La transformation intelligente de l’industrie est entrée dans le domaine des eaux profondes, et les points de demande des entreprises pour les capacités d’IA changent.
De plus en plus de grandes entreprises regardent au-delà d’une seule application intelligente. Dans des secteurs tels que l’énergie électrique et la finance, les grandes entreprises se concentrent sur l’ensemble du processus de production, d’application et de gestion des capacités d’IA, et mettent en avant des exigences pour les plates-formes d’apprentissage de l’IA et les outils de productivité des plates-formes des fabricants, afin de résoudre une série de problèmes tels que la pénurie de talents, la rareté des données, les difficultés de gestion et le faible taux de réutilisation des ressources.
Après l’arrivée du boom des grands modèles, la concurrence des plates-formes s’est déplacée vers le développement et l’application de grands modèles, et les fabricants combinent activement les solutions de plate-forme d’IA précédentes avec les grands modèles. Dans la compétition des plateformes, les avantages de certaines entreprises ont été mis en avant. Forrester, une agence d’analyse internationale, a récemment publié un rapport montrant que dans la compétition des plateformes chinoises d’intelligence artificielle et d’apprentissage automatique, Baidu Intelligent Cloud s’est bien comporté, et que les plateformes d’IA participant à la sélection ont reçu les scores les plus élevés dans 6 catégories telles que les données, le raisonnement et l’application15 sous-catégories, se classant dans le quadrant des leaders**.
La plateforme d’IA aide les entreprises à créer rapidement des modèles et des applications d’IA qui répondent aux besoins de l’entreprise, ainsi qu’à surveiller et optimiser efficacement les performances des modèles.
La construction de 100 modèles pour 100 scènes appartient au passé.
01 Utilisation profonde de l’IA, les problèmes des vieux canons
**L’industrie entre dans la phase d’application approfondie de l’IA, et l’IA n’est plus hors de portée. Cependant, de plus en plus d’entreprises constatent qu’avec l’approfondissement des applications, les utilisateurs seniors dans le domaine de l’intelligence d’entreprise rencontrent de nouveaux problèmes.
Si l’on prend l’exemple du secteur de l’énergie, les grandes compagnies d’électricité ont utilisé des modèles d’IA pour de multiples scénarios tels que l’inspection des circuits. Normalement, les besoins pertinents de ces entreprises sont généralement achetés indépendamment par différents départements ou succursales. À mesure que le nombre d’applications d’IA augmente, le nombre de modèles augmente également. La gestion d’un grand nombre de modèles et leur fonctionnement stable et efficace devient un défi.
De nombreuses grandes entreprises sont confrontées à des problèmes similaires. Un vétéran a déclaré à Digital Intelligence Frontline qu’il avait personnellement constaté que le département A de l’entreprise mettait 5 personnes pour faire l’algorithme A, et que le département B mettait également quelques personnes dans l’équipe B pour faire des algorithmes, ce qui rendait difficile la surveillance, l’optimisation, la mise à jour et la maintenance unifiées au niveau de l’entreprise, et le taux global de réutilisation des ressources d’IA dans l’entreprise est très faible.
Certaines entreprises ou institutions ont déjà appliqué la technologie de l’IA à l’émission de cartes de crédit, à l’approbation de l’admissibilité et à l’identification des fraudes afin de contrôler les risques liés à l’IA et de faire du marketing de précision. Mais l’accent mis par le secteur financier sur la sécurité et la conformité s’étend également à l’application de l’IA. Par exemple, l’équipe technique de la banque attache une grande importance aux facteurs de conformité, et lors de la création d’un nouveau modèle, qui est responsable de la délégation et de l’approbation de la construction, qui s’occupe de l’approbation de la lecture des données, de l’écriture des données, de la production du modèle, de la formation, de l’atterrissage et du lancement sont également garantis par des couches de processus. Ce type de demande n’est évidemment pas la construction traditionnelle d’applications intelligentes.
Un responsable des solutions industrielles d’un fournisseur de cloud a déclaré à Digital Intelligence Frontier que certaines grandes entreprises publiques centrales espèrent clairement construire un hub intelligent de l’entreprise et cultiver leurs propres capacités d’IA, afin que le département numérique de l’entreprise puisse développer ses propres algorithmes pour de nouveaux scénarios et créer de nouvelles applications.
Cette tendance s’observe également dans l’industrie. Jin Wei, architecte principal de la plate-forme d’IA intelligente dans le cloud de Baidu, a déclaré à la première ligne de l’intelligence numérique que cela reflète le fait que les applications d’IA se dirigent vers une zone en eau profonde et que la transformation systématique des entreprises devient de plus en plus importante. Les entreprises doivent non seulement disposer d’une vision et d’une planification des objectifs, mais aussi disposer d’un solide mécanisme de coordination et de supervision de la promotion, et disposer d’outils complets pour assurer une mise en œuvre harmonieuse. La plateforme d’IA est un outil de productivité pour la transformation intelligente des entreprises.
L’industrie a pris conscience de l’importance de ce produit de plate-forme. Forrester, un cabinet d’analyse international, a récemment publié le rapport « The Forrester WaveTM : Evaluation of AI/ML Platform Vendors in the Chinese Market, Q42023 », soulignant que les décideurs des entreprises chinoises accordent davantage la priorité à l’adoption de la technologie de l’IA pour stimuler l’amélioration de la productivité et l’innovation commerciale. Dans ce processus, les entreprises ont besoin de produits de plateforme d’IA capables de prendre en charge des cas d’utilisation complexes dans leurs environnements commerciaux respectifs.
