- Topik
13k Popularitas
16k Popularitas
61k Popularitas
31k Popularitas
3k Popularitas
112k Popularitas
27k Popularitas
27k Popularitas
7k Popularitas
18k Popularitas
- Sematkan
13k Popularitas
16k Popularitas
61k Popularitas
31k Popularitas
3k Popularitas
112k Popularitas
27k Popularitas
27k Popularitas
7k Popularitas
18k Popularitas
Grup 360 Peng Hui: Tren perkembangan model besar adalah vertikalisasi! ChatGPT tingkat perusahaan hanya memerlukan 4 langkah ini...
Sumber: AI kuda hitam
Penulis: Wakil Presiden Peng Hui 360 Group
01. Tren perkembangan model besar adalah "vertikalisasi"
Dengan fitur-fiturnya yang inklusif, ada dimana-mana, dan universal, model skala besar ini akan menjangkau ribuan rumah tangga dan memberdayakan ribuan industri di masa depan.
Jadi, kami memiliki pandangan ini:
Setiap keluarga, setiap pemerintahan, dan setiap perusahaan akan memiliki satu atau lebih model yang besar.
Kami juga meyakini bahwa perkembangan Tiongkok dan Amerika Serikat di pasar To B sangat berbeda. Tidak akan ada monopoli di Tiongkok, dan pastinya tidak hanya akan ada 3-5 model besar.
Di masa depan, model-model besar harus ada di mana-mana, dan peluang pengembangan di masa depan harus ada di pasar perusahaan.
Semua orang tahu bahwa digitalisasi telah menjadi strategi inti negara kita, dan digitalisasi industri akan menjadi pasar tambahan terdesentralisasi yang besar di masa depan.
Oleh karena itu, dalam membuat model berskala besar di Tiongkok, kami sangat yakin bahwa kami harus memanfaatkan peluang strategis ini untuk memberdayakan industri, memperkuat pasar tingkat industri, dan menarik model berskala besar dari apa yang disebut sebagai pasar terpusat. produktivitas dan efisiensi produksi pemerintah dan perusahaan.
Saya merangkumnya menjadi empat aspek:
Semua orang tahu bahwa kita akan menggunakan korpus Internet dalam jumlah besar untuk memberi makan model yang besar, seperti siswa sekolah menengah, paling banyak lulusan sarjana. Namun, ia sangat kekurangan dalam beberapa pengetahuan domain profesional, pengetahuan industri, dan pengetahuan internal perusahaan. Bahkan tidak diperbarui tepat waktu. Jadi, ini masalah besar, kurangnya keahlian.
Setiap orang sering mengucapkan sepatah kata pun, dan model besar akan berbicara omong kosong dengan cara yang serius. Ini akan memiliki ambiguitas pengetahuan dan ilusi pengetahuan. Karena data dan pengetahuan seperti database terstruktur, keduanya dikodekan dalam parameter dan bobot jaringan saraf dalam kita dalam bentuk matriks dan vektor lain. Namun, saya ingin menyebutnya, menggunakannya, dan benar-benar perlu melakukan pekerjaan bootstrap dengan lebih baik. Dalam proses ini, mekanisme algoritmanya akan menghasilkan ilusi konten yang tidak dapat menjamin keaslian dan kredibilitas.
Perusahaan tidak mau menyumbangkan keterampilan unik mereka kepada model publik yang besar, atau melatih mereka menjadi model publik yang besar.
Sekarang persediaan Nvidia H100 sudah habis, dan ChatGPT mengklaim dapat melatih puluhan ribu kartu sekaligus. Oleh karena itu, investasi semacam ini sangat sulit dilakukan oleh perusahaan biasa. Kita mungkin telah mengurangi tenaga kerja, namun kita belum mengurangi biaya.
Lantas, bagaimana cara mengatasi permasalahan tersebut?
Kami percaya bahwa tren pembangunan di masa depan harus menuju vertikalisasi dan penciptaan model vertikal besar yang kecil namun terspesialisasi.
Tidak mungkin untuk mengandalkan satu model besar yang serba guna untuk menyelesaikan semua masalah dekomposisi tugas, interaksi manusia-komputer, dan menjawab pertanyaan pengetahuan. Kita harus mengandalkan korpus data tingkat perusahaan dan data berkualitas tinggi untuk melatih model vertikal besar yang dipatenkan dan berskala kecil.
Model besar akan menjadi konfigurasi standar dan komponen semua sistem digital di masa depan.
**02 Bagaimana GPT tingkat perusahaan dapat diterapkan dengan cepat? **
Kami mewawancarai lebih dari 100 pelanggan dan mitra korporat, dan setiap orang pada dasarnya memiliki konsensus:
Model besar bukanlah segalanya saat ini.
