大規模モデルが業界に根付く「能力の創発」から「価値の創発」へ

出典：イーバンパワー

画像ソース: Unbounded AI によって生成‌

2023年初頭から鳴り響いた人工知能AIの「壮大な動き」は、最近ではそれほど「甘い」ものではなくなり、ノイズや疑惑が入り混じる。

**たとえば、交通紛争。 **

海外調査機関Similarwebのデータによると、OpenAIが全面的に進歩した後、5月以降、トラフィックの伸びは横ばいとなっている。 6 月には、ChatGPT への訪問数が初めて前月比で減少し、その率は 9.7% でした。このデータによると、AIが再びクールになるだろうと言う人もいます。

ただし、調査トラフィックは C エンドのデータのみであり、現在 AI は B エンドに取り組んでいるという世論もあります。 B 側のトラフィックは現在の総トラフィックの半分を超えており、急速に増加しています。研究機関が完全なデータを入手していないだけです。

フローは短期的な変動ですか？それとも長期的な下落？それとも本当に違う強調点があるのでしょうか？

**別の例は、偽りの熱意です。 **

Matrix Partners のパートナーである Zhang Ying 氏は、比較すると非常に興味深い 2 つのデータを共有しました。 1つは、今年3月から5月にかけて、S&P500指数構成企業のうち110社の幹部が業績交換会でAIに言及したことだが、これは過去10年間で同種のデータの3倍に上る。

しかし、別の異なるデータとしては、国際投資銀行モルガン・スタンレーが最近 2,000 人以上を対象に調査を実施したところ、その 80% が ChatGPT や Google の Bard1 を使用したことがないことが判明しました。

このデータと比べると、「イェゴンはドラゴンが大好き」という感じですね。これら企業経営者、テクノロジー大手、アナリストの熱意は偽物なのでしょうか？

** または、ユーザーの混乱。 **

C エンド ユーザーは非常に熱心で誠実ですが、使用後は疑問を抱きます。人間は詩を書いたり絵を描いたりしたいので、人間が床を掃いたり皿を洗ったりするのをロボットに手伝ってもらいたいのです。その結果、私たち人間が依然として床を掃いたり皿を洗ったりしている間、AIは詩や絵を書くようになりました。

人工知能の「出現」は現実世界には反映できないのでしょうか？

トラフィック、誤った熱意、ユーザー間の混乱に関する論争、これらの論争は、大規模モデルの開発の中核要素にも直接ぶつかります。** はどのようにして実際に生産力になることができるのでしょうか? **

異なる答え方は異なる AI 開発システムを形成し、企業の将来の発展の分水嶺にもなります。

01 アルゴリズムから製品へ

人工知能はその誕生の日から、歩くための「2本の足」を強化してきました。1本はテクノロジー、もう1本はアプリケーションです。

AI技術の向上の背景には、計算能力、データ、アルゴリズムの3大要素が共通に支えられている。例えば、アルゴリズムの面では、人工知能はルール、統計的機械学習、深層学習、事前学習などの段階を経てデータ量が大幅に増大し、「先駆的」アルゴリズムであるTransformerが注目を集めています。このメカニズムにより、AI が「質問をする」ことが可能になります。 迅速な方法での迅速なトレーニングにより、大幅な突然変異とより強力な自己学習能力が示されます。

テクノロジーの飛躍には驚きが伴いますが、人工知能の開発の歴史を振り返ると、いくつかの驚きの後には孤独があることがわかります。

たとえば、1956 年に発生した熱波では、人工知能はチェスをしたり積み木を捕まえたりすることができましたが、1973 年に学術界の報告書は次のように結論付けています。 これまでのところ、この分野の発見は当初の期待を生み出していません。 . 重大な影響2。

1976年にはAIを活用したエキスパートシステムが医療診断や相談に参加し始めた。熱波が再燃する中、世界中の政府が投資を強化している。しかし、さらに 10 年後、機械の専門家にはそれほど才能がないことが判明しました。医師は依然として直接そこに行かなければなりませんが、それだけでは十分ではありません。

2016 年以来、Google AlphaGO は囲碁界の多くの人間のチェス王に挑戦し、5 日間で 60 連勝しました。李世師も柯潔も降参するしかない。人々は人工知能の威力を嘆いていますが、今後 5 年間、AI は何も驚くべきことを成し遂げていません。