Les nouvelles tendances exigent également les capacités des fournisseurs de plateformes d’apprentissage automatique. Selon Forrester, les principales plateformes** doivent fournir des outils complets de gestion des données, d’entraînement des modèles et de création d’applications d’IA. Il doit également être adapté aux scénarios de l’industrie pour aider certaines entreprises qui manquent de talents en IA et de scientifiques des données à obtenir des capacités d’IA en fonction de leurs propres besoins commerciaux** ; En outre, les outils, les technologies et les pratiques peuvent aider les entreprises à développer et à déployer des modèles à grande échelle.
Forrester a évalué 14 fournisseurs de plateformes d’apprentissage automatique grand public en Chine sur 25 sous-critères répartis en trois dimensions : la capacité du produit, la disposition stratégique et la performance du marché. Selon les données, Baidu Intelligent Cloud est actuellement classé comme le leader du rapport et a remporté la première place dans 9 sous-scores tels que les données, l’entraînement, le raisonnement prédictif et l’application.
Jin Wei a expliqué que les capacités de produit de pointe de Baidu dans la plate-forme d’IA ont fait l’objet d’une accumulation et d’un polissage à long terme. L’intention initiale de la plate-forme d’IA est de créer un logiciel de productivité qui permet à différents types d’utilisateurs d’entreprise de créer des applications d’IA rapidement et économiquement, tout en obtenant de multiples algorithmes, outils, un fonctionnement rapide et de bons résultats sur la plate-forme, aidant ainsi les clients à économiser des serveurs et de la main-d’œuvre.
À l’heure actuelle, certaines grandes entreprises des secteurs de l’énergie et de la finance ont été fortement sollicitées. Sur la base de la plateforme d’IA, les entreprises peuvent non seulement créer rapidement des modèles et des applications d’IA qui répondent aux besoins de l’entreprise, mais aussi surveiller et optimiser efficacement les performances du modèle. En outre, il est plus pratique et plus efficace de gérer et de coordonner les ressources telles que les données, la puissance de calcul, les personnes et les processus.
Par exemple, dans le secteur de l’énergie, la plateforme intelligente d’IA dans le cloud de Baidu aide les grands groupes à résoudre les problèmes de leur entreprise. D’une part, le modèle et les données peuvent être partagés entre différentes filiales pour éviter de réinventer la roue. Dans le même temps, certains modèles de production de sécurité existants utilisent ce produit, qui peut être directement distribué au réseau provincial ou municipal par le réseau de l’État, qui peut utiliser efficacement les ressources de l’IA et avoir une qualité constante. En outre, la plateforme d’IA peut également aider les entreprises à innover, comme le développement d’un nouvel algorithme pour la répartition de l’énergie, en utilisant le cadre d’apprentissage par renforcement de Baidu, qui peut réaliser le calibrage automatique des paramètres de planification sans l’expérience manuelle d’un grand nombre d’experts.
Dans le secteur financier, la solution de plateforme d’IA de Baidu Intelligent Cloud a également aidé de nombreuses institutions financières à créer des modules de gestion des risques liés aux modèles de grande taille afin de garantir la conformité des processus et une sécurité fiable lorsque l’IA est appliquée à des scénarios financiers.
02 L’ère des grands modèles, comment tailler
Depuis le début de l’année, la vague des grands modèles et de l’IA générative a favorisé l’application plus approfondie de l’IA dans l’industrie, et les plateformes d’apprentissage automatique ouvrent également de nouvelles opportunités de développement.
Selon des sources haut placées, après l’arrivée des grands modèles de langage, les changements dans les plateformes d’apprentissage automatique se reflètent à trois niveaux. Le changement le plus typique concerne l’interface d’exploitation, l’interface d’opération complexe avant le NLP est devenue plus simple et le seuil d’application de l’IA linguistique en entreprise est abaissé. Dans le même temps, la capacité d’automatisation du modèle est améliorée et des tâches telles que le traitement des données, la sélection du modèle et la génération automatique de rapports peuvent être automatisées. En outre, l’espace pour les applications innovantes natives de l’IA s’est également ouvert.
Dans ce contexte, de nombreuses entreprises ont pris le grand modèle comme un must pour répondre à la question, et divers fabricants de plates-formes se préparent également à lancer divers produits et plates-formes pour accélérer l’application de la technologie des grands modèles. Si l’on prend l’exemple de Baidu, en mars de cette année, l’entreprise a lancé la plate-forme de grands modèles Baidu Intelligent Cloud Qianfan, qui intègre profondément les capacités clés du développement et de l’application de grands modèles à la plate-forme d’IA afin de créer une « super usine » pour les services de grands modèles.
Afin de faciliter l’utilisation et le développement d’applications de grands modèles par les entreprises, Baidu Qianfan fournit actuellement non seulement le grand modèle Wenxin développé par Baidu et le grand modèle tiers, mais fournit également une variété d’outils de développement d’IA et un ensemble complet d’environnements de développement pour aider l’industrie de l’IA générative dans diverses industries à atterrir.
Plus précisément, Baidu résume la demande de l’industrie pour les grands modèles en cinq types, qu’il s’agisse d’un client qui n’a besoin que de puissance de calcul, ou d’une entreprise qui souhaite appeler directement l’API du grand modèle ou faire du développement secondaire basé sur le grand modèle existant, et d’une entreprise qui souhaite développer des applications natives d’IA basées sur le grand modèle ou utiliser directement l’application développée, la plate-forme Baidu Qianfan peut fournir des services ciblés.
