Genel amaçlı büyük modellerin ticarileştirilmesi henüz erken ve üretken yapay zeka daha yeni başladı

Kaynak: Titanyum Medya

Yazar: Qin Conghui

Görsel kaynağı: Unbounded AI tarafından oluşturuldu

Fanatik takipten sakinliğe dönüşe kadar, insanların büyük modeller hakkındaki görüşleri sessizce değişiyor. Bir yandan uyum, mevzuat ve diğer nedenlerle genel amaçlı büyük ölçekli modellerin ticarileşmesi zaman alacak, diğer yandan sanayi tarafı finans ve finans gibi pilot alanlara henüz yeni yatırım yapmaya başladı. tıbbi bakım ve etki hemen görülemez.

Böylece çılgın sarmal yavaş yavaş yavaşlarken, farklı sesler yavaş yavaş gerçek bir "büyük model" tablosu çizdi.

Bunlar arasında, "genel büyük ölçekli model" veya "endüstri büyük ölçekli modeli"ni kullanıp kullanmayacağı, her şirket biraz düşündükten sonra bir seçim yaptı ve büyük ölçekli model rekabeti ile "üretken yapay zeka" pazara girdi. spot ışığı ChatGPT'nin, yapay zeka endüstrisinin gelişiminin yeni bir aşamaya girmesi için kola atılan bir atıştan başka bir şey olmadığı ve yapay zekayı zamanın merkezine geri çekeceği söylenmelidir.

Genel model ile endüstri modeli arasındaki savaş

ChatGPT, endüstriyi genel amaçlı büyük modellerin muazzam gücünün farkına vardı ve bu, gelecekte "Yüz Model Savaşı"nın ticari gösterisine yol açtı. Sayısız yatırımcı ve girişimci bu nedenle uyuyamadı ve GPU kaynakları Bir süredir "Luoyang kağıdı pahalı".

Bunların arasında, "Liangshan"a gitmek zorunda kalan, sektörün zirvesinde yer alan birçok teknoloji şirketi var. Büyük ölçekli model endüstrisinden biri, bir keresinde Titanium Media App'e şirketinin mevcut durumunu açıklamıştı: "Büyük ölçekli bir model yoksa, çıkıp bunun hakkında konuşmak çok utanç verici. Hadi şimdi yapalım ve büyük ölçekli bir model yoksa açıklamak zor." Böylece sadece genel amaçlı büyük ölçekli bir model üzerinde çalıştığı haberini dış dünyaya duyurabilir ve aynı zamanda araştırmaları hızlandırabilir. ve geliştirme dahili olarak ilerler.

Bununla birlikte, genel büyük model, sonuçta zaman alıcı ve emek yoğun bir angaryadır. OpenAI'nin GPT1'i yinelemesi 6 yıl sürdü. Eğitime yıllar önce başladı. Dolayısıyla AI teknolojisinde ve verilerinde temel bir birikim yoksa genel büyük modellerin kısa vadede ticarileşmesini gerçekleştirmek çok zordur.

Ek olarak, genel amaçlı büyük model, eğitim için doğal olarak genel verilere ihtiyaç duyar ve genel amaçlı büyük modele kendi verilerini koymak, verilerin varsayılan olarak paylaşılacağı anlamına da gelir. Bu nedenle, yüksek veri gizliliği gereksinimleri olan bazı sektörlerin genel amaçlı büyük modellere hazırlık yapmadan erişmesi olası değildir.

Bu koşullar altında, endüstrinin büyük modeli, genel büyük modelin yanında endüstrinin "ikinci en iyi çözümü" haline geldi ve büyük model temettüsünün keyfini daha erken çıkarabilir. 360 Group'un kurucusu Zhou Hongyi de açıkça şunları söyledi: "Yapay zeka büyük ölçekli modeller için gelecekteki fırsatlar, kurumsal düzeyde artımlı pazarda yatmaktadır ve büyük ölçekli modellerin "dikeyleştirilmesi" geliştirme yönüdür. Büyük bir fabrikanın teknik yöneticisi de Titanium Media App'e söyledi. "Büyük ölçekli model planlamamız açısından, genel amaçlı büyük ölçekli modeli yinelemeye devam edeceğiz ve endüstri dikey büyük ölçekli model eğitimi için bu temeli temel almaya devam edeceğiz."