浮き沈みの分岐点はまさに「製品」です。良い製品があるかどうか、テクノロジーが祭壇から降りて社会に入り、真に生産性と創造性のリーダーとなることができます。

技術と製品が相互に宣伝し合うケースは数多くあります。例えば、世界的な衛星通信サービスを提供するモトローラ社のイリジウムプロジェクトは、技術的には先行していたが、製品の接地がされていなかったため、正式運営から4年間で破産を宣告された事例である。成功例としては電気自動車が挙げられ、電池や電気駆動装置は既存の技術ではあるが、技術感の強い製品が出てきて初めて市場が徐々に開かれることになる。

大規模モデルの分野に戻ると、今回の AI 潮流には興味深い点があります。OpenAI は世界的に有名な ChatGPT をリリースしましたが、継続的な最適化のために Google の Transformer アルゴリズムを使用しています。これは、今回の大規模なモデル競争と人工知能の波において、アルゴリズムだけでは十分ではないことを示しています。弱いのはアルゴリズムだけであり、アルゴリズムの一点競争はやがて「製品競争」に取って代わられることになる。

また、OpenAI は単なる「魅力的なテクノロジー」ではなく、その背後には Microsoft の強力な「製品システム」、つまり検索 Bing、オフィス ファミリー バケット、パーソナル アシスタント、広告マーケティングやその他のエンタープライズ向けクラウド サービスのサポートもあります。

これはベンチャーキャピタル界における「黄金律」のようなもので、創業者がテクノロジーの専門家やマニアの場合、資金を提供すると同時に、市場を理解しているパートナーにも資金を提供しなければならない。このように、技術は賞賛されますが、収入は人気がありません。

したがって、テクノロジーを重視すると同時に、アプリケーションの指導と製品の推進にもより注意を払っています。特に大規模企業の場合は、パートナーに伝えるのではなく、強力なAI機能をたくさん持っているので、それを自由に使ってください、というような製品モジュールを提供するのが現実に近いのかもしれません。では、良い製品を作るにはどうすればよいでしょうか?

02 一般から産業へ

たとえ諸葛亮が天文学を上層部、地理学を下層部に知っていたとしても、ダ・ヴィンチが絵を描いたり、解剖したり、飛行機を作ったりできたとしても、それはその時代の知識にとどまる。一方、人工知能は、多数の入力に依存して知識の限界を大幅に拡大します。

しかし、人工知能の知恵は完璧で普遍的なものではありません。ここ数ヶ月の経験から判断すると、AIは時折「真面目にくだらない話をする」ことがあります。おそらく AI は意図的に嘘をついているわけではありませんが、一般的なモデルがまだ不完全であることを示しているのは確かです。

特に、金融、教育などの特定の分野に関しては、一般的な大規模モデルの限界は明らかです。結局のところ、生姜はまだ暑い地域が常に多く、ノウハウが重要です。

しかし、大型モデルが参入できなければ価値は大きく下がってしまいます。特に、巨大で豊かな産業チェーン基盤を持つ我が国にとっては、コストを削減し、効率を向上させ、新たな価値を生み出すために、すべての垂直産業を新しい技術と組み合わせる必要があります。

では、垂直分野では小さなモデルを作成するだけでよいのでしょうか？答えは否定的です。小規模なインダストリ モデルは、特定の分野の問題を解決したり、適切な仕事をしたりできますが、問題が 2 つあります。

1つは一般化ができていないということで、一度シーンを変更すると、再度変更する必要が生じ、大幅なコストの増加につながる可能性があります。一人一皿、料理はリピートしない、こんなお店を開いたら確実に潰れます。したがって、限られた知性は知性ではありません。

一方で、申請プロセス中にユーザーが突然いくつかのクロスドメインの質問をすると、小規模モデルも混乱するでしょう。車両、電池、半導体の両方を備えた電気自動車のように、業界のクロスオーバーの傾向がますます顕著になっていることは明らかです。ユーザーの視点に立って考えると、たとえまったく関係のない分野であっても、ワンストップでサービスを受けたいと考えてしまいます。