Pour les entreprises qui n’ont besoin que de puissance de calcul, la plate-forme Baidu Qianfan peut fournir des services de puissance de calcul hétérogène très efficaces et rentables. Jin Wei a révélé que pour ce faire, l’équipe technique de la plate-forme d’IA intelligente dans le cloud de Baidu a passé plusieurs années à faire beaucoup de sale boulot. Par exemple, il est compatible avec les puces d’IA grand public au pays et à l’étranger, et doit être adapté à partir de quatre niveaux : couche de cadre, algorithme de base et réseau, modèle de puce et système d’exploitation. « PyTorch est différent de TensorFlow, et le système d’exploitation est Windows, Linux ou microcontrôleur, et le travail à effectuer est également différent. **La combinaison à quatre couches a fait 40 000 adaptations pour assurer le bon fonctionnement de divers modèles. ** » dit Jin Wei.
À l’heure actuelle, la plate-forme Qianfan grand modèle est non seulement connectée à Wenxin grand modèle 4.0, mais gère également 44 grands modèles grand public tiers au pays et à l’étranger, ce qui est le plus grand nombre parmi les plates-formes nationales.
**Certaines entreprises souhaitent redévelopper des modèles de grande taille existants, ce qui nécessite une chaîne d’outils riche et un grand nombre de jeux de données. **La plate-forme Qianfan dispose actuellement d’une chaîne d’outils complète et d’un grand nombre d’ensembles de données de haute qualité couvrant l’ensemble du cycle de vie du réentraînement, de l’ajustement, de l’évaluation et du déploiement de grands modèles, ce qui permet d’optimiser rapidement l’effet du modèle en fonction des scénarios et d’améliorer encore l’expérience utilisateur des grands modèles d’entreprises.
Les modèles volumineux apportent de nouvelles modifications au processus d’annotation des données, et de nombreuses tâches d’annotation peuvent être effectuées via le modèle. À l’heure actuelle, la plate-forme Qianfan prend en charge la redistribution des données d’entreprise et l’annotation hautement automatisée des données. Par exemple, dans le scénario de détection d’objets, Qianfan fournit directement des fonctionnalités de pré-entraînement, en cliquant sur le bouton pour étiqueter une petite pièce, et laisser le modèle apprendre le style d’annotation humain à annoter automatiquement, ce qui peut économiser 70 % ~ 90 % de main-d’œuvre pour les entreprises.
Il existe également de nombreuses entreprises qui souhaitent développer des applications natives de l’IA basées sur de grands modèles. Au milieu de ce mois, Baidu Intelligent Cloud a publié le « Qianfan AI Native Application Development Workbench », qui comprend des composants d’application communs et des services à deux couches de cadre d’application pour le développement d’applications de modèles à grande échelle, qui vise à développer les besoins des applications natives de l’IA.
Si l’on prend l’exemple des composants d’application, la plate-forme Qianfan comprend différents types de fonctionnalités, telles que des composants de modèle de langage volumineux tels que Q&R et la chaîne de pensée, des composants multimodaux tels que le diagramme de Wensheng et la reconnaissance vocale, ainsi que des fonctionnalités de service cloud traditionnelles telles que la base de données vectorielle et le stockage d’objets.
L’infrastructure d’application peut connecter organiquement des composants pour effectuer la tâche complète d’un scénario spécifique. La plate-forme Qianfan a fourni des services de cadre couramment utilisés tels que Retrieval Enhanced Generation (RAG) et Agent sur le marché, et des entreprises pionnières telles que Sany Heavy Industry ont appliqué ces cadres pour développer rapidement leurs propres applications de questions-réponses.
L’ingénierie est un nouveau domaine né après l’émergence des grands modèles. Cela a à voir avec la nature du grand modèle, et changer un peu les instructions peut faire une énorme différence dans sa sortie ou son comportement. À l’heure actuelle, divers fabricants mettent l’accent sur les outils d’ingénierie. La plateforme Baidu Qianfan propose également plus de 10 scénarios couvrant le dialogue, la programmation, le commerce électronique, les soins médicaux, les jeux, la traduction, la parole, etc., avec un total de 226 modèles. Selon les rapports, il s’agit du plus grand nombre de bibliothèques de modèles de la plate-forme grand public en Chine. Les développeurs et les entreprises peuvent également utiliser les divers outils d’automatisation et de traitement par lots fournis par la plateforme pour mener à bien le processus efficacement.
Jin Wei estime qu’au cours des derniers mois, la plate-forme de grands modèles cloud intelligents Qianfan de Baidu a posé des bases solides et est prête à se lancer dans la bataille des 100 modèles et à aider les entreprises à appliquer l’IA à grande échelle.
**03 Plateforme d’IA, quelle est la prochaine étape ? **
L’IA n’est pas réservée qu’aux grandes entreprises. À l’heure actuelle, les fabricants de plateformes d’apprentissage automatique attachent de l’importance à la couverture complète des grandes entreprises, des petites et moyennes entreprises et des marchés des développeurs, et les solutions de plateforme d’IA de Baidu Intelligent Cloud servent également différents groupes de manière ciblée.