Jadi, pertanyaannya adalah: bagaimana cara menerapkannya dengan lebih baik pada skenario perusahaan?
Kita perlu memprofesionalkan mereka yang disebut generalis dan menjadi ahli dalam pemerintahan dan perusahaan.
Saat ini, kita perlu menemukan sayatan kecil dan memanfaatkan kekuatannya secara maksimal.
Kami percaya bahwa kemampuan model besar saat ini terutama tercermin dalam dua kemampuan pembuatan teks, yaitu pembuatan konten dan menjawab pertanyaan pengetahuan. Kita bisa memulainya dengan dua kemampuan ini.
Semakin banyak praktisi di industri model skala besar percaya bahwa dalam skenario aplikasi yang relatif terfokus dan sempit, model besar yang lebih kecil dan disempurnakan akan memenuhi persyaratan akurasi ujung To B dengan lebih cepat.
Oleh karena itu, kita harus melanjutkan langkah demi langkah, biarkan model besar menjadi asisten yang baik terlebih dahulu, dan biarkan model besar menjadi navigasi yang baik terlebih dahulu.
Berfokus pada skenario seperti itu, kami menemukan skenario aplikasi terkait yang beradaptasi dengan keempat produk ini untuk dengan cepat mengerahkan produktivitas dan efektivitasnya dari empat dimensi atas, bawah, internal, dan eksternal.
Dalam adegan internal, menurut kami lebih pada penulisan dan ringkasan kantor.
Di kancah eksternal, sejumlah besar orang digital mulai bermunculan di kancah layanan pelanggan.
Dalam skenario di atas, kami menekankan ringkasan dan analisis informasi dan intelijen.
Dalam skenario berikutnya, kita dapat membiarkan model besar melakukan serangkaian pelatihan mengenai pengetahuan perusahaan dan bahkan keterampilan kerja.
Oleh karena itu, selama keseluruhan proses implementasi, kami menyadari satu hal yang sangat penting. Di masa depan, lebih dari 80% skenario bisnis kami akan berkaitan erat dengan basis pengetahuan perusahaan.
Oleh karena itu, cara mengekstrak pengetahuan berharga dan data presisi berkualitas tinggi dari basis data besar suatu perusahaan, mengubahnya menjadi basis pengetahuan domain pribadi perusahaan, dan memberdayakan model besar melalui koreksi dan peningkatan pengambilan, benar-benar dapat menghasilkan konten yang kredibel. dan pembaruan konten tepat waktu dalam skenario bisnis To B, serta keamanan konten seperti desentralisasi dan pembagian domain.
Data dibagi menjadi tiga gerbang:
Gerbang pertama mungkin berupa data Internet terbuka, gerbang kedua adalah data industri semi-publik, atau data perusahaan, dan sebagian darinya adalah data rahasia dalam perusahaan.
Untuk data rahasia dan data resmi perusahaan semacam ini, kita harus memasukkannya ke dalam basis pengetahuan suatu perusahaan, atau memasukkannya ke dalam database vektor, sehingga dapat menghasilkan semacam manajemen dengan otoritas dan audit, melalui semacam manajemen otoritas. pengetahuan perusahaan yang diklasifikasikan dan hierarkis, ditingkatkan dengan pengambilan model besar, sehingga memberikan pengetahuan dan pemberdayaan yang lebih akurat.
Aspek lainnya adalah aplikasinya, di level aplikasi semua orang sudah terpapar ChatGPT, menurut Anda mudahkah menggunakannya?
Kenapa beberapa waktu lalu semua otak-otak menyebutkan bahwa kedepannya akan banyak sekali postingan dan role yang menyarankan engineer, nyatanya rumit sekali.
Kita ingin dia menulis artikel yang bagus, dan kita harus memberinya banyak petunjuk, ide sentral, abstrak, dan outline sebelum bisa menulis artikel yang bagus, kita biarkan dia membuat gambar, pakai Midjourney, aku malah harus beri tahu berapa milimeter lensa, panjang fokus, bukaan, dan kedalaman bidang yang perlu Anda gunakan, lingkungan seperti apa yang dapat membuat gambar yang dihasilkan sangat indah seperti ini, tetapi proyek petunjuk seperti itu sebenarnya hanya dapat digunakan, Tapi itu sangat canggung dan sulit digunakan.
Oleh karena itu, dalam proses pengembangan di masa depan, jangan percaya takhayul tentang apa yang disebut bahasa UI, dan antarmuka yang lebih tradisional tidak akan dihilangkan.
Selain itu, hal ini akan dihasilkan dalam jumlah besar dalam skenario masa depan seperti penulisan kantor, pembuatan gambar, kreativitas pemasaran, dll., dan bahkan skenario tanya jawab pengetahuan pemerintah, karena hal ini memberikan lebih banyak intuisi dan penerapan.
