Transformasi cerdas industri telah memasuki area perairan dalam, dan titik permintaan perusahaan untuk kemampuan AI berubah.
Semakin banyak perusahaan besar mencari di luar satu aplikasi cerdas. Dalam industri seperti tenaga listrik dan keuangan, perusahaan besar berfokus pada seluruh proses produksi, aplikasi, dan manajemen kemampuan AI, dan mengedepankan persyaratan untuk platform pembelajaran AI produsen dan alat produktivitas platform, sehingga dapat memecahkan serangkaian masalah seperti kelangkaan bakat, kelangkaan data, kesulitan manajemen, dan tingkat penggunaan kembali sumber daya yang rendah.
Setelah kedatangan booming model besar, fokus persaingan platform telah bergeser ke pengembangan dan penerapan model besar, dan produsen secara aktif menggabungkan solusi platform AI sebelumnya dengan model besar. Dalam persaingan platform, keunggulan beberapa perusahaan telah disorot. Forrester, sebuah lembaga analis internasional, baru-baru ini merilis laporan yang menunjukkan bahwa dalam kompetisi platform kecerdasan buatan/pembelajaran mesin Tiongkok, Baidu Intelligent Cloud berkinerja baik, dan platform AI yang berpartisipasi dalam seleksi menerima skor tertinggi dalam 6 kategori seperti data, penalaran, dan aplikasi15 sub-kategori, peringkat di kuadran pemimpin**.
Platform AI membantu perusahaan dengan cepat membangun model dan aplikasi AI yang memenuhi kebutuhan bisnis, dan secara efektif memantau dan mengoptimalkan kinerja model.
Situasi membangun 100 model untuk 100 adegan adalah sesuatu dari masa lalu.
01 Penggunaan AI yang mendalam, masalah senjata lama
**Industri memasuki tahap aplikasi AI yang mendalam, dan AI tidak lagi di luar jangkauan. Namun, semakin banyak perusahaan menemukan bahwa dengan pendalaman aplikasi, pengguna senior di bidang intelijen perusahaan menghadapi masalah baru.
Mengambil industri energi sebagai contoh, perusahaan listrik besar telah menggunakan model AI untuk beberapa skenario seperti inspeksi sirkuit. Biasanya, kebutuhan yang relevan dari perusahaan semacam itu sebagian besar dibeli secara independen oleh berbagai departemen atau cabang. Ketika jumlah aplikasi AI meningkat, begitu pula jumlah model. Mengelola sejumlah besar model dan menjaganya tetap berjalan stabil dan efisien menjadi tantangan.
Banyak perusahaan besar memiliki masalah serupa. Seorang veteran mengatakan kepada Digital Intelligence Frontline bahwa dia secara pribadi telah melihat bahwa departemen A di perusahaan menempatkan 5 orang untuk melakukan algoritma A, dan departemen B juga menempatkan beberapa orang di tim B untuk melakukan algoritma, yang membuatnya sulit untuk melakukan pemantauan, pengoptimalan, pembaruan, dan pemeliharaan terpadu dari tingkat perusahaan, dan tingkat penggunaan kembali sumber daya AI secara keseluruhan di perusahaan sangat rendah.
Beberapa perusahaan atau institusi telah menerapkan teknologi AI untuk penerbitan kartu kredit, persetujuan kelayakan, dan identifikasi penipuan untuk mencapai kontrol risiko AI dan pemasaran presisi. Tetapi penekanan industri keuangan pada keamanan dan kepatuhan juga meluas ke penerapan AI. Misalnya, tim teknis di bank sangat mementingkan faktor kepatuhan, dan ketika membuat model baru, siapa yang bertanggung jawab atas delegasi dan persetujuan konstruksi, siapa yang menangani persetujuan pembacaan data, dan penulisan data, produksi model, pelatihan, pendaratan, dan peluncuran juga dijamin oleh lapisan proses. Permintaan semacam ini jelas bukan konstruksi aplikasi cerdas tradisional.
Seorang orang solusi industri senior dari vendor cloud mengatakan kepada Digital Intelligence Frontier bahwa beberapa perusahaan milik negara pusat besar jelas berharap untuk membangun pusat cerdas perusahaan dan mengembangkan kemampuan AI mereka sendiri, sehingga departemen digital perusahaan dapat mengembangkan algoritmanya sendiri untuk skenario baru dan membuat aplikasi baru.
Tren ini juga diamati di industri. Jin Wei, arsitek senior platform AI cloud cerdas Baidu, mengatakan kepada garis depan kecerdasan digital bahwa ini mencerminkan bahwa aplikasi AI bergerak menuju area perairan dalam, dan transformasi sistematis perusahaan menjadi semakin menonjol. Perusahaan seharusnya tidak hanya memiliki perencanaan visi dan tujuan, tetapi juga perlu memiliki mekanisme koordinasi dan pengawasan promosi yang kuat, dan memiliki alat yang lengkap untuk memastikan kelancaran implementasi. Platform AI adalah alat produktivitas untuk transformasi cerdas perusahaan.
Industri telah menyadari pentingnya produk platform ini. Forrester, sebuah firma analis internasional, baru-baru ini merilis laporan "The Forrester WaveTM: Evaluasi Vendor Platform AI/ML di Pasar Cina, Q42023", menunjukkan bahwa pembuat keputusan perusahaan Tiongkok selanjutnya memprioritaskan adopsi teknologi AI untuk mendorong peningkatan produktivitas dan inovasi bisnis. Dalam prosesnya, perusahaan membutuhkan produk platform AI yang dapat mendukung kasus penggunaan yang kompleks di lingkungan bisnis masing-masing.
