Modelos de grande escala se enraízam na indústria: de "emergência de capacidades" a "emergência de valor"

Fonte original: Yibang Power

Fonte da imagem: Gerada por Unbounded AI‌

O "grande movimento" da inteligência artificial AI que soou desde o início de 2023 não é mais tão "doce" recentemente, mas misturado com ruídos e dúvidas.

**Por exemplo, disputas de trânsito. **

De acordo com dados da organização de pesquisa estrangeira Similarweb, depois que a OpenAI fez grandes progressos desde maio, o crescimento do tráfego diminuiu. Em junho, o número de visitas ao ChatGPT até registou pela primeira vez uma quebra face ao mês anterior, com uma taxa de 9,7%. De acordo com esses dados, algumas pessoas dizem que a IA vai ser legal novamente.

No entanto, também há opiniões públicas de que o tráfego de pesquisa é apenas dados C-end, enquanto a IA está trabalhando atualmente no B-end. O tráfego no lado B excede até a metade do tráfego total atual e está aumentando rapidamente. Só que as instituições de pesquisa não obtiveram os dados completos.

O fluxo é uma flutuação de curto prazo? Ou declínio a longo prazo? Ou é realmente uma ênfase diferente?

**Outro exemplo é o falso entusiasmo. **

Zhang Ying, sócio da Matrix Partners, compartilhou dois dados bastante interessantes em comparação. Uma delas é que, de março a maio deste ano, entre as empresas do índice S&P 500, executivos de 110 empresas mencionaram a IA nas bolsas de desempenho, que é três vezes o mesmo tipo de dados nos últimos dez anos.

Mas outro conjunto de dados diferentes é que o banco de investimento internacional Morgan Stanley conduziu recentemente uma pesquisa com mais de 2.000 pessoas e descobriu que 80% delas nunca usaram o ChatGPT ou o Bard1 do Google.

Comparado com esses dados, parece que "Ye Gong adora dragões". O entusiasmo desses executivos corporativos, gigantes da tecnologia e analistas é falso?

** Ou, a confusão dos usuários. **

Os usuários do C-end são muito entusiasmados e sinceros, mas depois de usá-lo, eles têm dúvidas: queremos robôs para ajudar os humanos a varrer o chão e lavar a louça porque os humanos querem escrever poesia e pintar. Como resultado, a IA agora está escrevendo poemas e pinturas, enquanto nós, humanos, ainda varremos o chão e lavamos a louça.

Será que o "surgimento" da inteligência artificial não pode ser refletido no mundo real?

Controvérsia sobre o tráfego, falso entusiasmo e confusão entre os usuários, essas controvérsias também atingem diretamente os elementos centrais do desenvolvimento de grandes modelos: como ** pode realmente se tornar uma força produtiva? **

Diferentes formas de responder moldarão diferentes sistemas de desenvolvimento de IA e também se tornarão um divisor de águas para o desenvolvimento futuro das empresas.

01 Do algoritmo ao produto

Desde o dia em que nasceu, a inteligência artificial vem fortalecendo suas “duas pernas” para caminhar: uma é a tecnologia e a outra é a aplicação.

Por trás da melhoria da tecnologia de IA está o suporte comum dos três principais elementos de poder de computação, dados e algoritmos. Por exemplo, em termos de algoritmos, a inteligência artificial passou sucessivamente por etapas como regras, aprendizado de máquina estatístico, aprendizado profundo e pré-treinamento, expandindo muito a quantidade de dados; e o "pioneiro" algoritmo Transformer, através da atenção mecanismo, permite que a IA "faça perguntas" Treinamento rápido de maneira rápida, mostrando mutação significativa e capacidade de autoaprendizagem mais forte.

Cada salto na tecnologia trará surpresas, mas se você olhar para trás na história do desenvolvimento da inteligência artificial, verá que depois de várias surpresas, existe a solidão.

Por exemplo, na onda de calor que surgiu em 1956, a inteligência artificial poderia jogar xadrez e pegar blocos de construção, mas em 1973, um relatório da comunidade acadêmica concluiu: Até agora, nenhuma descoberta neste campo produziu a promessa original .Impacto significativo2.

Em 1976, o sistema especialista baseado em IA começou a participar de consultas e diagnósticos médicos. Com ondas de calor renovadas, governos de todo o mundo estão intensificando os investimentos. No entanto, dez anos depois, descobriu-se que os especialistas em máquinas não mostravam muito talento. Os médicos ainda têm que ir lá pessoalmente, o que não é suficiente.