Misalnya, Lao Zhou sering mengatakan bahwa dia ingin makan sepiring kentang suwir, saya ingin yang digoreng, bukan yang diberi cuka, kliknya mungkin sedetik, dan saya sudah menyelesaikan masalah ini.
360 akan merilis seluruh kerangka sistem produk GPT tingkat perusahaannya sendiri. Di lapisan terbawah, kami masih meyakini bahwa data dan pengetahuan akan menjadi basis model tingkat perusahaan besar di masa depan, yang tidak lepas dari akumulasi seluruh data di masa lalu. kebutuhan model besar dan tidak terstrukturnya data yang dikumpulkan oleh semua perusahaan di masa lalu.Konten dan dokumen, termasuk grafik audio dan video multimedia, data gambar, melalui beberapa konektor data dan robot pelacak pengetahuan, mesin pemrosesan yang mempromosikan data multi-sumber menggabungkannya ke dalam basis pengetahuan perusahaan kami, melalui Indeks vektor, indeks abstrak dalam pengertian tradisional, indeks teks dan indeks multimodal, membangun basis pengetahuan model besar tingkat perusahaan, dan kemudian melalui pencarian dan peningkatan pengetahuan kami, memberdayakan perusahaan vertikal profesional kami besar Model ini memberikan layanan ke atas.
03, 3 praktik dan proses terbaik untuk mendapatkan model besar
Kami akan menyembunyikan proyek kompleks di balik templat besar 15 kategori yang berbeda dan hampir 80 templat dokumen yang dibagi lagi. Gunakan alat tersebut untuk menyelesaikan penulisan dokumen resmi secara efisien, dan secara efektif menyelesaikan masalah penulisan dokumen resmi yang memakan waktu dan berkualitas rendah.
Melalui model besar dan basis pengetahuan urusan pemerintahan, kita dapat membuat model besar memahami semantik seperti manusia melalui berbagai putaran dialog, melengkapi informasi yang relevan melalui pertanyaan lanjutan dan lanjutan, dan akhirnya membentuk tanya jawab. Ia dapat menjawab semua pertanyaan yang diajukan masyarakat awam secara obyektif dan akurat dalam proses berbisnis.
Lao Zhou juga menyebut Wenlv Digital People dalam banyak kesempatan. Setiap orang pasti pernah melakukan perencanaan perjalanan, apakah yang namanya rencana perjalanan bisa menyelesaikan masalah perjalanan Anda?
Yang kami pedulikan adalah setelah mendarat di suatu tujuan, kami memiliki teman lokal dan pemandu wisata lokal. Pemandangan, makanan, anekdot, lelucon yang saya pedulikan, bagaimana hal-hal ini menjadi pendamping digital yang berpusat pada destinasi? Kami ingin menciptakan pendamping digital seperti itu. Di masa depan, di bawah kepemimpinan pemerintah, kami akan secara bertahap membuka kemampuan Tiongkok dan Taiwan, dan setelah menghubungkan OTA, hotel, dan restoran lokal kami.
Dikombinasikan dengan 360 Group sendiri, dan lebih dari 100 pelanggan korporat dan mitra, kami telah membentuk proses penerapan praktik terbaik sejauh ini.
Langkah kedua adalah pengumpulan data dan persiapan pembersihan.
Langkah ketiga adalah melatih model besar milik perusahaan.
Langkah keempat adalah mengembangkan aplikasi skenario perusahaan.
Kami percaya bahwa ketika semua model berskala besar diimplementasikan dalam skenario tingkat perusahaan, salah satu prioritas utama tetaplah analisis bisnis. Tidak ada bedanya dengan digitalisasi.
Kita masih perlu menemukan kelemahan bisnis dalam proses analisis bisnis, untuk menemukan skenario yang sesuai, dan setelah memilih skenario ini, tentukan solusi kita.
Kemudian, kumpulkan dan bersihkan data dan pengetahuan seputar kejadian ini untuk membentuk data berlabel berkualitas tinggi. Setelah memasuki database, sebagian dimasukkan ke model besar vertikal kami sebagai korpus untuk pelatihan, dan sebagian lagi masuk ke basis pengetahuan perusahaan kami untuk melakukan pencarian peningkatan pengetahuan. Berikutnya adalah pengembangan asisten pintar, karyawan digital, dan manusia digital, melalui penataan model aplikasi dan pembukaan API untuk diintegrasikan dengan sistem bisnis yang ada.
Selama proses implementasi model besar tingkat perusahaan, kami menekankan bahwa hal ini tidak terlepas dari kolaborasi erat antara pakar bisnis dan teknis dari kedua belah pihak.