Jin Wei a déclaré à Digital Intelligence Frontier que la solution de plate-forme d’IA de Baidu est un terme général pour un certain nombre de produits, y compris des produits tels que la plate-forme de développement d’IA complète BML, la plate-forme de développement d’IA à seuil zéro EasyDL et la plate-forme de grand modèle Baidu Intelligent Cloud Qianfan. Pour différents domaines ou différentes préférences des clients, la plate-forme d’IA dispose d’une adaptation de produit correspondante. Par exemple, la capacité de traitement des données est intégrée au produit EasyData, et la capacité de modélisation sans code est également extraite pour créer le produit EasyDL, qui peut aider les utilisateurs à effectuer une modélisation sans code avec des modèles pré-entraînés hautes performances, et les capacités des grands modèles sont prises en charge par la plate-forme cloud intelligente Qianfan de Baidu.
Sur le cloud public, la majorité des clients sont des petites et moyennes entreprises, et les modules de la plateforme d’IA sont redémontés et combinés, avec la plate-forme de développement d’IA complète BML et les produits EasyDL comme principaux représentants pour répondre aux besoins. En réponse aux besoins de déploiement de la privatisation des grands clients, divers produits seront emballés dans des produits de très grande taille pour compléter la livraison.
Selon le rapport Forrester, les capacités de la plateforme d’IA intelligente dans le cloud de Baidu ont obtenu de bons résultats dans cinq domaines principaux : le traitement des données, l’entraînement des modèles, le raisonnement prédictif, l’application et l’architecture.
Jin Wei a présenté les capacités et les avantages uniques dans différents domaines. Prenant l’exemple de l’ingénierie des fonctionnalités dans le domaine des données, Jin Wei a expliqué que la plate-forme d’IA de Baidu intègre d’excellentes capacités de gestion de la bibliothèque de fonctionnalités, et que ses capacités ont atteint un niveau professionnel. Il peut fournir des fonctions telles que l’ajout, la suppression, la modification et l’interrogation de fonctionnalités, la production de fonctionnalités, le partage, la gestion des versions, la vérification des données, etc., prendre en charge différentes formes de données dans le flux d’approbation pour les services de prédiction et s’assurer que les fonctionnalités utilisées dans l’entraînement du modèle sont cohérentes avec les fonctionnalités de la prédiction finale. « Si la distribution des caractéristiques est de 50 % d’hommes et de 50 % de femmes pendant l’entraînement, et que 60 % d’hommes et 40 % de femmes sont prévues, vous ne pouvez pas vous attendre à ce que le modèle soit particulièrement précis », explique Jin Wei, ce qui est essentiel à la précision du modèle.
Par exemple, dans le domaine de l’entraînement des modèles, la plateforme d’IA de Baidu peut prendre en charge la modélisation et l’entraînement de divers types de données, notamment des images, des vidéos, du texte, de la parole et des données structurées. En termes de modélisation, la prise en charge de l’outil NoteBook est fournie aux personnes qui souhaitent écrire du code, et les personnes qui n’aiment pas écrire du code peuvent glisser-déposer ou même cliquer sur le bouton unique intégré pour modéliser. Pour un grand nombre de scénarios, tels que la classification d’images, le multi-label à étiquette unique, la détection d’objets et d’autres scénarios CV, l’équipe de l’algorithme Paddle a effectué une optimisation approfondie basée sur l’opérateur Paddle, et les performances et l’effet seront meilleurs.
Les avantages uniques de la performance des produits sont indissociables de l’investissement technique à long terme et de l’attention portée aux nouvelles tendances technologiques. Selon l’équipe de R&D de la plateforme d’IA de Baidu, ils sont très préoccupés par les nouvelles tendances technologiques, comme il y a trois ans, l’industrie discutait du problème de l’interprétabilité du modèle, et si vous ne savez pas comment le modèle prend des décisions, cela affectera l’utilisation du modèle dans des scénarios avec des exigences de conformité de sécurité élevées. D’une manière générale, les modèles d’apprentissage profond ont des paramètres beaucoup plus importants que les modèles d’apprentissage automatique traditionnels, et le problème de la boîte noire sera plus grave.
Après une longue période de préparation, l’équipe de la plateforme d’IA de Baidu a finalement surmonté l’algorithme d’explicabilité du modèle dans le domaine de l’apprentissage automatique conventionnel, a intégré les principes de la boîte blanche de cinq cours courants d’apprentissage automatique et a également surmonté certains problèmes d’interprétabilité de l’apprentissage profond. « Déterminer quand un modèle prend une décision, qu’elle soit basée sur des données ou induite par un algorithme, peut être attribué, et ces résultats favorisent l’application de produits liés à la plate-forme d’IA dans des scénarios industriels particuliers tels que la prise de décision financière. » Jin Wei se présenta.
À l’heure actuelle, l’industrie divise le paradigme de développement des grands modèles en cinq couches, le grand modèle lui-même, l’ingénierie, la chaîne d’outils de chaîne et la chaîne d’action, l’agence et la multi-agence. L’objectif principal de la plate-forme Qianfan cloud intelligente de Baidu a été très solide dans les première et deuxième couches, et les trois dernières couches, y compris la chaîne d’outils, les capacités d’agent et les capacités multi-agences, sont également en phase de construction clé. Jin Wei a présenté que la plate-forme du grand modèle Qianfan continuera d’être améliorée et mise à niveau, afin que le grand modèle puisse exercer indépendamment son initiative subjective et avoir la capacité de résoudre des problèmes complexes. Dans le même temps, des projets de prise de mer ne sont pas exclus à l’avenir**.
