضًا من نفس المقال الإخباري الذي تم نشره في 27 يوليو.
ثم سأل المؤلف المزيد وطلب منه استخدام جدول لفرز محتوى الأخبار المقدم. ونتيجة لذلك، تغير وقت الأخبار في الجدول الذي قدمه إلى 26 سبتمبر، وعندما يتعلق الأمر بالوقت المحدد، فمن الواضح أن هذا هراء.
أطلقت بايدو أيضًا وظيفة مماثلة، فبالإضافة إلى البحث المعتاد على الويب، يمكنك أيضًا الاستعلام من خلال المحادثات. لا يمكننا الانتظار لتجربتها.
مقارنة بـ Bing، تتمتع Baidu بفهم أفضل للأحداث الإخبارية، حيث يقدم Bing العديد من التقارير، بينما يقدم Baidu النتائج بناءً على إصدارات النماذج الكبيرة، ومن الواضح أن القيمة الإخبارية لهذه الأحداث أعلى.
دعونا نجرب إمكانات فهم المستندات في GPT-4. لقد قمنا بتحميل التقرير نصف السنوي لعام 2023 لشركة Loongson Zhongke وحاولنا السماح له بإجراء تحليل SWOT بسيط. بعد تحميل المستند، يبدأ ChatGPT في كتابة التعليمات البرمجية لتحليل المستند، والذي يبدو قويًا جدًا.
صحيح أنه كان هناك بعض "الظهور الذكي" في النماذج الكبيرة، وتم تحسين قدراتها نوعيا، لكنها حاليا في المرحلة الأولى من "اللوتس الصغيرة تظهر حوافها الحادة فقط". وبما أن اكتشاف النماذج الكبيرة يعد اتجاها واعدا، فإن أهم شيء يجب القيام به الآن هو تسريع وتنمية هذا "الطفل" المحتمل بدلا من السماح له بدعم الأسرة قبل الأوان.
انطلاقا من التجربة التاريخية، فإن كل جنون في مجال الذكاء الاصطناعي سوف تتبعه فترة طويلة من الصمت. والسبب الرئيسي هو أن توقعات الناس كانت مرتفعة للغاية في المرحلة المبكرة، وسوف يصابون بخيبة أمل عندما يجدون أن توقعاتهم لم تتحقق.
وعلى نحو مماثل، إذا سارعنا إلى تنفيذ نماذج ضخمة في مختلف الصناعات الآن، فسوف نواجه قريباً فترة من المشاكل، وسوف يتحول الناس بسرعة من التوقعات الضخمة إلى الشكاوى المجنونة. ومثل هذه التقلبات لا تؤدي إلى التنمية الصحية لهذه الصناعة. .
لذلك، فإن المهمة الأساسية لعمالقة التكنولوجيا مثل Alibaba وHuawei وBaidu وTencent هي تنمية "الطفل" للنموذج العام. وطالما تم تحسين القدرات حقًا، فسيكون التنفيذ على نطاق واسع سريعًا جدًا، لذلك لا داعي للانتظار حتى الآن.
هناك منحنى ظهور ذكاء معروف في مجال النماذج الكبيرة، أي أن أداء النموذج لا يرتبط خطيا بمقياس المعلمات، فالنموذج الذي يحتوي على 20 مليار معلمة ليس ضعف جودة النموذج الذي يحتوي على 10 مليارات حدود.
هناك عتبة على منحنى ظهور الذكاء هذا، وتبلغ هذه العتبة حاليًا حوالي 100 مليار معلمة. قبل هذه العتبة، لا يتغير مستوى الذكاء الذي يعرضه النموذج بشكل كبير مع زيادة مقياس المعلمة. النموذج الذي يحتوي على 20 مليار معلمة يؤدي نفس الأداء تقريبًا للنموذج الذي يحتوي على 2 مليار معلمة. ومع ذلك، عندما تجاوز مقياس المعلمة عتبة 100 مليار، تحسن أداء النموذج بشكل كبير.
انطلاقًا من منحنى ظهور الذكاء الحالي، بعد حجم مئات المليارات من المعلمات، سيدخل في فترة عنق الزجاجة للذكاء، وقد لا يكون هناك فرق كبير في "الذكاء" بين نموذج يحتوي على 500 مليار معلمة ونموذج يحتوي على 100 مليار معلمة . ومع ذلك، إذا أردنا متابعة "عتبة الطوارئ" التالية، فإن أفضل طريقة في الوقت الحاضر هي الاستمرار في توسيع حجم المعلمة. ربما، بعد أن يتوسع مقياس المعلمة إلى عشرات التريليونات، سيتم الدخول إلى عتبة الظهور التالية، وستصل قدرات النماذج الكبيرة إلى مستوى جديد.