Tren baru juga menuntut kemampuan vendor platform pembelajaran mesin. Menurut Forrester, platform terkemuka** perlu menyediakan alat komprehensif di seluruh manajemen data, pelatihan model, dan pembuatan aplikasi AI; Ini juga harus disesuaikan dengan skenario industri untuk membantu beberapa perusahaan yang kekurangan bakat AI dan ilmuwan data mendapatkan kemampuan AI berdasarkan kebutuhan bisnis mereka sendiri **; Selain itu, alat, teknologi, dan praktik dapat membantu perusahaan mengembangkan dan menerapkan model dalam skala besar.
Forrester mengevaluasi 14 vendor platform pembelajaran mesin utama di Tiongkok pada 25 sub-kriteria dari tiga dimensi: kemampuan produk, tata letak strategis, dan kinerja pasar. Menurut data, Baidu Intelligent Cloud saat ini dinilai sebagai pemimpin laporan, dan telah memenangkan tempat pertama dalam 9 sub-skor seperti data, pelatihan, penalaran prediktif, dan aplikasi.
Jin Wei memperkenalkan bahwa kemampuan produk terkemuka Baidu di platform AI telah mengalami akumulasi dan pemolesan jangka panjang. Tujuan awal dari platform AI adalah untuk menciptakan perangkat lunak produktivitas yang memungkinkan berbagai jenis pengguna perusahaan untuk membangun aplikasi AI dengan cepat dan ekonomis, dan pada saat yang sama mencapai beberapa algoritma, alat, operasi cepat, dan hasil yang baik di platform, membantu pelanggan menghemat server dan tenaga kerja.
Saat ini, beberapa perusahaan besar di industri energi dan keuangan telah banyak digunakan. Berdasarkan platform AI, perusahaan tidak hanya dapat dengan cepat membangun model dan aplikasi AI yang memenuhi kebutuhan bisnis, tetapi juga secara efektif memantau dan mengoptimalkan kinerja model. Selain itu, lebih mudah dan efisien untuk mengelola dan mengoordinasikan sumber daya seperti data, daya komputasi, orang, dan proses.
Misalnya, dalam industri listrik, platform AI cloud cerdas Baidu membantu kelompok besar memecahkan masalah bisnis. Di satu sisi, model dan data dapat dibagikan di berbagai anak perusahaan untuk menghindari penemuan kembali roda. Pada saat yang sama, beberapa model terkait produksi keselamatan yang ada menggunakan produk ini, yang dapat langsung didistribusikan ke jaringan provinsi atau kota oleh State Grid, yang dapat memanfaatkan sumber daya AI secara efisien dan memiliki kualitas yang konsisten. Selain itu, platform AI juga dapat membantu perusahaan berinovasi, seperti pengembangan algoritma baru untuk pengiriman daya, menggunakan kerangka pembelajaran penguatan Baidu, yang dapat mewujudkan kalibrasi otomatis parameter penjadwalan tanpa pengalaman manual dari sejumlah besar ahli.
Dalam industri keuangan, solusi platform AI Baidu Intelligent Cloud juga telah membantu banyak lembaga keuangan membangun modul manajemen risiko model besar untuk memastikan kepatuhan proses dan keamanan tepercaya ketika AI diterapkan pada skenario keuangan.
02 Era model besar, cara menjahit
Sejak awal tahun ini, gelombang model besar dan AI generatif telah mempromosikan aplikasi AI yang lebih mendalam di industri, dan platform pembelajaran mesin juga mengantarkan peluang pengembangan baru.
Menurut sumber senior, setelah kedatangan model bahasa besar, perubahan dalam platform pembelajaran mesin tercermin dalam tiga tingkatan. Perubahan yang paling umum adalah pada antarmuka operasi, antarmuka operasi yang kompleks sebelum NLP menjadi lebih sederhana, dan ambang batas untuk aplikasi bahasa perusahaan AI menurun. Pada saat yang sama, kemampuan otomatisasi model ditingkatkan, dan tugas-tugas seperti pemrosesan data, pemilihan model, dan pembuatan laporan otomatis dapat diotomatisasi. Selain itu, ruang untuk aplikasi inovatif AI-native juga telah terbuka.
Dalam konteks ini, banyak perusahaan telah mengambil model besar sebagai suatu keharusan untuk menjawab pertanyaan tersebut, dan berbagai produsen platform juga bersiap untuk meluncurkan berbagai produk dan platform untuk mempercepat penerapan teknologi model besar. Mengambil Baidu sebagai contoh, pada bulan Maret tahun ini, ia meluncurkan platform model besar Baidu Intelligent Cloud Qianfan, yang sangat mengintegrasikan kemampuan utama pengembangan dan aplikasi model besar dengan platform AI untuk menciptakan "pabrik super" untuk layanan model besar.
Untuk memfasilitasi perusahaan agar mudah menggunakan dan mengembangkan aplikasi model besar, Baidu Qianfan saat ini tidak hanya menyediakan model besar Wenxin yang dikembangkan sendiri oleh Baidu dan model besar pihak ketiga, tetapi juga menyediakan berbagai alat pengembangan AI dan satu set lengkap lingkungan pengembangan untuk membantu industri AI generatif di berbagai industri tanah.
Secara khusus, Baidu merangkum permintaan industri untuk model besar menjadi lima jenis, apakah itu pelanggan yang hanya membutuhkan daya komputasi, atau perusahaan yang ingin langsung memanggil API model besar atau melakukan pengembangan sekunder berdasarkan model besar yang ada, dan perusahaan yang ingin mengembangkan aplikasi asli AI berdasarkan model besar atau langsung menggunakan aplikasi yang dikembangkan, platform Baidu Qianfan dapat memberikan layanan yang ditargetkan.