En général, dans le cadre de la construction intelligente des entreprises, l’application de l’IA par les entreprises a été profondément améliorée et la concurrence dans le domaine des plateformes d’IA est devenue de plus en plus féroce. Pour garder une longueur d’avance et relever les défis à long terme liés à l’évolution de la conformité et à la complexité technique, les fabricants devront également investir dans la technologie. Jin Wei estime que les fabricants doivent adhérer à l’innovation technologique et améliorer la satisfaction, la sécurité et la conformité des clients pour s’adapter à ce marché en constante évolution.
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
100 guerres de modèles, ne vous battez pas pour une seule plate-forme
Source originale : Digital Intelligence Frontline
Auteur : Xu Xin
La transformation intelligente de l’industrie est entrée dans le domaine des eaux profondes, et les points de demande des entreprises pour les capacités d’IA changent.
De plus en plus de grandes entreprises regardent au-delà d’une seule application intelligente. Dans des secteurs tels que l’énergie électrique et la finance, les grandes entreprises se concentrent sur l’ensemble du processus de production, d’application et de gestion des capacités d’IA, et mettent en avant des exigences pour les plates-formes d’apprentissage de l’IA et les outils de productivité des plates-formes des fabricants, afin de résoudre une série de problèmes tels que la pénurie de talents, la rareté des données, les difficultés de gestion et le faible taux de réutilisation des ressources.
Après l’arrivée du boom des grands modèles, la concurrence des plates-formes s’est déplacée vers le développement et l’application de grands modèles, et les fabricants combinent activement les solutions de plate-forme d’IA précédentes avec les grands modèles. Dans la compétition des plateformes, les avantages de certaines entreprises ont été mis en avant. Forrester, une agence d’analyse internationale, a récemment publié un rapport montrant que dans la compétition des plateformes chinoises d’intelligence artificielle et d’apprentissage automatique, Baidu Intelligent Cloud s’est bien comporté, et que les plateformes d’IA participant à la sélection ont reçu les scores les plus élevés dans 6 catégories telles que les données, le raisonnement et l’application15 sous-catégories, se classant dans le quadrant des leaders**.
La plateforme d’IA aide les entreprises à créer rapidement des modèles et des applications d’IA qui répondent aux besoins de l’entreprise, ainsi qu’à surveiller et optimiser efficacement les performances des modèles.
La construction de 100 modèles pour 100 scènes appartient au passé.
01 Utilisation profonde de l’IA, les problèmes des vieux canons
**L’industrie entre dans la phase d’application approfondie de l’IA, et l’IA n’est plus hors de portée. Cependant, de plus en plus d’entreprises constatent qu’avec l’approfondissement des applications, les utilisateurs seniors dans le domaine de l’intelligence d’entreprise rencontrent de nouveaux problèmes.
Si l’on prend l’exemple du secteur de l’énergie, les grandes compagnies d’électricité ont utilisé des modèles d’IA pour de multiples scénarios tels que l’inspection des circuits. Normalement, les besoins pertinents de ces entreprises sont généralement achetés indépendamment par différents départements ou succursales. À mesure que le nombre d’applications d’IA augmente, le nombre de modèles augmente également. La gestion d’un grand nombre de modèles et leur fonctionnement stable et efficace devient un défi.
De nombreuses grandes entreprises sont confrontées à des problèmes similaires. Un vétéran a déclaré à Digital Intelligence Frontline qu’il avait personnellement constaté que le département A de l’entreprise mettait 5 personnes pour faire l’algorithme A, et que le département B mettait également quelques personnes dans l’équipe B pour faire des algorithmes, ce qui rendait difficile la surveillance, l’optimisation, la mise à jour et la maintenance unifiées au niveau de l’entreprise, et le taux global de réutilisation des ressources d’IA dans l’entreprise est très faible.
Certaines entreprises ou institutions ont déjà appliqué la technologie de l’IA à l’émission de cartes de crédit, à l’approbation de l’admissibilité et à l’identification des fraudes afin de contrôler les risques liés à l’IA et de faire du marketing de précision. Mais l’accent mis par le secteur financier sur la sécurité et la conformité s’étend également à l’application de l’IA. Par exemple, l’équipe technique de la banque attache une grande importance aux facteurs de conformité, et lors de la création d’un nouveau modèle, qui est responsable de la délégation et de l’approbation de la construction, qui s’occupe de l’approbation de la lecture des données, de l’écriture des données, de la production du modèle, de la formation, de l’atterrissage et du lancement sont également garantis par des couches de processus. Ce type de demande n’est évidemment pas la construction traditionnelle d’applications intelligentes.
Un responsable des solutions industrielles d’un fournisseur de cloud a déclaré à Digital Intelligence Frontier que certaines grandes entreprises publiques centrales espèrent clairement construire un hub intelligent de l’entreprise et cultiver leurs propres capacités d’IA, afin que le département numérique de l’entreprise puisse développer ses propres algorithmes pour de nouveaux scénarios et créer de nouvelles applications.
Cette tendance s’observe également dans l’industrie. Jin Wei, architecte principal de la plate-forme d’IA intelligente dans le cloud de Baidu, a déclaré à la première ligne de l’intelligence numérique que cela reflète le fait que les applications d’IA se dirigent vers une zone en eau profonde et que la transformation systématique des entreprises devient de plus en plus importante. Les entreprises doivent non seulement disposer d’une vision et d’une planification des objectifs, mais aussi disposer d’un solide mécanisme de coordination et de supervision de la promotion, et disposer d’outils complets pour assurer une mise en œuvre harmonieuse. La plateforme d’IA est un outil de productivité pour la transformation intelligente des entreprises.