Kısa bir süre önce, 2023 Dünya Yapay Zeka Konferansında, Tencent Group Kıdemli Başkan Yardımcısı ve Bulut ve Akıllı Endüstri İş Grubu CEO'su Tang Daosheng, işletmelerin büyük ölçekli model uygulamalarının endüstri profesyonelliğini kapsamlı bir şekilde dikkate alması gerektiğini de belirtti. , veri güvenliği, sürekli yineleme ve kapsamlı maliyet Ve diğer faktörler. Büyük endüstri modeline dayalı olarak, kendi özel modelinizi oluşturmak, işletmeler için daha iyi bir seçenek olabilir. Bunun nedeni, sektördeki büyük modellerin genel amaçlı büyük modellerden daha az parametre gerektirmesi, eğitim ve muhakeme maliyetinin daha düşük olması ve model optimizasyonunun daha kolay olmasıdır.

Bununla birlikte, Titanium Media Uygulaması ayrıca sektördeki insanlardan bazı durumlarda genel amaçlı büyük bir modelin dikey büyük ölçekli bir model için gerekli bir koşul olmadığını, yani sektör ölçekli modelleri eğitmek için bir platformun olmadığı anlamına geldiğini de öğrendi. genel amaçlı büyük ölçekli bir modelin temel olarak kullanılması. "Tanımlanan genel büyük ölçekli model, yüz milyarlarca parametreye sahip olan model ise, o zaman genel büyük ölçekli model, büyük ölçekli endüstri modeli için gerekli bir koşul değildir." Bir borsada, büyük-ölçekli bir yönetici Ölçekli endüstri modeli Titanium Media App'e söyledi. Bununla birlikte, genel amaçlı büyük modellerin büyük ölçekli endüstri modelleri için gerekli bir koşul olmasa da, Transformer gibi genel amaçlı büyük modellerin eğitimi için çeşitli temel teknolojilerin de büyük ölçekli endüstri modellerinin eğitimi için gerekli unsurlar olduğunu söyledi. .

Sürekli olarak "100 milyar" parametre, genel büyük modelle ilişkiyi "göz ardı ederek", dikey büyük modelin eşiği daha da düşürüldü, bu da üretici yapay zekanın daha da geliştirilmesi için daha fazla olanak sağlıyor.

Büyük modellere ek olarak, üretken yapay zeka da dikkate değerdir

Büyük modeller söz konusu olduğunda, üretken AI (Generative Al) el ele gidecektir. İkisi arasındaki ilişkiyi basitçe anlayın - büyük model, üretici yapay zekayı gerçekleştiren motor olarak anlaşılabilir, yani üretici yapay zekanın yeteneği, makine öğrenimi modeli veya büyük model tarafından sağlanır ve üretken yapay zeka daha yüksektir gerekli senaryoya bağlı olarak, hangi büyük modelin çağrılacağına karar verebilirsiniz.ChatGPT, üretken yapay zekanın tipik uygulamalarından biridir.

2020 gibi erken bir tarihte, üretken yapay zeka Gartner Gelişen Teknoloji Heyecan Döngüsüne seçildi ve 2022'de üretken yapay zeka, en önemli stratejik teknoloji trendlerinden biri olarak listelendi ve teknoloji, inovasyon tetikleme aşamasından itibaren şişirilmiş beklentilerin zirvesine girdi. Gartner, üretken yapay zekanın, buhar makinesi, elektrik ve İnternet'inkine benzer bir etkiyle genel amaçlı bir teknoloji haline geleceğine inanıyor. Üretken yapay zeka kademeli olarak uygulandıkça, konsept etrafındaki yutturmaca yavaş yavaş kaybolacak ve insanlar ve işletmelerin günlük işlerinde ve yaşamlarında üzerindeki etkisi artacaktır.

Resim kredisi @Gartner

Küresel bulut bilgi işlem devi Amazon Cloud Teknolojisi de üretken yapay zekaya daha fazla kalem ve mürekkep koyuyor.Amazon Bulut Teknolojisi CEO'su Adam Selipsky, Bloomberg, CNBC ve diğer medyaya verdiği özel bir röportajda şunları söyledi: "Üretken yapay zeka, sohbet robotlarında ve aramada çok önemlidir. Üretken yapay zekanın uygulama avantajları herkes için açıktır, ancak bu, pek çok olasılığın buzdağının yalnızca görünen kısmıdır. Gelecekte, üretken yapay zeka, hayatın her alanında değişiklikler getirecektir." İnternetin doğuşundan bu yana en büyük değişiklik.