Desde 2016, o Google AlphaGO desafiou muitos reis do xadrez humano no mundo Go, conquistando 60 vitórias consecutivas em 5 dias. Mesmo Li Shishi e Ke Jie só podem se render. As pessoas lamentam o poder da inteligência artificial, mas nos próximos cinco anos, a IA não fez nada incrível.

A virada entre os altos e baixos é justamente o "produto": quer haja um bom produto, deixe a tecnologia descer do altar e entrar na sociedade, e se tornar verdadeiramente o líder da produtividade e da criatividade.

Existem muitos casos em que tecnologia e produtos se promovem mutuamente. Por exemplo, o caso de falha é o projeto Iridium, da Motorola, que fornece serviços globais de comunicação via satélite.Sua tecnologia é líder, mas como seus produtos não são aterrados, declarou falência após quatro anos de operação oficial. Casos de sucesso incluem veículos elétricos Embora as baterias e os acionamentos elétricos sejam tecnologias existentes, o mercado se abrirá gradualmente somente após o lançamento de produtos com forte senso de tecnologia.

Voltando ao campo dos grandes modelos, há um ponto interessante nessa rodada da maré da IA: a OpenAI lançou o mundialmente famoso ChatGPT, mas usa o algoritmo Transformer do Google para otimização contínua. Isso mostra que, nesta rodada de competições de modelos em grande escala e na onda da inteligência artificial, os algoritmos por si só não são suficientes. Apenas o algoritmo é fraco; a competição de ponto único do algoritmo acabará por dar lugar à "competição do produto".

E OpenAI não é uma "tecnologia fascinante". Por trás dela também está o suporte do poderoso "sistema de produtos" da Microsoft: pesquisa Bing, balde familiar de escritório, assistente pessoal e marketing de publicidade e outros serviços em nuvem voltados para empresas.

Isso é como uma "regra de ouro" no círculo do capital de risco: se o fundador é um especialista em tecnologia ou um geek, ao mesmo tempo em que dá dinheiro, ele também deve dar a um parceiro que entenda do mercado. Desta forma, a tecnologia é aplaudida, mas a renda não é popular.

Portanto, ao mesmo tempo em que dá importância à tecnologia, também presta mais atenção à orientação de aplicação e ao direcionamento do produto. Especialmente para empresas de grande porte, em vez de contar aos parceiros, tenho muitos recursos poderosos de IA e você pode usá-los como quiser; talvez, fornecer alguns módulos de produto esteja mais próximo da realidade. Então, um bom produto, como fazer?

02 Do geral para a indústria

Mesmo que Zhuge Liang conhecesse astronomia no topo e geografia no fundo, mesmo que Da Vinci pudesse desenhar, dissecar e construir aviões, eles só poderiam ser limitados ao conhecimento daquela época. A inteligência artificial, por outro lado, pode contar com um grande número de entradas para expandir consideravelmente os limites do conhecimento.

No entanto, a sabedoria da inteligência artificial não é perfeita e universal. A julgar pela experiência dos últimos meses, a IA "falará seriamente sem sentido" de vez em quando. Talvez a IA não esteja mentindo de propósito, mas certamente mostra que o modelo geral ainda é imperfeito.

Especialmente quando se trata de alguns campos específicos, como finanças, educação, etc., as limitações dos grandes modelos gerais serão óbvias. Afinal, sempre há muitas áreas onde o gengibre ainda é quente e o know-how é fundamental.

No entanto, se o modelo grande não puder entrar na indústria, o valor será bastante reduzido. Especialmente para o nosso país, que tem uma base de cadeia industrial enorme e rica, todas as indústrias verticais devem ser combinadas com novas tecnologias para reduzir custos, melhorar a eficiência e gerar novo valor.

Então, no campo vertical, só precisa fazer um pequeno modelo? a resposta é negativa. Modelos de pequenas indústrias podem resolver problemas em campos específicos ou podem fazer um bom trabalho, mas há dois problemas.

Uma delas é a falta de generalização, uma vez que o cenário é mudado, pode ser necessário fazê-lo novamente, o que acarretará em um aumento substancial dos custos. Um prato para cada pessoa, e os pratos não se repetem.Se você abrir um restaurante assim com certeza vai falir. Portanto, inteligência limitada não é inteligência.

Por outro lado, durante o processo de inscrição, se o usuário repentinamente fizer algumas perguntas entre domínios, o pequeno modelo também ficará confuso. Obviamente, a tendência de cruzamento da indústria está se tornando cada vez mais óbvia, assim como os veículos elétricos, que são veículos, baterias e semicondutores. Depois de pensar da perspectiva do usuário, mesmo que seja um campo completamente irrelevante, você ainda espera obter um serviço completo.