Untuk perusahaan yang hanya membutuhkan daya komputasi, platform Baidu Qianfan dapat menyediakan layanan daya komputasi heterogen yang sangat efisien dan hemat biaya. Jin Wei mengungkapkan bahwa untuk melakukan ini, tim teknis platform AI cloud cerdas Baidu menghabiskan beberapa tahun melakukan banyak Pekerjaan Kotor. Misalnya, ini kompatibel dengan chip AI arus utama di dalam dan luar negeri, dan perlu diadaptasi dari empat tingkatan: lapisan kerangka kerja, algoritma inti dan jaringan, model chip, dan sistem operasi. "PyTorch berbeda dari TensorFlow, dan sistem operasinya adalah Windows, Linux atau mikrokontroler, dan pekerjaan yang harus dilakukan juga berbeda. **Kombinasi empat lapis telah menghasilkan 40.000 adaptasi untuk memastikan kelancaran pengoperasian berbagai model. **" Kata Jin Wei.
Saat ini, platform model besar Qianfan tidak hanya terhubung ke model besar Wenxin 4.0, tetapi juga mengelola 44 model besar arus utama pihak ketiga di dalam dan luar negeri, yang merupakan jumlah terbesar di antara platform domestik.
**Beberapa perusahaan ingin mengembangkan kembali model besar yang ada, yang membutuhkan rantai alat yang kaya dan sejumlah besar kumpulan data. **Platform Qianfan saat ini memiliki rantai alat lengkap dan sejumlah besar kumpulan data berkualitas tinggi yang mencakup seluruh siklus hidup pelatihan ulang model besar, penyempurnaan, evaluasi, dan penyebaran, yang dapat dengan cepat mengoptimalkan efek model sesuai dengan skenario dan lebih meningkatkan pengalaman pengguna model perusahaan besar.
Model besar membawa perubahan baru pada proses anotasi data, dan banyak tugas anotasi dapat diselesaikan melalui model. Saat ini, platform Qianfan mendukung reflow data bisnis dan anotasi data yang sangat otomatis. Misalnya, dalam skenario deteksi objek, Qianfan secara langsung menyediakan kemampuan pra-pelatihan, dengan mengklik tombol untuk memberi label sebagian kecil, dan membiarkan model mempelajari gaya anotasi manusia untuk membuat anotasi secara otomatis, yang dapat menghemat 70% ~ 90% tenaga kerja untuk perusahaan.
Ada juga banyak perusahaan yang ingin mengembangkan aplikasi AI-native berdasarkan model besar. Pada pertengahan bulan ini, Baidu Intelligent Cloud merilis "Qianfan AI Native Application Development Workbench", yang mencakup komponen aplikasi umum dan layanan dua lapis kerangka kerja aplikasi untuk pengembangan aplikasi model skala besar, yang ditujukan untuk pengembangan kebutuhan aplikasi asli AI.
Mengambil komponen aplikasi sebagai contoh, platform Qianfan mencakup berbagai jenis kemampuan, seperti komponen model bahasa besar seperti Tanya Jawab dan rantai pemikiran, komponen multimodal seperti diagram Wensheng dan pengenalan suara, serta kemampuan layanan cloud tradisional seperti database vektor dan penyimpanan objek.
Kerangka kerja aplikasi dapat menghubungkan komponen secara organik untuk menyelesaikan tugas lengkap dari skenario tertentu. Platform Qianfan telah menyediakan layanan kerangka kerja yang umum digunakan seperti Retrieval Enhanced Generation (RAG) dan Agen di pasar, dan perusahaan perintis seperti Sany Heavy Industry telah menerapkan kerangka kerja ini untuk dengan cepat mengembangkan aplikasi Tanya Jawab pengetahuan mereka sendiri.
Teknik adalah bidang baru yang lahir setelah munculnya model-model besar. Ini ada hubungannya dengan sifat model besar, dan mengubah instruksi sedikit dapat membuat perbedaan besar dalam output atau perilakunya. Saat ini, berbagai produsen menekankan alat-alat teknik. Platform Baidu Qianfan juga menyediakan lebih dari 10 skenario yang mencakup dialog, pemrograman, e-commerce, perawatan medis, game, terjemahan, pidato, dll., Dengan total 226 template. Menurut laporan, ini adalah jumlah perpustakaan template terbesar di platform utama di Cina. Pengembang dan perusahaan juga dapat menggunakan berbagai otomatisasi dan alat batch yang disediakan oleh platform untuk menyelesaikan proses secara efisien.
Jin Wei percaya bahwa dalam beberapa bulan terakhir, platform model besar Qianfan cloud cerdas Baidu telah meletakkan dasar yang kuat dan siap untuk pertempuran 100 model dan membantu perusahaan menerapkan AI dalam skala besar.
**03 Platform AI, apa pemberhentian selanjutnya? **
AI tidak hanya untuk bisnis besar. Saat ini, produsen platform pembelajaran mesin mementingkan cakupan komprehensif perusahaan besar, pelanggan kecil dan menengah dan pasar pengembang, dan solusi platform AI Baidu Intelligent Cloud juga melayani berbagai kelompok dengan cara yang ditargetkan.