したがって、大型モデルが垂直産業に参入する必要があり、垂直産業にも大型モデルが必要です。実行する方法？観測サンプルはJD.comです。

2021 年に、JD.com は大規模モデルへのドメイン知識の注入を主導し、これによりモデルの精度を 83% から 96% に向上させることができます。つい昨日、JD.comは業界向けに1000億レベルの延西スケールモデルを発表した。紹介文によれば、**同社の学習データの70%は一般的なビッグデータであり、残りの30%はJDの小売、物流、健康、金融などの各業界の業務プロセスで蓄積された業界ノウハウデータであるとのこと。 ** 。

案の定、大人は選択するのではなく、両方を望んでいます。

実際、これは正しいことなのです。このラウンドの生成 AI は非常に魅力的ですが、アルゴリズムが強力で、データが豊富で、コンピューティング能力が十分に強力であるためでもあります。そして最大のモデルは静的ではなく、継続的に学習します。したがって、データとアルゴリズムは「フライホイール効果」を形成します。より多くの優れたデータが利用可能になるにつれて、アルゴリズムはますます高度になります。アルゴリズムがより効果的であればあるほど、より多くのユーザーが存在し、より多くのデータフィードバックが得られます。 **。

したがって、できるだけ早く「データ アルゴリズム」の閉ループを形成することが、製品の成功への道であるだけでなく、企業競争の鍵でもあります。

さらに、高品質のデータも不足しています。題して「データ量が足りなくなる？」 「このレポートは、早ければ 2026 年にも高品質の自然言語データが大規模な言語モデルによって枯渇する可能性があることを示しています。優れたデータを持っている人は、より優れた「弾薬」を手に入れることができます。そして、特に産業分野における優れたデータは、実際の産業シナリオから得られるものでなければなりません。

したがって、「データ-アルゴリズム」の閉ループは、「シーン-プロダクト」の競合として解釈されます。そして、現場に参入することによってのみ、大規模モデルは「能力の出現」から「価値の出現」に移行することができます。

03 ネイティブからエンパワーメントへ

産業価値の創出を実現する一つの方法は、産業と協力し、テクノロジー企業が技術を提供し、産業がノウハウを提供することです。もう 1 つの方法も最良の方法です。それは業界からの方法です。

自分の産業ビジネスを所有している場合は、損失を被り、雷を踏み、戦いを戦い、戦いに勝ち、戦い方を知っているという、本物の貴重な「高品質のデータ」を手に入れることができます。これらのデータは触媒のように、ビジネスに近く、問題をより適切に解決できる大規模モデルの開発を効率的に推進できます。

過去の事例としては、中国におけるクラウドサービスの開発があります。国内・海外を問わず、クラウドの初期段階は企業自身のニーズから始まり、その後は市場志向になります。クラウドサービスが始まった当初は、どの「製品」も同じように見えますが、私はあなたが持っているものを持っています。しかし、テクノロジーとビジネスの融合には、各社それぞれの特徴があります。

京東を例に挙げてみましょう。 JD.comは「マーケティング、貿易、倉庫保管、流通、アフターセールス」などの事業からスタートしましたが、物理的なサプライチェーンネットワークの段階的な改善に伴い、内部サプライチェーンのデジタル化とJD. com 独自の小売、金融、物流、健康、産業およびその他の分野の根深い発展に伴い、JD.com は「** サトウキビの最後の 5 セグメント」から「** の最初の 5 セグメント」への拡大を徐々に完了しました。 ": ** にはプラットフォーム、シーン、AI があり、経験があります**。

その後、JD.comはサプライチェーンでの経験をJD Cloudの技術をベースにした「デジタルインテリジェンスサプライチェーン」の製品とサービスに磨き上げ、社会に輸出しました。その結果、デジタルインフラの効率向上、産業相乗効果の効率向上、都市のインテリジェント管理の機能が形成されました。

現在、Jingdong Shuzhi のサプライチェーンには 1,000 万を超える自社製品 SKU があり、800 万を超えるアクティブな法人顧客にサービスを提供しています。そのうち 90% 以上が中国の世界トップ 500 企業であり、世界トップ 500 企業の 70% 近くが中国に属しています。国の専門化された中小企業と、全国の2,000以上の工業地帯との緊密な協力に達しました。