Adam Selipsky, "Bilgisayarların delikli kartları arabirim olarak kullandığı bir çağda, yalnızca birkaç bilim adamının bilgisayar kullanma becerisine sahip olduğunu; grafik arabirimler ve farelerin insan-bilgisayar etkileşimi arabirimleri haline geldiği zaman, herkesin bilgisayar kullanabileceğini hayal edin." dedi.

Peki, üretken yapay zekanın getirdiği değişiklikler hangi yollarla yansıtılacak?

Otomotiv alanında bazı şirketlerin, eğitim sürecini hızlandırmak amacıyla otonom sürüş eğitimine yönelik verileri sentezlemek için üretken yapay zeka kullandığı görülebilir; üretim alanında, üretken yapay zeka, büyük miktarda IoT telemetri verisinin analiz edilmesine, tahmine dayalı performans gösterilmesine yardımcı olabilir. bakım ve üretim hatlarını azaltın. Üretken yapay zekaya dayanan Autodesk, bölme tasarımının bir bölümünü başarıyla tamamlamak için uçak üreticileriyle birlikte çalıştı ve %45 daha hafif olan yeni bir tasarımı kullanıma sundu. Bu uçuş duvarı küresel filoya uygulanırsa, 93.000 arabanın yakıt tüketimine eşdeğer yakıt tasarrufu sağlayacaktır.

Ancak, Autodesk'in dayandığı üretken yapay zekanın belirli bir büyük model değil, makine öğrenimi modeliyle oluşturulmuş yapay zeka güdümlü bir tasarım aracı olduğunun vurgulanması gerekiyor.

Bu nedenle, üretken yapay zekanın gerçekleştirilmesi için büyük model yalnızca bir seçenektir ve geleceğe büyük bir model hakim olmayacaktır. Titanium Media Uygulaması, çoğu kuruluşun büyük ölçekli modellere erişmeyi düşündüğünde, doğrudan tek bir büyük ölçekli modele girmekle kalmayıp birden fazla modele erişmeyi seçmesinden endişe duyuyor. Dolayısıyla bu büyük modeller arasında, dikey büyük modeller ile genel büyük modeller arasındaki işbirliği gelecekte göz ardı edilmeyebilir.

Örnek olarak iki yerli yazılım olan UFIDA ve WPS'yi ele alalım. UFIDA kısa süre önce büyük bir kurumsal hizmet modeli olan YonGPT'yi piyasaya sürdü. Titanium Media App'e göre, YonGPT'nin erişmeyi planladığı genel büyük model tabanı Zhipu ChatGLM, Wenxinyiyan ve Zhiyuan Wudao Tianying vb. ; WPS daha önce WPS AI'yı piyasaya sürdü. Son haberlere göre, WPS AI'nin anakara Çin'deki genel büyük ölçekli model tabanı MiniMax'tir ve denizaşırı yeni piyasaya sürülen versiyonu OpenAI ve PaLM2 tarafından desteklenmektedir.

Üretken yapay zeka dünyasında, büyük bir modele güvenilmez ve üretken yapay zekanın başarısını belirleyen yalnızca büyük model değildir.

Üretken yapay zekanın uygulanmasının aynı zamanda birçok yönün sonucu olduğu ve üretken yapay zekanın uygulanmasını çevreleyen "ikincil" zorlukların açığa çıktığı inkar edilemez.

** Üretken yapay zeka kapsamında "İkincil" meydan okuma**

"Cep telefonuna 'Kedi kanepede koşarsa bana hatırlat' deyin, kedi kanepede koştuğunda cep telefonu bir alarm mesajı alacak." Kıdemli video çözümü sağlayıcısı Shandong Zhongwei Century Technology Co., Ltd Başkan Yardımcısı Wang Zhengbin, bir konuşmasında akıllı evde akıllı video algılamanın uygulama senaryosundan bahsetti.