Jin Wei mengatakan kepada Digital Intelligence Frontier bahwa solusi platform AI Baidu adalah istilah umum untuk sejumlah produk, termasuk produk seperti platform pengembangan AI berfitur lengkap BML, platform pengembangan AI tanpa ambang batas EasyDL, dan platform model besar Baidu Intelligent Cloud Qianfan. Untuk bidang yang berbeda atau preferensi pelanggan yang berbeda, platform AI memiliki adaptasi produk yang sesuai. Misalnya, kemampuan pemrosesan data dikemas ke dalam produk EasyData, dan kemampuan pemodelan kode nol juga diekstraksi untuk membuat produk EasyDL, yang dapat membantu pengguna menyelesaikan pemodelan kode nol dengan model pra-terlatih berkinerja tinggi, dan kemampuan model besar dibawa oleh platform Qianfan cloud cerdas Baidu.
Di cloud publik, mayoritas pelanggan adalah perusahaan kecil dan menengah, dan modul platform AI dibongkar ulang dan digabungkan, dengan platform pengembangan AI berfitur lengkap BML dan produk EasyDL sebagai perwakilan utama untuk memenuhi kebutuhan. Menanggapi kebutuhan penyebaran privatisasi pelanggan besar, berbagai produk akan dikemas menjadi produk super besar untuk menyelesaikan pengiriman.
Menurut laporan Forrester, kemampuan produk platform AI cloud cerdas Baidu telah berkinerja baik di lima bidang utama: pemrosesan data, pelatihan model, penalaran prediktif, aplikasi, dan arsitektur.
Jin Wei memperkenalkan kemampuan dan keunggulan unik di berbagai bidang. Mengambil rekayasa fitur di bidang data sebagai contoh, Jin Wei memperkenalkan bahwa platform AI Baidu mengintegrasikan kemampuan manajemen perpustakaan fitur yang sangat baik, dan kemampuannya telah mencapai tingkat profesional. Ini dapat menyediakan fungsi seperti penambahan fitur, penghapusan, modifikasi dan kueri, produksi fitur, berbagi, manajemen versi, verifikasi data, dll., Mendukung berbagai bentuk data dalam aliran persetujuan untuk layanan prediksi, dan memastikan bahwa fitur yang digunakan dalam pelatihan model konsisten dengan fitur dalam prediksi akhir. "Jika distribusi fitur adalah 50 persen pria dan 50 persen wanita selama pelatihan, dan 60 persen pria dan 40 persen wanita diprediksi, maka Anda tidak dapat mengharapkan model menjadi sangat akurat," kata Jin Wei, yang sangat penting untuk akurasi model.
Misalnya, di bidang pelatihan model, platform AI Baidu dapat mendukung pemodelan dan pelatihan berbagai tipe data termasuk gambar, video, teks, ucapan, dan data terstruktur. Dalam hal pemodelan, dukungan alat NoteBook disediakan untuk orang-orang yang ingin menulis kode, dan orang-orang yang tidak suka menulis kode dapat menarik dan melepas atau bahkan mengklik tombol satu atap terintegrasi untuk memodelkan. Untuk sejumlah besar skenario, seperti klasifikasi gambar, multi-label label tunggal, deteksi objek, dan skenario CV lainnya, tim algoritma Paddle telah melakukan pengoptimalan mendalam berdasarkan operator Paddle, dan kinerja serta efeknya akan lebih baik.
Keuntungan unik dari kinerja produk tidak dapat dipisahkan dari investasi teknis jangka panjang dan perhatian terhadap tren teknologi baru. Menurut tim R&D platform AI Baidu, mereka sangat prihatin dengan tren teknologi baru, seperti tiga tahun lalu, industri sedang mendiskusikan masalah interpretabilitas model, dan jika Anda tidak tahu bagaimana model membuat keputusan, itu akan mempengaruhi penggunaan model dalam skenario dengan persyaratan kepatuhan keamanan yang tinggi. Secara umum, model pembelajaran mendalam memiliki parameter yang jauh lebih besar daripada model pembelajaran mesin tradisional, dan masalah kotak hitam akan lebih serius.
Setelah persiapan yang lama, tim platform AI Baidu akhirnya mengatasi algoritma kemampuan menjelaskan model di bidang pembelajaran mesin konvensional, mengintegrasikan prinsip-prinsip kotak putih dari lima pembelajaran mesin umum, dan juga mengatasi beberapa masalah interpretabilitas pembelajaran yang mendalam. "Mencari tahu kapan sebuah model membuat keputusan, apakah itu didorong oleh data atau diinduksi algoritma, dapat dikaitkan, dan hasil ini mempromosikan penerapan produk terkait platform AI dalam skenario industri khusus seperti pengambilan keputusan keuangan." Jin Wei memperkenalkan.
Saat ini, industri membagi paradigma pengembangan model besar menjadi lima lapisan, model besar itu sendiri, teknik, rantai alat rantai dan rantai tindakan, agensi dan multiagensi. Fokus utama platform cloud Qianfan cerdas Baidu sangat solid di lapisan pertama dan kedua, dan tiga lapisan terakhir, termasuk rantai alat, agen, dan kemampuan multiagensi, juga dalam tahap konstruksi utama. Jin Wei memperkenalkan bahwa platform model besar Qianfan akan terus ditingkatkan dan ditingkatkan, sehingga model besar dapat secara mandiri mengerahkan inisiatif subjektifnya dan memiliki kemampuan untuk memecahkan masalah yang kompleks. Pada saat yang sama, rencana untuk melaut tidak dikesampingkan di masa depan **.