وبطبيعة الحال، مع توسيع نطاق النموذج، ستزداد التكلفة أيضًا بشكل كبير، لذلك لا يمكن أن تكون هذه سوى لعبة للعمالقة. علاوة على ذلك، فإن مجرد توسيع حجم النموذج سيؤدي أيضًا إلى حدوث مشكلات في الملاءمة الزائدة. ولذلك، فإن التوسع في نطاق النموذج يحتاج أيضًا إلى أن يتطابق مع تحسين وتعديل بنية النموذج. وهذا هو المكان الذي يتم فيه اختبار القدرات التقنية حقًا.
لنرجع خطوة إلى الوراء، جميع النماذج الكبيرة اليوم تعتمد على بنية المحولات، وقد تم اقتراح هذه البنية في ورقة بحثية من قبل العديد من الباحثين في Google قبل خمس سنوات. فهل بنية المحولات هي الأفضل حقًا، وهل هناك بنية نموذجية أفضل؟ تحتاج شركات التكنولوجيا العملاقة مثل هواوي، وبايدو، وعلي بابا، وتينسينت إلى إجابة على هذه الأسئلة.
بالإضافة إلى مقياس المعلمات وبنية النموذج، تحتاج النماذج الكبيرة أيضًا إلى حل مشكلات "الوهم"، ومشاكل التفسير، ومشاكل الوسائط المتعددة. لم يتم حل هذه المشكلات بشكل جيد بعد، وهي مشكلة شائعة تواجهها الصناعة بأكملها. ويكمن مفتاح حل هذه المشاكل في الاختراقات التكنولوجية الأساسية في النماذج الكبيرة بشكل عام، وليس في النماذج الكبيرة الصناعية.
وبطبيعة الحال، فإن أي شخص يستطيع أن يحل هذه المشاكل الرئيسية حقاً سوف يكافأ وفقاً لذلك من قبل السوق.
لا تكن حكماً ولاعباً في نفس الوقت
السبب وراء التوصية بعدم لمس عمالقة التكنولوجيا للنماذج الكبيرة في الصناعة هو أنه بالإضافة إلى المشكلة التي لم يتم حلها للنماذج الكبيرة العامة، هناك سبب آخر مهم للغاية وهو تجنب تضارب المصالح مع الشركاء.
وبالنسبة لعمالقة التكنولوجيا، فإنهم يلعبون لعبة بيئية ويتقاسمون فوائد البنية التحتية.
في مجال النماذج الكبيرة، يجب أن يكون مسار نقل القيمة هو النماذج الكبيرة العامة - النماذج الكبيرة الصناعية - عملاء الصناعة. في مرحلة النماذج الكبيرة في الصناعة، يمكن لمصنعي النماذج الكبيرة العامة مثل Huawei وBaidu وAlibaba إما تطوير نماذج كبيرة للصناعة بأنفسهم أو السماح لشركاء خارجيين بإجراء البحث والتطوير استنادًا إلى نماذجهم الكبيرة العامة.
تختبر النماذج الكبيرة العامة القدرات التقنية، في حين أن العتبة التقنية للنماذج الكبيرة الصناعية ليست عالية جدًا، وعناصرها الأساسية هي البيانات والخبرة الصناعية، وهاتان النقطتان هما عيوب عمالقة التكنولوجيا. إن جمع مجموعات بيانات عالية الجودة من صناعات مختلفة مثل التمويل والرعاية الطبية والتصنيع وتجارة التجزئة، وفهم سيناريوهات الأعمال لمختلف الصناعات، ليس بالأمر الذي تستطيع شركة واحدة القيام به بالتأكيد. بل يجب أن تعتمد على قوة النظام البيئي واستخدام آلاف البيانات من النظام البيئي بأكمله، والشركاء يقومون بذلك.