Portanto, grandes modelos precisam entrar em indústrias verticais, e as indústrias verticais também precisam de grandes modelos. Como fazer? Uma amostra de observação é JD.com.

Em 2021, o JD.com assumirá a liderança na injeção de conhecimento de domínio em grandes modelos, o que pode aumentar a precisão do modelo de 83% para 96%. Ontem, a JD.com lançou um modelo em escala Yanxi de 100 bilhões de níveis para a indústria. De acordo com a introdução, **70% de seus dados de treinamento são big data gerais e os outros 30% são dados de know-how da indústria acumulados no processo operacional dos vários setores da JD, incluindo varejo, logística, saúde, finanças e outros setores ** .

Com certeza, os adultos não fazem escolhas, mas querem as duas.

Na verdade, esta é a coisa certa a fazer. Essa rodada de IA generativa é muito atraente, mas também porque o algoritmo é forte, os dados são ricos e o poder de computação é forte o suficiente. E o maior modelo não é estático, é aprendizado contínuo. Portanto, dados e algoritmos formam um "efeito volante". À medida que mais e mais dados bons estiverem disponíveis, os algoritmos se tornarão cada vez mais avançados; quanto mais eficaz o algoritmo, mais usuários haverá e mais feedback de dados será **.

Portanto, formar um loop fechado de "algoritmo de dados" o mais rápido possível não é apenas o caminho para o sucesso do produto, mas também a chave para a concorrência empresarial.

Além disso, dados de alta qualidade também são escassos. No título "Vamos ficar sem dados?" "O relatório mostra que os dados de linguagem natural de boa qualidade podem ser esgotados por grandes modelos de linguagem já em 2026. Quem tiver bons dados terá melhor "munição". E bons dados, principalmente na área industrial, devem vir de cenários industriais reais.

Portanto, o loop fechado de "dados-algoritmo" é interpretado como uma competição de "cena-produto". E somente entrando em cena o grande modelo pode passar de "emergência de capacidade" para "emergência de valor".

03 Do nativo ao empoderamento

Uma maneira de perceber o surgimento do valor industrial é cooperar com a indústria, as empresas de tecnologia fornecem tecnologia e a indústria fornece know-how. E a outra forma também é a melhor forma, ou seja, da indústria.

Se você possui seu próprio negócio industrial, terá "dados de alta qualidade" reais e valiosos: você sofreu perdas, pisou no trovão, travou batalhas, venceu batalhas e sabe como lutar. Esses dados, como um catalisador, podem conduzir com eficiência o desenvolvimento de grandes modelos, que estão mais próximos do negócio e resolvem melhor os problemas.

Um caso do passado é o desenvolvimento de serviços em nuvem na China. Independentemente do país ou do exterior, o estágio inicial da nuvem começa com as necessidades da própria empresa e, em seguida, é orientado para o mercado. No início dos serviços em nuvem, todo "produto" parece ser o mesmo, eu tenho o que você tem. No entanto, com a união de tecnologia e negócios, cada empresa possui características próprias.

Tome Jingdong como um exemplo. JD.com começou com “marketing, comércio, armazenamento, distribuição, pós-venda” e outros negócios, mas junto com a melhoria passo a passo da rede física da cadeia de suprimentos, a digitalização da cadeia de suprimentos interna e JD. com próprio varejo, finanças, logística, saúde, Com o desenvolvimento enraizado de indústrias e outros campos, JD.com completou gradualmente a expansão de "os últimos cinco segmentos de ** cana" para "os primeiros cinco segmentos de ** ": ** tem plataformas, cenários, IA, tem experiência**.

Posteriormente, a JD.com refinou sua experiência na cadeia de suprimentos em produtos e serviços de "cadeia de suprimentos de inteligência digital" baseados na tecnologia de JD Cloud e os exportou para a sociedade. Como resultado, foram formadas as capacidades de melhoria da eficiência da infraestrutura digital, melhoria da eficiência da sinergia industrial e gerenciamento urbano inteligente.

Hoje, existem mais de 10 milhões de SKUs de produtos operados por conta própria na cadeia de suprimentos de Jingdong Shuzhi, atendendo a mais de 8 milhões de clientes corporativos ativos, dos quais mais de 90% são as 500 maiores empresas do mundo na China e quase 70% das pequenas e médias empresas especializadas do país e alcançou uma cooperação profunda com mais de 2.000 cinturões industriais em todo o país.