Secara umum, di bawah konstruksi perusahaan yang cerdas, penerapan AI oleh perusahaan telah sangat ditingkatkan, dan persaingan di bidang platform AI menjadi semakin sengit. Untuk tetap berada di depan kurva dan memenuhi tantangan jangka panjang dalam mengubah kepatuhan dan kompleksitas teknis, produsen juga perlu berinvestasi dalam teknologi. Jin Wei percaya bahwa produsen perlu mematuhi inovasi teknologi dan meningkatkan kepuasan, keamanan, dan kepatuhan pelanggan untuk beradaptasi dengan pasar yang berubah ini.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
100 perang model, jangan berjuang untuk satu platform
Sumber asli: Digital Intelligence Frontline
Penulis: Xu Xin
Transformasi cerdas industri telah memasuki area perairan dalam, dan titik permintaan perusahaan untuk kemampuan AI berubah.
Semakin banyak perusahaan besar mencari di luar satu aplikasi cerdas. Dalam industri seperti tenaga listrik dan keuangan, perusahaan besar berfokus pada seluruh proses produksi, aplikasi, dan manajemen kemampuan AI, dan mengedepankan persyaratan untuk platform pembelajaran AI produsen dan alat produktivitas platform, sehingga dapat memecahkan serangkaian masalah seperti kelangkaan bakat, kelangkaan data, kesulitan manajemen, dan tingkat penggunaan kembali sumber daya yang rendah.
Setelah kedatangan booming model besar, fokus persaingan platform telah bergeser ke pengembangan dan penerapan model besar, dan produsen secara aktif menggabungkan solusi platform AI sebelumnya dengan model besar. Dalam persaingan platform, keunggulan beberapa perusahaan telah disorot. Forrester, sebuah lembaga analis internasional, baru-baru ini merilis laporan yang menunjukkan bahwa dalam kompetisi platform kecerdasan buatan/pembelajaran mesin Tiongkok, Baidu Intelligent Cloud berkinerja baik, dan platform AI yang berpartisipasi dalam seleksi menerima skor tertinggi dalam 6 kategori seperti data, penalaran, dan aplikasi15 sub-kategori, peringkat di kuadran pemimpin**.
Platform AI membantu perusahaan dengan cepat membangun model dan aplikasi AI yang memenuhi kebutuhan bisnis, dan secara efektif memantau dan mengoptimalkan kinerja model.
Situasi membangun 100 model untuk 100 adegan adalah sesuatu dari masa lalu.
01 Penggunaan AI yang mendalam, masalah senjata lama
**Industri memasuki tahap aplikasi AI yang mendalam, dan AI tidak lagi di luar jangkauan. Namun, semakin banyak perusahaan menemukan bahwa dengan pendalaman aplikasi, pengguna senior di bidang intelijen perusahaan menghadapi masalah baru.
Mengambil industri energi sebagai contoh, perusahaan listrik besar telah menggunakan model AI untuk beberapa skenario seperti inspeksi sirkuit. Biasanya, kebutuhan yang relevan dari perusahaan semacam itu sebagian besar dibeli secara independen oleh berbagai departemen atau cabang. Ketika jumlah aplikasi AI meningkat, begitu pula jumlah model. Mengelola sejumlah besar model dan menjaganya tetap berjalan stabil dan efisien menjadi tantangan.
Banyak perusahaan besar memiliki masalah serupa. Seorang veteran mengatakan kepada Digital Intelligence Frontline bahwa dia secara pribadi telah melihat bahwa departemen A di perusahaan menempatkan 5 orang untuk melakukan algoritma A, dan departemen B juga menempatkan beberapa orang di tim B untuk melakukan algoritma, yang membuatnya sulit untuk melakukan pemantauan, pengoptimalan, pembaruan, dan pemeliharaan terpadu dari tingkat perusahaan, dan tingkat penggunaan kembali sumber daya AI secara keseluruhan di perusahaan sangat rendah.
Beberapa perusahaan atau institusi telah menerapkan teknologi AI untuk penerbitan kartu kredit, persetujuan kelayakan, dan identifikasi penipuan untuk mencapai kontrol risiko AI dan pemasaran presisi. Tetapi penekanan industri keuangan pada keamanan dan kepatuhan juga meluas ke penerapan AI. Misalnya, tim teknis di bank sangat mementingkan faktor kepatuhan, dan ketika membuat model baru, siapa yang bertanggung jawab atas delegasi dan persetujuan konstruksi, siapa yang menangani persetujuan pembacaan data, dan penulisan data, produksi model, pelatihan, pendaratan, dan peluncuran juga dijamin oleh lapisan proses. Permintaan semacam ini jelas bukan konstruksi aplikasi cerdas tradisional.
Seorang orang solusi industri senior dari vendor cloud mengatakan kepada Digital Intelligence Frontier bahwa beberapa perusahaan milik negara pusat besar jelas berharap untuk membangun pusat cerdas perusahaan dan mengembangkan kemampuan AI mereka sendiri, sehingga departemen digital perusahaan dapat mengembangkan algoritmanya sendiri untuk skenario baru dan membuat aplikasi baru.
Tren ini juga diamati di industri. Jin Wei, arsitek senior platform AI cloud cerdas Baidu, mengatakan kepada garis depan kecerdasan digital bahwa ini mencerminkan bahwa aplikasi AI bergerak menuju area perairan dalam, dan transformasi sistematis perusahaan menjadi semakin menonjol. Perusahaan seharusnya tidak hanya memiliki perencanaan visi dan tujuan, tetapi juga perlu memiliki mekanisme koordinasi dan pengawasan promosi yang kuat, dan memiliki alat yang lengkap untuk memastikan kelancaran implementasi. Platform AI adalah alat produktivitas untuk transformasi cerdas perusahaan.
