汎用大型モデルの実用化はまだ初期、生成AIは始まったばかり

出典: チタンメディア

著者: 秦従輝

画像ソース: Unbounded AI によって生成

大型模型に対する人々の見方は、熱狂的な追求から平静への回帰へと静かに変化しつつある。コンプライアンスや法規制などの理由から、汎用の大型モデルの実用化には時間がかかる一方、産業界側は金融・金融などのパイロット分野への投資が始まったばかりである。医療行為を行っているため、すぐに効果が現れるものではありません。

このようにして、狂気のスパイラルが徐々に減速すると、さまざまな声が徐々に本当の「大きなモデル」像を描写するようになった。

その中で「一般大規模モデル」を採用するか「業界大規模モデル」を採用するかは、各社が検討を経て選択しており、大規模モデル競争に伴い「生成型AI」が参入してきた。スポットライト。 ChatGPT は、人工知能産業の発展が新たな段階に入る上での一撃に他ならず、AI を時代の中心に押し戻すことになると言わざるを得ません。

一般モデルと業界モデルの戦い

ChatGPTは汎用大型モデルの巨大な力を業界に認識させ、これが将来のビジネススペクタクル「百モデル戦争」につながり、多くの投資家や起業家が眠れなくなり、GPUリソースが枯渇しました。しばらく「洛陽紙は高い」。

その中には「涼山」に行かざるを得なくなった業界トップのテクノロジー企業も少なくない。大型模型業界の関係者はかつてチタニウム・メディア・アプリに対し、自社の現状をこう明かした。 「大規模モデルがないと説明が難しい」ということで、汎用大規模モデルを開発中であるというニュースを外に発信できると同時に、研究をスピードアップすることができるのです。内部での開発の進捗状況。

しかし、一般的な大規模モデルは結局のところ、時間と労力がかかる作業であり、OpenAI が GPT1 を反復するのに 6 年かかり、数年前にトレーニングを開始しました。したがって、AI技術やデータの基礎的な蓄積がなければ、一般的な大型モデルの商用化を短期間で実現することは非常に困難です。

また、汎用大規模モデルには学習用の公開データが当然必要ですが、汎用大規模モデルに独自のデータを入れるということはデフォルトでデータが共有されることにもなります。したがって、データプライバシー要件が高い一部の業界では、準備なしに汎用の大規模モデルにアクセスする可能性は低いです。

このような状況下、業界の大型モデルは一般の大型モデルに次ぐ業界の「次善の策」となっており、より早く大型モデルの配当を享受できる。 360 グループの創設者である周宏儀氏も、「人工知能の大規模モデルの将来のチャンスはエンタープライズレベルの増分市場にあり、大規模モデルの『垂直化』が開発の方向性である」と率直に述べた。大規模工場の技術幹部もTitanium Media Appに語った。 「大規模モデル計画の観点から、私たちは汎用大規模モデルを反復し続け、業界垂直大規模モデルのトレーニングのためにこのベースを重ねていきます。」

つい最近、2023 年の世界人工知能会議で、テンセント グループの上級執行副社長でクラウドおよびスマート産業ビジネス グループの CEO である唐道生氏も、企業の大規模モデルの適用では業界の専門性を包括的に考慮する必要があると述べました。 、データセキュリティ、継続的な反復、総合的なコストなどの要因です。大規模なインダストリ モデルに基づいて、独自の専用モデルを構築することは、企業にとってより良い選択肢である可能性があります。その理由は、業界の大規模モデルは汎用の大規模モデルよりも必要なパラメーターが少なく、トレーニングと推論のコストが低く、モデルの最適化が容易であるためです。

しかし、Titanium Media App は、業界の人々から、場合によっては、汎用の大規模モデルが垂直大規模モデルの必須条件ではないことも学びました。つまり、業界規模のモデルをトレーニングするためのプラットフォームには、汎用の大型モデルをベースにしています。 「定義された一般的な大規模モデルが数千億のパラメータを持つモデルである場合、一般的な大規模モデルは大規模インダストリ モデルの必要条件ではありません。」スケールインダストリーモデルはTitanium Media Appに語った。ただし、汎用の大規模モデルは大規模インダストリ モデルの必須条件ではないが、Transformer などの汎用大規模モデルをトレーニングするためのさまざまな基盤テクノロジーも大規模インダストリ モデルのトレーニングには必須の要素であるとも述べました。 。