Esse tipo de cenário JD.com com links longos, colaboração complexa e refluxo de dados mais dinâmico é o melhor campo de treinamento para modelos grandes e também a melhor personificação das vantagens industriais.

A experiência da nuvem interna para a nuvem externa também está sendo aplicada no desenvolvimento de grandes modelos. Jingdong também propôs uma "abordagem de três etapas" para modelos grandes:

Fonte da imagem: JD Cloud

Em primeiro lugar, em julho deste ano, foi lançado o modelo em grande escala Yanxi, que possui um sistema de quatro camadas de camada de base, camada de modelo, MaaS e SaaS. Em segundo lugar, "afie" várias áreas de negócios internas por meio ano e conduza moderadamente a cooperação de benchmarking com parceiros externos e passe por vários ciclos de "erros, melhorias e conclusões" para alcançar a integração do produto. Finalmente, no primeiro semestre de 2024, para a produção industrial, usaremos uma atitude melhor e uma ecologia mais aberta para atender a indústria e melhorar a eficiência da indústria.

As aplicações internas também têm sido bastante eficazes. Por exemplo, no campo do marketing financeiro, essa também é a "base antiga" do JD.com. A JD Finance acumulou uma riqueza de conhecimento ao longo de décadas de desenvolvimento de negócios e, combinada com a IA, pode otimizar com eficiência as principais tarefas, a adaptabilidade dinâmica e a experiência do usuário.

Por exemplo, reduza o custo de aprendizado e o custo operacional do pessoal operacional e aumente a eficiência de produção da solução centenas de vezes; reduza o processo que só pode ser concluído por mais de 5 tipos de funções, como produto/P&D/algoritmo/ design/analista para uma pessoa; ao mesmo tempo, um novo modo interativo de uma entrada reduz o número de interações homem-máquina de 2.000 para menos de 50 e melhora a eficiência operacional em mais de 40 vezes.

O aumento significativo do número também mostra que, embora do ponto de vista do ritmo, essa caminhada de três passos pareça um pouco lenta. No entanto, considerando o custo de entrada do grande modelo e o impacto significativo na indústria, somente adotando uma abordagem passo a passo é que ele pode ser transformado em um "lucro passo a passo" para permitir que a tecnologia gere benefícios.

Em outras palavras, na verdade não é lento, porque não é fácil realmente alcançar um avanço industrial. Mas, assim como a confiança de Xu Ran, CEO do Jingdong Group, cortar o modelo em grande escala do lado industrial é como escalar o Monte Everest técnico da encosta norte. Embora a estrada seja mais difícil, há paisagens mais magníficas e grande valor exploratório. Somente compreendendo completamente a cadeia de suprimentos física e digital, o grande modelo pode capacitar o setor.

Conforme a experiência resumida pela curva do Gartner, o desenvolvimento das coisas passará por estágios como "expansão técnica de germinação-expectativa-quebra de vale-escalada recuperação-maturidade da produção". E para resumir em outra frase: não trate o problema do ritmo como um problema estrutural.

O desenvolvimento da tecnologia é uma tendência inevitável. Impulsionada pelos três elementos de "dados, algoritmo e poder de computação", a inteligência artificial inevitavelmente continuará a se desenvolver; no entanto, inevitavelmente haverá algumas reviravoltas durante esse período. O que é necessário é o ritmo científico da empresa em pesquisa, desenvolvimento e aplicação de tecnologia, bem como o pensamento de longo prazo que vê a tendência e está disposto a cumpri-la.

A persistência e avanço da JD.com na cadeia de suprimentos é um microcosmo da vitória do pensamento de longo prazo. Agora, na grande competição de modelos, na onda da inteligência artificial, é preciso o mesmo.

Pode-se acreditar firmemente que, embora a tecnologia seja implementada em um ritmo, desde que se enraíze na indústria, um enorme valor inevitavelmente nascerá. Como disse Xu Ran, CEO do Jingdong Group, quando a eficiência industrial e os limites da indústria forem expandidos e melhorados qualitativamente, o modelo grande terá valor prático e significado mais importantes, que não serão menos do que outra revolução industrial.

A fórmula da inteligência artificial também é deduzida em "cenário, produto, grupo de poder de computação e espessura industrial", que é a chave para promover o grande modelo de "emergência de capacidade" para "emergência de valor".

[1] Jingwei Zhang Ying: The Far and Near of AI, Chaos Academy, 2023;

[2] Relatório Lighthill, Conselho de Pesquisa Científica da Grã-Bretanha, 1973