Industri telah menyadari pentingnya produk platform ini. Forrester, sebuah firma analis internasional, baru-baru ini merilis laporan "The Forrester WaveTM: Evaluasi Vendor Platform AI/ML di Pasar Cina, Q42023", menunjukkan bahwa pembuat keputusan perusahaan Tiongkok selanjutnya memprioritaskan adopsi teknologi AI untuk mendorong peningkatan produktivitas dan inovasi bisnis. Dalam prosesnya, perusahaan membutuhkan produk platform AI yang dapat mendukung kasus penggunaan yang kompleks di lingkungan bisnis masing-masing.
Tren baru juga menuntut kemampuan vendor platform pembelajaran mesin. Menurut Forrester, platform terkemuka** perlu menyediakan alat komprehensif di seluruh manajemen data, pelatihan model, dan pembuatan aplikasi AI; Ini juga harus disesuaikan dengan skenario industri untuk membantu beberapa perusahaan yang kekurangan bakat AI dan ilmuwan data mendapatkan kemampuan AI berdasarkan kebutuhan bisnis mereka sendiri **; Selain itu, alat, teknologi, dan praktik dapat membantu perusahaan mengembangkan dan menerapkan model dalam skala besar.
Forrester mengevaluasi 14 vendor platform pembelajaran mesin utama di Tiongkok pada 25 sub-kriteria dari tiga dimensi: kemampuan produk, tata letak strategis, dan kinerja pasar. Menurut data, Baidu Intelligent Cloud saat ini dinilai sebagai pemimpin laporan, dan telah memenangkan tempat pertama dalam 9 sub-skor seperti data, pelatihan, penalaran prediktif, dan aplikasi.
Jin Wei memperkenalkan bahwa kemampuan produk terkemuka Baidu di platform AI telah mengalami akumulasi dan pemolesan jangka panjang. Tujuan awal dari platform AI adalah untuk menciptakan perangkat lunak produktivitas yang memungkinkan berbagai jenis pengguna perusahaan untuk membangun aplikasi AI dengan cepat dan ekonomis, dan pada saat yang sama mencapai beberapa algoritma, alat, operasi cepat, dan hasil yang baik di platform, membantu pelanggan menghemat server dan tenaga kerja.
Saat ini, beberapa perusahaan besar di industri energi dan keuangan telah banyak digunakan. Berdasarkan platform AI, perusahaan tidak hanya dapat dengan cepat membangun model dan aplikasi AI yang memenuhi kebutuhan bisnis, tetapi juga secara efektif memantau dan mengoptimalkan kinerja model. Selain itu, lebih mudah dan efisien untuk mengelola dan mengoordinasikan sumber daya seperti data, daya komputasi, orang, dan proses.
Misalnya, dalam industri listrik, platform AI cloud cerdas Baidu membantu kelompok besar memecahkan masalah bisnis. Di satu sisi, model dan data dapat dibagikan di berbagai anak perusahaan untuk menghindari penemuan kembali roda. Pada saat yang sama, beberapa model terkait produksi keselamatan yang ada menggunakan produk ini, yang dapat langsung didistribusikan ke jaringan provinsi atau kota oleh State Grid, yang dapat memanfaatkan sumber daya AI secara efisien dan memiliki kualitas yang konsisten. Selain itu, platform AI juga dapat membantu perusahaan berinovasi, seperti pengembangan algoritma baru untuk pengiriman daya, menggunakan kerangka pembelajaran penguatan Baidu, yang dapat mewujudkan kalibrasi otomatis parameter penjadwalan tanpa pengalaman manual dari sejumlah besar ahli.
Dalam industri keuangan, solusi platform AI Baidu Intelligent Cloud juga telah membantu banyak lembaga keuangan membangun modul manajemen risiko model besar untuk memastikan kepatuhan proses dan keamanan tepercaya ketika AI diterapkan pada skenario keuangan.
02 Era model besar, cara menjahit
Sejak awal tahun ini, gelombang model besar dan AI generatif telah mempromosikan aplikasi AI yang lebih mendalam di industri, dan platform pembelajaran mesin juga mengantarkan peluang pengembangan baru.
Menurut sumber senior, setelah kedatangan model bahasa besar, perubahan dalam platform pembelajaran mesin tercermin dalam tiga tingkatan. Perubahan yang paling umum adalah pada antarmuka operasi, antarmuka operasi yang kompleks sebelum NLP menjadi lebih sederhana, dan ambang batas untuk aplikasi bahasa perusahaan AI menurun. Pada saat yang sama, kemampuan otomatisasi model ditingkatkan, dan tugas-tugas seperti pemrosesan data, pemilihan model, dan pembuatan laporan otomatis dapat diotomatisasi. Selain itu, ruang untuk aplikasi inovatif AI-native juga telah terbuka.
Dalam konteks ini, banyak perusahaan telah mengambil model besar sebagai suatu keharusan untuk menjawab pertanyaan tersebut, dan berbagai produsen platform juga bersiap untuk meluncurkan berbagai produk dan platform untuk mempercepat penerapan teknologi model besar. Mengambil Baidu sebagai contoh, pada bulan Maret tahun ini, ia meluncurkan platform model besar Baidu Intelligent Cloud Qianfan, yang sangat mengintegrasikan kemampuan utama pengembangan dan aplikasi model besar dengan platform AI untuk menciptakan "pabrik super" untuk layanan model besar.
Secara khusus, Baidu merangkum permintaan industri untuk model besar menjadi lima jenis, apakah itu pelanggan yang hanya membutuhkan daya komputasi, atau perusahaan yang ingin langsung memanggil API model besar atau melakukan pengembangan sekunder berdasarkan model besar yang ada, dan perusahaan yang ingin mengembangkan aplikasi asli AI berdasarkan model besar atau langsung menggunakan aplikasi yang dikembangkan, platform Baidu Qianfan dapat memberikan layanan yang ditargetkan.