常に「1000億」のパラメータを持ち、一般的な大型モデルとの関係を「無視」することで、垂直型大型モデルの敷居がさらに低くなり、生成AIのさらなる発展の可能性が広がります。

大規模モデルに加えて、生成 AI も注目に値します

大規模なモデルに関しては、生成 AI (Generative Al) が常に使用されます。両者の関係を簡単に理解すると、ビッグモデルは生成AIを実現するエンジンとして理解できます。つまり、生成AIの能力は機械学習モデルまたはビッグモデルによって提供され、生成AIの方が上位です。必要なシナリオに応じて、どの大規模モデルを呼び出すかを決定できます。ChatGPT は、生成 AI の代表的なアプリケーションの 1 つです。

2020 年には生成 AI が Gartner Emerging Technology Hype Cycle に選ばれ、2022 年には主要な戦略的テクノロジ トレンドの 1 つとしてリストされ、このテクノロジはイノベーションのトリガー段階から期待が膨らむピークに入りました。 Gartner は、生成 AI が蒸気機関、電気、インターネットと同様の影響を与える汎用テクノロジーになると考えています。生成型 AI が徐々に実装されるにつれて、この概念をめぐる誇大宣伝は徐々に薄れ、人々や企業が日常の仕事や生活に与える影響は増大するでしょう。

画像クレジット @Gartner

世界的なクラウド コンピューティング大手の Amazon Cloud Technology も、生成 AI にさらに力を入れており、Amazon Cloud Technology の CEO、アダム セリプスキー氏は、ブルームバーグ、CNBC、その他のメディアとの独占インタビューで、「生成 AI はチャットボットや検索において非常に重要です」と述べています。 「生成 AI の応用利点は誰の目にも明らかですが、これは多くの可能性の氷山の一角にすぎません。将来、生成 AI はあらゆる分野に変化をもたらすでしょう。」彼は生成 AI を「画期的な進歩」と見なしています。 「変化、そしてそれ自体が変化するかもしれない」 インターネットの誕生以来、最大の変化。

「想像してみてください。コンピュータがインターフェースとしてパンチカードを使用している時代には、ごく少数の科学者だけがコンピュータを使用できるようになります。グラフィカルインターフェースとマウスが人間とコンピュータの対話インターフェースになると、誰もがコンピュータを使用できるようになります。」とアダム・セリプスキー氏は語った。

では、生成AIがもたらす変化はどのように反映されるのでしょうか?

自動車分野では、一部の企業が生成 AI を使用して自動運転トレーニング用のデータを合成し、トレーニング プロセスを高速化していることがわかります。製造分野では、生成 AI は大量の IoT テレメトリ データの分析、予測の実行に役立ちます。メンテナンスが容易になり、生産ラインのダウンタイムが削減されます。オートデスクは生成 AI を利用して航空機メーカーと協力して隔壁の設計の一部を完成させ、45% 軽量化された新しい設計を導入しました。このフライトウォールを世界の航空機に適用すると、93,000台の自動車の燃料消費量に相当する燃料が節約されます。

ただし、オートデスクが依存している生成 AI は特定の大きなモデルではなく、機械学習モデルで構築された AI 駆動の設計ツールであることを強調する必要があります。

したがって、生成型 AI の実現において、大規模モデルは単なるオプションであり、将来的に大規模モデルが支配することはありません。 Titanium Media App は、ほとんどの企業が大規模モデルへのアクセスを検討する際、1 つの大規模モデルに直接アクセスするだけでなく、複数の大規模モデルへのアクセスを選択することを懸念しています。したがって、これらの大型モデルのうち、垂直型大型モデルと一般的な大型モデルとの連携が将来的に排除されない可能性があります。

2つの国産ソフトウェアであるUFIDAとWPSを例に挙げると、UFIDAは最近、大規模エンタープライズサービスモデルであるYonGPTをリリースしたが、Titanium Media Appによると、YonGPTがアクセスする予定の一般的な大規模モデルベースには、Zhipu ChatGLM、Wenxinyiyan、Zhiyuan Wudao Tianyingなどが含まれるという。 ; WPS は以前に WPS AI をリリースしました。最新のニュースによると、中国本土における WPS AI の一般的な大規模モデル ベースは MiniMax であり、そのリリースされたばかりの海外版は OpenAI と PaLM2 によってサポートされています。