L’industrie a pris conscience de l’importance de ce produit de plate-forme. Forrester, un cabinet d’analyse international, a récemment publié le rapport « The Forrester WaveTM : Evaluation of AI/ML Platform Vendors in the Chinese Market, Q42023 », soulignant que les décideurs des entreprises chinoises accordent davantage la priorité à l’adoption de la technologie de l’IA pour stimuler l’amélioration de la productivité et l’innovation commerciale. Dans ce processus, les entreprises ont besoin de produits de plateforme d’IA capables de prendre en charge des cas d’utilisation complexes dans leurs environnements commerciaux respectifs.
Les nouvelles tendances exigent également les capacités des fournisseurs de plateformes d’apprentissage automatique. Selon Forrester, les principales plateformes** doivent fournir des outils complets de gestion des données, d’entraînement des modèles et de création d’applications d’IA. Il doit également être adapté aux scénarios de l’industrie pour aider certaines entreprises qui manquent de talents en IA et de scientifiques des données à obtenir des capacités d’IA en fonction de leurs propres besoins commerciaux** ; En outre, les outils, les technologies et les pratiques peuvent aider les entreprises à développer et à déployer des modèles à grande échelle.
Forrester a évalué 14 fournisseurs de plateformes d’apprentissage automatique grand public en Chine sur 25 sous-critères répartis en trois dimensions : la capacité du produit, la disposition stratégique et la performance du marché. Selon les données, Baidu Intelligent Cloud est actuellement classé comme le leader du rapport et a remporté la première place dans 9 sous-scores tels que les données, l’entraînement, le raisonnement prédictif et l’application.
Jin Wei a expliqué que les capacités de produit de pointe de Baidu dans la plate-forme d’IA ont fait l’objet d’une accumulation et d’un polissage à long terme. L’intention initiale de la plate-forme d’IA est de créer un logiciel de productivité qui permet à différents types d’utilisateurs d’entreprise de créer des applications d’IA rapidement et économiquement, tout en obtenant de multiples algorithmes, outils, un fonctionnement rapide et de bons résultats sur la plate-forme, aidant ainsi les clients à économiser des serveurs et de la main-d’œuvre.
À l’heure actuelle, certaines grandes entreprises des secteurs de l’énergie et de la finance ont été fortement sollicitées. Sur la base de la plateforme d’IA, les entreprises peuvent non seulement créer rapidement des modèles et des applications d’IA qui répondent aux besoins de l’entreprise, mais aussi surveiller et optimiser efficacement les performances du modèle. En outre, il est plus pratique et plus efficace de gérer et de coordonner les ressources telles que les données, la puissance de calcul, les personnes et les processus.
Par exemple, dans le secteur de l’énergie, la plateforme intelligente d’IA dans le cloud de Baidu aide les grands groupes à résoudre les problèmes de leur entreprise. D’une part, le modèle et les données peuvent être partagés entre différentes filiales pour éviter de réinventer la roue. Dans le même temps, certains modèles de production de sécurité existants utilisent ce produit, qui peut être directement distribué au réseau provincial ou municipal par le réseau de l’État, qui peut utiliser efficacement les ressources de l’IA et avoir une qualité constante. En outre, la plateforme d’IA peut également aider les entreprises à innover, comme le développement d’un nouvel algorithme pour la répartition de l’énergie, en utilisant le cadre d’apprentissage par renforcement de Baidu, qui peut réaliser le calibrage automatique des paramètres de planification sans l’expérience manuelle d’un grand nombre d’experts.
Dans le secteur financier, la solution de plateforme d’IA de Baidu Intelligent Cloud a également aidé de nombreuses institutions financières à créer des modules de gestion des risques liés aux modèles de grande taille afin de garantir la conformité des processus et une sécurité fiable lorsque l’IA est appliquée à des scénarios financiers.
02 L’ère des grands modèles, comment tailler
Depuis le début de l’année, la vague des grands modèles et de l’IA générative a favorisé l’application plus approfondie de l’IA dans l’industrie, et les plateformes d’apprentissage automatique ouvrent également de nouvelles opportunités de développement.
Selon des sources haut placées, après l’arrivée des grands modèles de langage, les changements dans les plateformes d’apprentissage automatique se reflètent à trois niveaux. Le changement le plus typique concerne l’interface d’exploitation, l’interface d’opération complexe avant le NLP est devenue plus simple et le seuil d’application de l’IA linguistique en entreprise est abaissé. Dans le même temps, la capacité d’automatisation du modèle est améliorée et des tâches telles que le traitement des données, la sélection du modèle et la génération automatique de rapports peuvent être automatisées. En outre, l’espace pour les applications innovantes natives de l’IA s’est également ouvert.
Dans ce contexte, de nombreuses entreprises ont pris le grand modèle comme un must pour répondre à la question, et divers fabricants de plates-formes se préparent également à lancer divers produits et plates-formes pour accélérer l’application de la technologie des grands modèles. Si l’on prend l’exemple de Baidu, en mars de cette année, l’entreprise a lancé la plate-forme de grands modèles Baidu Intelligent Cloud Qianfan, qui intègre profondément les capacités clés du développement et de l’application de grands modèles à la plate-forme d’IA afin de créer une « super usine » pour les services de grands modèles.
Plus précisément, Baidu résume la demande de l’industrie pour les grands modèles en cinq types, qu’il s’agisse d’un client qui n’a besoin que de puissance de calcul, ou d’une entreprise qui souhaite appeler directement l’API du grand modèle ou faire du développement secondaire basé sur le grand modèle existant, et d’une entreprise qui souhaite développer des applications natives d’IA basées sur le grand modèle ou utiliser directement l’application développée, la plate-forme Baidu Qianfan peut fournir des services ciblés.