Untuk perusahaan yang hanya membutuhkan daya komputasi, platform Baidu Qianfan dapat menyediakan layanan daya komputasi heterogen yang sangat efisien dan hemat biaya. Jin Wei mengungkapkan bahwa untuk melakukan ini, tim teknis platform AI cloud cerdas Baidu menghabiskan beberapa tahun melakukan banyak Pekerjaan Kotor. Misalnya, ini kompatibel dengan chip AI arus utama di dalam dan luar negeri, dan perlu diadaptasi dari empat tingkatan: lapisan kerangka kerja, algoritma inti dan jaringan, model chip, dan sistem operasi. "PyTorch berbeda dari TensorFlow, dan sistem operasinya adalah Windows, Linux atau mikrokontroler, dan pekerjaan yang harus dilakukan juga berbeda. **Kombinasi empat lapis telah menghasilkan 40.000 adaptasi untuk memastikan kelancaran pengoperasian berbagai model. **" Kata Jin Wei.
Saat ini, platform model besar Qianfan tidak hanya terhubung ke model besar Wenxin 4.0, tetapi juga mengelola 44 model besar arus utama pihak ketiga di dalam dan luar negeri, yang merupakan jumlah terbesar di antara platform domestik.
**Beberapa perusahaan ingin mengembangkan kembali model besar yang ada, yang membutuhkan rantai alat yang kaya dan sejumlah besar kumpulan data. **Platform Qianfan saat ini memiliki rantai alat lengkap dan sejumlah besar kumpulan data berkualitas tinggi yang mencakup seluruh siklus hidup pelatihan ulang model besar, penyempurnaan, evaluasi, dan penyebaran, yang dapat dengan cepat mengoptimalkan efek model sesuai dengan skenario dan lebih meningkatkan pengalaman pengguna model perusahaan besar.
Model besar membawa perubahan baru pada proses anotasi data, dan banyak tugas anotasi dapat diselesaikan melalui model. Saat ini, platform Qianfan mendukung reflow data bisnis dan anotasi data yang sangat otomatis. Misalnya, dalam skenario deteksi objek, Qianfan secara langsung menyediakan kemampuan pra-pelatihan, dengan mengklik tombol untuk memberi label sebagian kecil, dan membiarkan model mempelajari gaya anotasi manusia untuk membuat anotasi secara otomatis, yang dapat menghemat 70% ~ 90% tenaga kerja untuk perusahaan.
Ada juga banyak perusahaan yang ingin mengembangkan aplikasi AI-native berdasarkan model besar. Pada pertengahan bulan ini, Baidu Intelligent Cloud merilis "Qianfan AI Native Application Development Workbench", yang mencakup komponen aplikasi umum dan layanan dua lapis kerangka kerja aplikasi untuk pengembangan aplikasi model skala besar, yang ditujukan untuk pengembangan kebutuhan aplikasi asli AI.
Kerangka kerja aplikasi dapat menghubungkan komponen secara organik untuk menyelesaikan tugas lengkap dari skenario tertentu. Platform Qianfan telah menyediakan layanan kerangka kerja yang umum digunakan seperti Retrieval Enhanced Generation (RAG) dan Agen di pasar, dan perusahaan perintis seperti Sany Heavy Industry telah menerapkan kerangka kerja ini untuk dengan cepat mengembangkan aplikasi Tanya Jawab pengetahuan mereka sendiri.
Teknik adalah bidang baru yang lahir setelah munculnya model-model besar. Ini ada hubungannya dengan sifat model besar, dan mengubah instruksi sedikit dapat membuat perbedaan besar dalam output atau perilakunya. Saat ini, berbagai produsen menekankan alat-alat teknik. Platform Baidu Qianfan juga menyediakan lebih dari 10 skenario yang mencakup dialog, pemrograman, e-commerce, perawatan medis, game, terjemahan, pidato, dll., Dengan total 226 template. Menurut laporan, ini adalah jumlah perpustakaan template terbesar di platform utama di Cina. Pengembang dan perusahaan juga dapat menggunakan berbagai otomatisasi dan alat batch yang disediakan oleh platform untuk menyelesaikan proses secara efisien.
Jin Wei percaya bahwa dalam beberapa bulan terakhir, platform model besar Qianfan cloud cerdas Baidu telah meletakkan dasar yang kuat dan siap untuk pertempuran 100 model dan membantu perusahaan menerapkan AI dalam skala besar.
**03 Platform AI, apa pemberhentian selanjutnya? **
AI tidak hanya untuk bisnis besar. Saat ini, produsen platform pembelajaran mesin mementingkan cakupan komprehensif perusahaan besar, pelanggan kecil dan menengah dan pasar pengembang, dan solusi platform AI Baidu Intelligent Cloud juga melayani berbagai kelompok dengan cara yang ditargetkan.
Jin Wei mengatakan kepada Digital Intelligence Frontier bahwa solusi platform AI Baidu adalah istilah umum untuk sejumlah produk, termasuk produk seperti platform pengembangan AI berfitur lengkap BML, platform pengembangan AI tanpa ambang batas EasyDL, dan platform model besar Baidu Intelligent Cloud Qianfan. Untuk bidang yang berbeda atau preferensi pelanggan yang berbeda, platform AI memiliki adaptasi produk yang sesuai. Misalnya, kemampuan pemrosesan data dikemas ke dalam produk EasyData, dan kemampuan pemodelan kode nol juga diekstraksi untuk membuat produk EasyDL, yang dapat membantu pengguna menyelesaikan pemodelan kode nol dengan model pra-terlatih berkinerja tinggi, dan kemampuan model besar dibawa oleh platform Qianfan cloud cerdas Baidu.