وبطبيعة الحال، يمكن أيضًا للشركات المصنعة للنماذج الكبيرة العامة مثل Baidu وHuawei وTencent أن تشغل كلا مساري نقل القيمة. على سبيل المثال، في المجال الطبي، لا تستطيع بايدو استخدام نموذج الطب الروحي واسع النطاق الخاص بها لخدمة المستشفيات والمرضى وشركات المعدات الطبية بشكل مباشر فحسب، بل يمكنها أيضًا تعزيز بناء نظام شريك نموذجي طبي عمودي واسع النطاق.
لكن هذا الوضع سيواجه مشكلة "منافسة الناس من أجل الربح"، وهو من المحرمات في الأعمال.
تخيل أن شركة نماذج طبية معينة واسعة النطاق "أ" تعتمد على النموذج العام واسع النطاق للشركة "ب"، وتفتح بياناتها الطبية الأساسية على "ب"، وتدرب نموذجًا طبيًا واسع النطاق. وبعد بضعة أشهر، اكتشف "أ" أن الشركة "ب" أطلقت أيضًا نموذجًا طبيًا كبيرًا، وكانت وظائفه مشابهة لوظائفها. عندما قدم أحد عملاء الصناعة طلبًا، اكتشف أن الشركة "ب" كانت تقدم عطاءات أيضًا، وأصبح شريكه فجأة منافسًا. إذا كان الأمر كذلك، فهل لا تزال الشركة "أ" على استعداد للتعاون مع الشركة "ب"؟
في النظام البيئي، تعد ثقة الشركاء في مالك النظام البيئي ذات قيمة مثل الذهب. فقط عندما يعتقد شركاء التطبيق ذوو المستوى الأعلى اعتقادًا راسخًا أن المالك البيئي لن يكون لديه تضارب في المصالح معه أو يسرق أعماله، فسوف يشعر بالثقة في وضع أعماله على المنصة التي أنشأها المالك البيئي.
وهذا يشبه إلى حد ما العلاقة بين بائعي IaaS وبائعي SaaS في مجال الحوسبة السحابية. السبب الأكثر أهمية وراء عدم ارتياح العديد من شركات SaaS في الصين بشأن بائعي السحابة مثل Alibaba Cloud وTencent Cloud وBaidu Cloud وHuawei Cloud هو أنهم يخشون تضارب المصالح. في الوقت الحالي، الحدود التجارية لموردي خدمات IaaS السحابية ليست واضحة بما فيه الكفاية، فهم لا يقدمون منتجات IaaS وPaaS فحسب، بل يدخلون أيضًا في العديد من مجالات SaaS، وهو الأمر الأكثر محظورًا بالنسبة لشركائهم في SaaS.
في المراحل الأولى من ظهور شبكة الإنترنت في الصين، كان لدى المستثمرين سؤال شهير للبحث عن الذات بالنسبة للشركات البادئة ــ ماذا كنت ستفعل إذا قامت شركة تينسنت بتصنيع نفس المنتج؟
بنفس الطريقة، إذا أراد مصنعو النماذج الكبيرة بشكل عام إنشاء نظام بيئي للتطبيقات، فإن مصنعي النماذج الكبيرة في مجالات الرعاية الطبية والتمويل والشؤون الحكومية والتصنيع وغيرها من المجالات سوف يسألون أيضًا - إذا كنت تصنع شيئًا مثلي في المستقبل ماذا علي أن أفعل؟
إذًا ما هو نوع النظام البيئي النموذجي الكبير الأكثر منطقية؟ يمكننا أن نتعلم من النظام البيئي للحوسبة السحابية، فالنموذج الكبير العام يعادل IaaS، والنموذج الكبير في الصناعة يعادل SaaS.
تركز شركات Baidu وHuawei وAlibaba وTencent وJD.com وByteDance وiFlytek وغيرها من الشركات المصنعة للنماذج العامة الرائدة على النماذج الكبيرة العامة (IaaS+PaaS) وتحاول عدم لمس النماذج الصناعية الكبيرة (SaaS).
تجدر الإشارة إلى أنه حتى لو لم يصنعوا نماذج كبيرة في الصناعة، فإن الشركات المصنعة للنماذج الكبيرة العامة الأساسية لا يزال بإمكانها المشاركة في أرباح تطبيقات الصناعة للنماذج الكبيرة. تمامًا مثلما تستهلك تطبيقات SaaS موارد IaaS وتدفع مقابل IaaS، فإن نموذج صناعة الطبقة العليا سوف يستدعي إمكانات النموذج العام للطبقة السفلية، ويمكن بناء نموذج عمل معقول بناءً على عدد المكالمات والاستخدام.