長いリンク、複雑なコラボレーション、より動的なデータ バックフローを伴うこの種の JD.com シナリオは、大規模モデルの最適なトレーニングの場であり、産業上の利点を最大限に体現するものでもあります。

内部クラウドから外部クラウドへの経験は大規模モデルの開発にも生かされています。 Jingdong 氏は、大規模モデルに対する「3 段階のアプローチ」も提案しました。

画像出典：JDクラウド

まず、今年7月にベースレイヤー、モデルレイヤー、MaaS、SaaSの4層システムからなるYanxi大規模モデルをローンチした。 2つ目は、半年かけて社内のさまざまな事業領域を「研ぎ澄ます」とともに、外部パートナーとのベンチマーク協力も適度に行い、「失敗・改善・結論」のサイクルを複数回繰り返してプロダクト統合を実現することです。最後に、2024 年上半期の工業生産高に関して、私たちはより良い姿勢とよりオープンなエコロジーを用いて業界にサービスを提供し、業界の効率を向上させます。

社内アプリケーションも非常に効果的です。たとえば、金融マーケティングの分野では、ここは京東商城の「旧拠点」でもあります。 JD Finance は数十年にわたる事業開発を通じて豊富な知識を蓄積しており、AI と組み合わせることで、主要なタスク、動的な適応性、ユーザー エクスペリエンスを効率的に最適化できます。

例えば、運用担当者の学習コストや運用コストを削減し、ソリューションの生産効率を数百倍に高め、製品/研究開発/アルゴリズム/など5種類以上の機能でしか完了できないプロセスを削減します。設計/分析を 1 人に担当できると同時に、エントランスの新しいインタラクティブ モードにより、人間とマシンのインタラクションの数が 2,000 から 50 未満に減り、運用効率が 40 倍以上向上します。

数値が大幅に増加していることは、リズムの観点からはこの 3 歩歩きが少し遅いように見えることも示しています。しかし、大型モデルの投入コストと業界への重大な影響を考慮すると、段階的なアプローチを採用することによってのみ、テクノロジーが利益を生み出すことができる「段階的な利益」に変換することができます。

言い換えれば、産業上のブレークスルーを真に達成するのは簡単ではないため、実際には遅いわけではありません。しかし、京東グループCEOの徐蘭氏の自信のように、大型モデルに産業側から切り込むことは、技術の高いエベレストを北斜面から登るようなもので、道はより険しいですが、より壮大な景色と景色が待っています。素晴らしい探索価値。物理的およびデジタルのサプライチェーンを徹底的に理解することによってのみ、大きなモデルが業界に力を与えることができます。

ガートナー曲線でまとめられた経験の通り、物事の発展は「技術の芽生え～期待の拡大～谷間の登り～回復～生産の成熟」といった段階を経ます。それを別の文で要約すると、リズムの問題を構造的な問題として扱わないでください。

テクノロジーの発展は避けられない流れであり、人工知能は「データ、アルゴリズム、計算能力」の3つの要素によって発展し続けますが、その過程には紆余曲折が必ずあります。必要とされているのは、技術の研究開発と応用における企業の科学的リズムと、トレンドを見てそれに固執する長期主義です。

JD.com のサプライチェーンにおける粘り強さと躍進は、長期主義の勝利の縮図です。現在、人工知能の波が押し寄せる大規模なモデル競争においても、同様のことが必要とされています。

このテクノロジーは急速に導入されていますが、業界に根付く限り、必然的に大きな価値が生まれると確信できます。京東グループCEOの徐蘭氏が述べたように、産業の効率と産業の境界が拡大し、質的に向上すると、大型モデルはより重要な実用的価値と重要性を持ち、新たな産業革命に匹敵するものになるだろう。

人工知能の公式は、「シナリオ、製品、コンピューティングパワーグループ、および産業の厚さ」にも演繹されており、これが大きなモデルを「能力の出現」から「価値の出現」に促進するための鍵となります。

[1] Jingwei Zhang Ying: AI の遠くと近く、カオス アカデミー、2023 年。

[2] ライトヒル報告書、英国科学研究評議会、1973 年