Di cloud publik, mayoritas pelanggan adalah perusahaan kecil dan menengah, dan modul platform AI dibongkar ulang dan digabungkan, dengan platform pengembangan AI berfitur lengkap BML dan produk EasyDL sebagai perwakilan utama untuk memenuhi kebutuhan. Menanggapi kebutuhan penyebaran privatisasi pelanggan besar, berbagai produk akan dikemas menjadi produk super besar untuk menyelesaikan pengiriman.
Menurut laporan Forrester, kemampuan produk platform AI cloud cerdas Baidu telah berkinerja baik di lima bidang utama: pemrosesan data, pelatihan model, penalaran prediktif, aplikasi, dan arsitektur.
Jin Wei memperkenalkan kemampuan dan keunggulan unik di berbagai bidang. Mengambil rekayasa fitur di bidang data sebagai contoh, Jin Wei memperkenalkan bahwa platform AI Baidu mengintegrasikan kemampuan manajemen perpustakaan fitur yang sangat baik, dan kemampuannya telah mencapai tingkat profesional. Ini dapat menyediakan fungsi seperti penambahan fitur, penghapusan, modifikasi dan kueri, produksi fitur, berbagi, manajemen versi, verifikasi data, dll., Mendukung berbagai bentuk data dalam aliran persetujuan untuk layanan prediksi, dan memastikan bahwa fitur yang digunakan dalam pelatihan model konsisten dengan fitur dalam prediksi akhir. "Jika distribusi fitur adalah 50 persen pria dan 50 persen wanita selama pelatihan, dan 60 persen pria dan 40 persen wanita diprediksi, maka Anda tidak dapat mengharapkan model menjadi sangat akurat," kata Jin Wei, yang sangat penting untuk akurasi model.
Misalnya, di bidang pelatihan model, platform AI Baidu dapat mendukung pemodelan dan pelatihan berbagai tipe data termasuk gambar, video, teks, ucapan, dan data terstruktur. Dalam hal pemodelan, dukungan alat NoteBook disediakan untuk orang-orang yang ingin menulis kode, dan orang-orang yang tidak suka menulis kode dapat menarik dan melepas atau bahkan mengklik tombol satu atap terintegrasi untuk memodelkan. Untuk sejumlah besar skenario, seperti klasifikasi gambar, multi-label label tunggal, deteksi objek, dan skenario CV lainnya, tim algoritma Paddle telah melakukan pengoptimalan mendalam berdasarkan operator Paddle, dan kinerja serta efeknya akan lebih baik.
Keuntungan unik dari kinerja produk tidak dapat dipisahkan dari investasi teknis jangka panjang dan perhatian terhadap tren teknologi baru. Menurut tim R&D platform AI Baidu, mereka sangat prihatin dengan tren teknologi baru, seperti tiga tahun lalu, industri sedang mendiskusikan masalah interpretabilitas model, dan jika Anda tidak tahu bagaimana model membuat keputusan, itu akan mempengaruhi penggunaan model dalam skenario dengan persyaratan kepatuhan keamanan yang tinggi. Secara umum, model pembelajaran mendalam memiliki parameter yang jauh lebih besar daripada model pembelajaran mesin tradisional, dan masalah kotak hitam akan lebih serius.
Setelah persiapan yang lama, tim platform AI Baidu akhirnya mengatasi algoritma kemampuan menjelaskan model di bidang pembelajaran mesin konvensional, mengintegrasikan prinsip-prinsip kotak putih dari lima pembelajaran mesin umum, dan juga mengatasi beberapa masalah interpretabilitas pembelajaran yang mendalam. "Mencari tahu kapan sebuah model membuat keputusan, apakah itu didorong oleh data atau diinduksi algoritma, dapat dikaitkan, dan hasil ini mempromosikan penerapan produk terkait platform AI dalam skenario industri khusus seperti pengambilan keputusan keuangan." Jin Wei memperkenalkan.
Saat ini, industri membagi paradigma pengembangan model besar menjadi lima lapisan, model besar itu sendiri, teknik, rantai alat rantai dan rantai tindakan, agensi dan multiagensi. Fokus utama platform cloud Qianfan cerdas Baidu sangat solid di lapisan pertama dan kedua, dan tiga lapisan terakhir, termasuk rantai alat, agen, dan kemampuan multiagensi, juga dalam tahap konstruksi utama. Jin Wei memperkenalkan bahwa platform model besar Qianfan akan terus ditingkatkan dan ditingkatkan, sehingga model besar dapat secara mandiri mengerahkan inisiatif subjektifnya dan memiliki kemampuan untuk memecahkan masalah yang kompleks. Pada saat yang sama, rencana untuk melaut tidak dikesampingkan di masa depan **.
Secara umum, di bawah konstruksi perusahaan yang cerdas, penerapan AI oleh perusahaan telah sangat ditingkatkan, dan persaingan di bidang platform AI menjadi semakin sengit. Untuk tetap berada di depan kurva dan memenuhi tantangan jangka panjang dalam mengubah kepatuhan dan kompleksitas teknis, produsen juga perlu berinvestasi dalam teknologi. Jin Wei percaya bahwa produsen perlu mematuhi inovasi teknologi dan meningkatkan kepuasan, keamanan, dan kepatuhan pelanggan untuk beradaptasi dengan pasar yang berubah ini.