生成 AI の世界では、大規模なモデルに依存しません。また、生成 AI の成功を決定するのは大規模なモデルだけではありません。

生成 AI の実装もさまざまな側面の結果であることは否定できず、生成 AI の実装を取り巻く「二次的な」課題が明らかになりつつあります。

** 生成 AI における「二次」の課題 **

「携帯電話に『猫がソファの上を走ったらリマインドして』と言うと、猫がソファの上を走ると携帯電話にアラームメッセージが届きます。」シニアビデオソリューションプロバイダー、山東中衛世紀科技有限公司王正斌副主席は講演の中で、スマートホームにおけるインテリジェントビデオ検出の応用シナリオについて言及した。

しかし、これは一見単純なシーンですが、その背後にあるマルチモーダルな大規模モデルに加えて、エッジのネットワークとコンピューティングも非常に重要です。 「ChatGPT のような生成 AI アプリケーションでは、ネットワーク パケット損失率が 1% に達すると、大規模モデル トレーニング プラットフォームのパフォーマンスはピーク パフォーマンスの 5% に低下します。これは、95% が失われることを意味します。ネットワーク機能のパフォーマンス大規模モデル プラットフォーム全体が非常に重要な要素です」とインテル中国ネットワークおよびエッジ部門最高技術責任者兼インテル シニアチーフ AI エンジニアの Zhang Yu 氏は述べています。

AI 需要の爆発的な増加に伴い、エッジでの人工知能の導入はデータベースでの導入の 3 倍になると予測されており、これはエッジ AI の導入が開発の次のステップにおける大きな課題であることも意味します。人工知能の。

「工場の生産ラインなどのエッジエンドに人工知能を導入するための時間コストと人件費は依然として高く、エッジ人工知能の導入の半分以上は失敗しています。」インテルの上級副社長兼ゼネラルマネージャーのサチン・カッティ氏は述べています。ネットワークとエッジ部門は、最近、大規模モデルの時代のエッジコンピューティングについて話したときに、彼はこう言いました。その理由としては、設備が古くエッジコンピューティングのリソースが不足していることが挙げられますが、一方で独自のデータをどう活用してAIを導入するかということも非常に重要です。多くのエッジ AI 導入は、これらの課題によって妨げられるでしょう。

同時に、生成 AI のパフォーマンスの向上は最終的にはデータによってサポートされる必要があり、現在、業界は生成 AI におけるデータのセキュリティを確保することを期待している一方で、データの安全性を確保することも望んでいます。ソースが豊富で入手可能。

これらの問題の解決も進んでいます。 「今日の大規模モデル システムと AI システムは、データに強く依存しており、データ駆動型のインテリジェント システムです。このシステムには、データの広さと不偏性に対する非常に高い要件があります。データが非常に偏っていると仮定すると、それを効果的にサポートするのは困難です」 . 人工知能システムの開発」 アント グループの副社長兼最高技術セキュリティ責任者であるウェイ タオ氏はかつてこう語っていたことから、AI データ セキュリティを逆検証するためのツールがすでに存在していることがわかります。

データソースの開発に関しては、つい最近、深センデジタル取引所が約50の組織に参加して「オープンコンピューティングアライアンス」を設立しました。共同スポンサーには、Tencent Cloud、Huada Genomics、Yuntian Lifei、Obi Zhongguang、および中国のUBTECHが含まれます。 Unicom 広東支店、Huaao Data およびその他の企業、深セン人工知能協会およびその他の協会、国家スーパーコンピューティング深センセンターおよびその他のシンクタンクおよび研究機関。 Computing Alliance 設立の主な目的の 1 つは、高品質の中国トレーニング データとマルチモーダル トレーニング データを中心に、データ要素、データ ガバナンス、トレーニング データ、データ ラベリング、合成データなどの関連標準の策定を調整することです。 、モデル関連の新しいカテゴリと新しい領域を増やすためのデータ交換を支援します。

生成 AI の開発で遭遇する課題は言葉で言い尽くすことはできず、ChatGPT によって引き起こされた世界的な AI の嵐は ChatGPT で終わるわけではありません。人工知能の新しい世界が開かれた後、初期の大型モデルと生成型 AI も多くの問題を明らかにし、一連の課題を引き起こしましたが、同時に、あらゆる階層に探索と革新の機会を提供しました。

業界は生成 AI に向けて急いでいますが、これは人工知能、さらには人間の発展にとっても決して悪いことではありません。

原文表示
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
  • 報酬
  • コメント
  • 共有
コメント
0/400
コメントなし
いつでもどこでも暗号資産取引
qrCode
スキャンしてGateアプリをダウンロード
コミュニティ
日本語
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)