Pour les entreprises qui n’ont besoin que de puissance de calcul, la plate-forme Baidu Qianfan peut fournir des services de puissance de calcul hétérogène très efficaces et rentables. Jin Wei a révélé que pour ce faire, l’équipe technique de la plate-forme d’IA intelligente dans le cloud de Baidu a passé plusieurs années à faire beaucoup de sale boulot. Par exemple, il est compatible avec les puces d’IA grand public au pays et à l’étranger, et doit être adapté à partir de quatre niveaux : couche de cadre, algorithme de base et réseau, modèle de puce et système d’exploitation. « PyTorch est différent de TensorFlow, et le système d’exploitation est Windows, Linux ou microcontrôleur, et le travail à effectuer est également différent. **La combinaison à quatre couches a fait 40 000 adaptations pour assurer le bon fonctionnement de divers modèles. ** » dit Jin Wei.
À l’heure actuelle, la plate-forme Qianfan grand modèle est non seulement connectée à Wenxin grand modèle 4.0, mais gère également 44 grands modèles grand public tiers au pays et à l’étranger, ce qui est le plus grand nombre parmi les plates-formes nationales.
**Certaines entreprises souhaitent redévelopper des modèles de grande taille existants, ce qui nécessite une chaîne d’outils riche et un grand nombre de jeux de données. **La plate-forme Qianfan dispose actuellement d’une chaîne d’outils complète et d’un grand nombre d’ensembles de données de haute qualité couvrant l’ensemble du cycle de vie du réentraînement, de l’ajustement, de l’évaluation et du déploiement de grands modèles, ce qui permet d’optimiser rapidement l’effet du modèle en fonction des scénarios et d’améliorer encore l’expérience utilisateur des grands modèles d’entreprises.
Les modèles volumineux apportent de nouvelles modifications au processus d’annotation des données, et de nombreuses tâches d’annotation peuvent être effectuées via le modèle. À l’heure actuelle, la plate-forme Qianfan prend en charge la redistribution des données d’entreprise et l’annotation hautement automatisée des données. Par exemple, dans le scénario de détection d’objets, Qianfan fournit directement des fonctionnalités de pré-entraînement, en cliquant sur le bouton pour étiqueter une petite pièce, et laisser le modèle apprendre le style d’annotation humain à annoter automatiquement, ce qui peut économiser 70 % ~ 90 % de main-d’œuvre pour les entreprises.
Il existe également de nombreuses entreprises qui souhaitent développer des applications natives de l’IA basées sur de grands modèles. Au milieu de ce mois, Baidu Intelligent Cloud a publié le « Qianfan AI Native Application Development Workbench », qui comprend des composants d’application communs et des services à deux couches de cadre d’application pour le développement d’applications de modèles à grande échelle, qui vise à développer les besoins des applications natives de l’IA.
L’infrastructure d’application peut connecter organiquement des composants pour effectuer la tâche complète d’un scénario spécifique. La plate-forme Qianfan a fourni des services de cadre couramment utilisés tels que Retrieval Enhanced Generation (RAG) et Agent sur le marché, et des entreprises pionnières telles que Sany Heavy Industry ont appliqué ces cadres pour développer rapidement leurs propres applications de questions-réponses.
L’ingénierie est un nouveau domaine né après l’émergence des grands modèles. Cela a à voir avec la nature du grand modèle, et changer un peu les instructions peut faire une énorme différence dans sa sortie ou son comportement. À l’heure actuelle, divers fabricants mettent l’accent sur les outils d’ingénierie. La plateforme Baidu Qianfan propose également plus de 10 scénarios couvrant le dialogue, la programmation, le commerce électronique, les soins médicaux, les jeux, la traduction, la parole, etc., avec un total de 226 modèles. Selon les rapports, il s’agit du plus grand nombre de bibliothèques de modèles de la plate-forme grand public en Chine. Les développeurs et les entreprises peuvent également utiliser les divers outils d’automatisation et de traitement par lots fournis par la plateforme pour mener à bien le processus efficacement.
Jin Wei estime qu’au cours des derniers mois, la plate-forme de grands modèles cloud intelligents Qianfan de Baidu a posé des bases solides et est prête à se lancer dans la bataille des 100 modèles et à aider les entreprises à appliquer l’IA à grande échelle.
**03 Plateforme d’IA, quelle est la prochaine étape ? **
L’IA n’est pas réservée qu’aux grandes entreprises. À l’heure actuelle, les fabricants de plateformes d’apprentissage automatique attachent de l’importance à la couverture complète des grandes entreprises, des petites et moyennes entreprises et des marchés des développeurs, et les solutions de plateforme d’IA de Baidu Intelligent Cloud servent également différents groupes de manière ciblée.
Jin Wei a déclaré à Digital Intelligence Frontier que la solution de plate-forme d’IA de Baidu est un terme général pour un certain nombre de produits, y compris des produits tels que la plate-forme de développement d’IA complète BML, la plate-forme de développement d’IA à seuil zéro EasyDL et la plate-forme de grand modèle Baidu Intelligent Cloud Qianfan. Pour différents domaines ou différentes préférences des clients, la plate-forme d’IA dispose d’une adaptation de produit correspondante. Par exemple, la capacité de traitement des données est intégrée au produit EasyData, et la capacité de modélisation sans code est également extraite pour créer le produit EasyDL, qui peut aider les utilisateurs à effectuer une modélisation sans code avec des modèles pré-entraînés hautes performances, et les capacités des grands modèles sont prises en charge par la plate-forme cloud intelligente Qianfan de Baidu.