Ama bu o kadar basit görünen bir sahne ki, arkasındaki çok modlu büyük modele ek olarak, uçtaki ağ ve bilgi işlem de çok önemli. "ChatGPT gibi üretken bir yapay zeka uygulamasında, ağ paketi kayıp oranı %1'e ulaşırsa, büyük model eğitim platformunun performansı en yüksek performansının %5'ine düşer, bu da %95'inin kaybolduğu anlamına gelir. tüm büyük ölçekli model platformu çok önemli bir faktördür.” dedi.

Yapay zeka talebindeki patlamayla birlikte, uçta yapay zeka konuşlandırmasının veritabanındakinden üç kat daha fazla olacağı tahmin ediliyor. yapay zekanın.

Intel'in Kıdemli Başkan Yardımcısı ve Genel Müdürü Sachin Katti, "Yapay zekayı fabrika üretim hattı gibi uç uca konuşlandırmanın zaman maliyeti ve işçilik maliyeti hala yüksek ve uç yapay zeka konuşlandırmasının yarısından fazlası başarısız oluyor." ağ ve uç bölümü, son zamanlarda büyük modeller çağında uç bilgi işlemden bahsederken, dedi. Bunun nedeni bir yandan ekipmanın eski olması ve uç bilgi işlem kaynaklarının yetersiz olması, diğer yandan yapay zekayı dağıtmak için kendi benzersiz verilerini nasıl kullanacakları da çok kritik. Birçok uç yapay zeka konuşlandırması bu zorluklar nedeniyle geride kalacaktır.

Aynı zamanda, üretken yapay zekanın daha iyi performansının nihai olarak verilerle desteklenmesi gerekiyor. kaynaklar bol ve ulaşılabilir.

Bu sorunların çözümü de devam ediyor. "Günümüzün büyük model sistemi ve yapay zeka sistemi büyük ölçüde verilere bağımlıdır ve veriye dayalı akıllı sistemlerdir. Bu sistem, verilerin genişliği ve tarafsızlığı için çok yüksek gereksinimlere sahiptir. Verilerin çok taraflı olduğu varsayılırsa, onu etkili bir şekilde desteklemek zordur. . Yapay zeka sistemi geliştirme." Ant Group'un başkan yardımcısı ve baş teknik güvenlik sorumlusu Wei Tao bir keresinde şöyle demişti, bu nedenle yapay zeka veri güvenliğinin tersine doğrulanması için halihazırda araçların olduğu görülebilir.

Veri kaynaklarının geliştirilmesi açısından, kısa bir süre önce Shenzhen Digital Exchange, "Open Computing Alliance"ı kurmak için yaklaşık 50 birime katıldı ve ortak sponsorlar arasında Tencent Cloud, Huada Genomics, Yuntian Lifei, Obi Zhongguang ve UBTECH, Çin yer alıyor. Unicom Guangdong Şubesi, Huaao Data ve diğer işletmeler, Shenzhen Yapay Zeka Derneği ve diğer dernekler, Ulusal Süper Hesaplama Shenzhen Merkezi ve diğer düşünce kuruluşları ve araştırma kurumları. Computing Alliance'ın kurulmasının ana amaçlarından biri, yüksek kaliteli Çin eğitim verileri ve çok modlu eğitim verileri etrafında veri öğeleri, veri yönetişimi, eğitim verileri, veri etiketleme ve sentetik veriler gibi ilgili standartların formülasyonunu koordine etmektir. ve Modelle ilgili yeni kategorilerini ve yeni alanlarını artırmak için veri alışverişine yardımcı olun.

Üretken yapay zekanın geliştirilmesinde karşılaşılan zorluklar kelimelerle anlatılamaz ve ChatGPT'nin tetiklediği küresel yapay zeka fırtınası ChatGPT ile bitmiyor. Yeni yapay zeka dünyası açıldıktan sonra, emekleme dönemindeki büyük model ve üretken yapay zeka da birçok sorunu ortaya çıkardı ve bir dizi zorluğu gündeme getirdi, ancak aynı zamanda hayatın her kesimine keşif ve yenilik için fırsatlar sağladı.

Endüstri, yapay zekanın ve hatta insanların gelişimi için hiçbir şekilde kötü bir şey olmayan üretken yapay zekaya doğru yarışıyor.