على سبيل المثال، لا تصنع بايدو نماذج طبية واسعة النطاق، ولكن لديها 10 شركاء من النماذج الطبية واسعة النطاق على أساس وين شينييان، ويخدم كل شريك 1000 مستشفى. لنفترض أن كل مستشفى يدفع مليون يوان سنويًا، وتشارك بايدو في 20% من هذا المليون يوان. بعد ذلك، يمكن لكل شركة نماذج طبية واسعة النطاق أن تكسب مليار يوان سنويًا، وتبلغ إيرادات بايدو 1 مليار*20%*10=2 مليار يوان. بهذه الطريقة، تحتاج بايدو إلى خدمة 10 شركاء فقط، بدلاً من خدمة 10000 مستشفى.
على سبيل القياس، إذا كان من الممكن بناء نظام بيئي نموذجي كبير للصناعة مزدهر، فإن التطبيق الصناعي للنماذج الكبيرة يمكن أن يجلب أيضًا عشرات المليارات من الإيرادات لمصنعي النماذج الكبيرة العامة الأساسية.
بالنسبة لمصنعي النماذج الكبيرة بشكل عام مثل Baidu وHuawei وTencent وAlibaba، فلا داعي للقلق بشأن فقدان أرباح تطبيقات النماذج الكبيرة في الصناعة. تمامًا كما هو الحال في مجال الحوسبة السحابية، هل يمكن أن تتطابق إيرادات بائعي SaaS مع إيرادات Alibaba Cloud وTencent Cloud وHuawei Cloud التي توفر IaaS؟
وطالما أنك تركز على وضع الأساس للنموذج العام الكبير، فيمكنك بعد ذلك بيع "الأرض" دون الحاجة إلى نقل الطوب بشكل شاق لبناء منزل. دعونا نفكر مرة أخرى في مجال العقارات، هل المطورون العقاريون مثل Vanke وEvergrande هم الأكثر ربحية؟ ومن الواضح أن بيع الأراضي أكثر ربحية وأسهل.
بالنسبة لمصنعي النماذج الكبيرة في الصناعات الرأسية، فإن حالتهم المثالية هي التعلم من استراتيجيات النشر عبر السحابة SaaS لتحقيق نشر النماذج العامة للنماذج الكبيرة في الصناعة، وترحيل الأعمال بسلاسة من منصة نموذجية عامة إلى أخرى. وهذا يتجنب الارتباط بمنصة واحدة. وبطبيعة الحال، فإن النماذج الكبيرة في الصناعة هي حاليا في مرحلة مبكرة للغاية، ولا يزال من السابق لأوانه الحديث عن نشر النماذج العامة.
باختصار، يوصى بأن يركز عمالقة التكنولوجيا مثل Baidu وHuawei وAlibaba وTencent على البحث والتطوير للنماذج الكبيرة العامة بدلاً من تطبيق النماذج الصناعية الكبيرة.
ومن ناحية، فإن النماذج الكبيرة ذات الأغراض العامة ليست جيدة بما فيه الكفاية حتى الآن. ولا تزال المشاكل مثل عدم كفاية مستوى الذكاء في النموذج، ومشكلة الهلوسة، وضعف القدرة على التفسير، وضعف القدرة على دمج الوسائط المتعددة، وارتفاع تكلفة التدريب على النماذج والاستدلال، بارزة. "يجب على عمالقة التكنولوجيا أن يحلوا هذه المشاكل. ألغاز ذات مستوى أدنى وأكثر تحديا. فقط عندما يتم حل هذه المشكلات، يمكن أن يكون أساس تطبيق صناعة النماذج الكبيرة متينًا.
على مستوى تطبيق الصناعات النموذجية الكبيرة، يمكن ترك الأمر بالكامل لشركات المجال الرأسي ذات المستوى الأعلى لإكماله. ومن المتوقع أن يكون هناك المئات أو الآلاف من الشركات النموذجية الصناعية الكبرى التي تتنافس في كل مجال. وفي النهاية، ستنجو العشرات من الشركات، وسيبقى الأصلح. وهذه الشركات الباقية هي شركاء مؤهلون. يجب على الشركات المصنعة للنماذج الكبيرة العامة الأساسية بناء نظام بيئي مع شركائهم لخدمة عملاء الصناعة بشكل مشترك.