Sur le cloud public, la majorité des clients sont des petites et moyennes entreprises, et les modules de la plateforme d’IA sont redémontés et combinés, avec la plate-forme de développement d’IA complète BML et les produits EasyDL comme principaux représentants pour répondre aux besoins. En réponse aux besoins de déploiement de la privatisation des grands clients, divers produits seront emballés dans des produits de très grande taille pour compléter la livraison.
Selon le rapport Forrester, les capacités de la plateforme d’IA intelligente dans le cloud de Baidu ont obtenu de bons résultats dans cinq domaines principaux : le traitement des données, l’entraînement des modèles, le raisonnement prédictif, l’application et l’architecture.
Jin Wei a présenté les capacités et les avantages uniques dans différents domaines. Prenant l’exemple de l’ingénierie des fonctionnalités dans le domaine des données, Jin Wei a expliqué que la plate-forme d’IA de Baidu intègre d’excellentes capacités de gestion de la bibliothèque de fonctionnalités, et que ses capacités ont atteint un niveau professionnel. Il peut fournir des fonctions telles que l’ajout, la suppression, la modification et l’interrogation de fonctionnalités, la production de fonctionnalités, le partage, la gestion des versions, la vérification des données, etc., prendre en charge différentes formes de données dans le flux d’approbation pour les services de prédiction et s’assurer que les fonctionnalités utilisées dans l’entraînement du modèle sont cohérentes avec les fonctionnalités de la prédiction finale. « Si la distribution des caractéristiques est de 50 % d’hommes et de 50 % de femmes pendant l’entraînement, et que 60 % d’hommes et 40 % de femmes sont prévues, vous ne pouvez pas vous attendre à ce que le modèle soit particulièrement précis », explique Jin Wei, ce qui est essentiel à la précision du modèle.
Par exemple, dans le domaine de l’entraînement des modèles, la plateforme d’IA de Baidu peut prendre en charge la modélisation et l’entraînement de divers types de données, notamment des images, des vidéos, du texte, de la parole et des données structurées. En termes de modélisation, la prise en charge de l’outil NoteBook est fournie aux personnes qui souhaitent écrire du code, et les personnes qui n’aiment pas écrire du code peuvent glisser-déposer ou même cliquer sur le bouton unique intégré pour modéliser. Pour un grand nombre de scénarios, tels que la classification d’images, le multi-label à étiquette unique, la détection d’objets et d’autres scénarios CV, l’équipe de l’algorithme Paddle a effectué une optimisation approfondie basée sur l’opérateur Paddle, et les performances et l’effet seront meilleurs.
Les avantages uniques de la performance des produits sont indissociables de l’investissement technique à long terme et de l’attention portée aux nouvelles tendances technologiques. Selon l’équipe de R&D de la plateforme d’IA de Baidu, ils sont très préoccupés par les nouvelles tendances technologiques, comme il y a trois ans, l’industrie discutait du problème de l’interprétabilité du modèle, et si vous ne savez pas comment le modèle prend des décisions, cela affectera l’utilisation du modèle dans des scénarios avec des exigences de conformité de sécurité élevées. D’une manière générale, les modèles d’apprentissage profond ont des paramètres beaucoup plus importants que les modèles d’apprentissage automatique traditionnels, et le problème de la boîte noire sera plus grave.
Après une longue période de préparation, l’équipe de la plateforme d’IA de Baidu a finalement surmonté l’algorithme d’explicabilité du modèle dans le domaine de l’apprentissage automatique conventionnel, a intégré les principes de la boîte blanche de cinq cours courants d’apprentissage automatique et a également surmonté certains problèmes d’interprétabilité de l’apprentissage profond. « Déterminer quand un modèle prend une décision, qu’elle soit basée sur des données ou induite par un algorithme, peut être attribué, et ces résultats favorisent l’application de produits liés à la plate-forme d’IA dans des scénarios industriels particuliers tels que la prise de décision financière. » Jin Wei se présenta.
À l’heure actuelle, l’industrie divise le paradigme de développement des grands modèles en cinq couches, le grand modèle lui-même, l’ingénierie, la chaîne d’outils de chaîne et la chaîne d’action, l’agence et la multi-agence. L’objectif principal de la plate-forme Qianfan cloud intelligente de Baidu a été très solide dans les première et deuxième couches, et les trois dernières couches, y compris la chaîne d’outils, les capacités d’agent et les capacités multi-agences, sont également en phase de construction clé. Jin Wei a présenté que la plate-forme du grand modèle Qianfan continuera d’être améliorée et mise à niveau, afin que le grand modèle puisse exercer indépendamment son initiative subjective et avoir la capacité de résoudre des problèmes complexes. Dans le même temps, des projets de prise de mer ne sont pas exclus à l’avenir**.
En général, dans le cadre de la construction intelligente des entreprises, l’application de l’IA par les entreprises a été profondément améliorée et la concurrence dans le domaine des plateformes d’IA est devenue de plus en plus féroce. Pour garder une longueur d’avance et relever les défis à long terme liés à l’évolution de la conformité et à la complexité technique, les fabricants devront également investir dans la technologie. Jin Wei estime que les fabricants doivent adhérer à l’innovation technologique et améliorer la satisfaction, la sécurité et la conformité des clients pour s’adapter à ce marché en constante évolution.