Görüntü kaynağı: Sınırsız AI tarafından oluşturuldu
Endüstrinin akıllı dönüşümü derin su alanına girdi ve işletmelerin yapay zeka yeteneklerine yönelik talep noktaları değişiyor.
Giderek daha fazla sayıda büyük işletme, tek bir akıllı uygulamanın ötesine bakıyor. Elektrik enerjisi ve finans gibi sektörlerde, büyük işletmeler yapay zeka yeteneklerinin tüm üretim, uygulama ve yönetim sürecine odaklanıyor ve yetenek kıtlığı, veri kıtlığı, yönetim zorlukları ve düşük kaynak yeniden kullanım oranı gibi bir dizi sorunlu noktayı çözmek için üreticilerin yapay zeka öğrenme platformları ve platform üretkenlik araçları için gereksinimler ortaya koyuyor.
Büyük model patlamasının gelmesinden sonra, platform rekabetinin odak noktası büyük modellerin geliştirilmesine ve uygulanmasına kaymıştır ve üreticiler önceki AI platform çözümlerini büyük modellerle aktif olarak birleştirmektedir. Platform rekabetinde bazı firmaların avantajları ön plana çıkarıldı. Uluslararası bir analist ajansı olan Forrester, geçtiğimiz günlerde yayınladığı raporda, Çin yapay zeka/makine öğrenimi platformları rekabetinde Baidu Intelligent Cloud'un iyi performans gösterdiğini ve seçime katılan yapay zeka platformlarının veri, akıl yürütme ve uygulama15 alt kategori gibi 6 kategoride en yüksek puanları alarak lider çeyreğinde yer aldığını gösterdi.
Yapay zeka platformu, kuruluşların iş gereksinimlerini karşılayan yapay zeka modellerini ve uygulamalarını hızlı bir şekilde oluşturmasına ve modellerin performansını etkili bir şekilde izleyip optimize etmesine yardımcı oluyor.
100 sahne için 100 model oluşturma durumu geçmişte kaldı.
01 Yapay zekanın derin kullanımı, eski silahların sorunları
**Sektör, derinlemesine yapay zeka uygulaması aşamasına giriyor ve yapay zeka artık ulaşılamaz değil. Bununla birlikte, giderek daha fazla işletme, uygulamaların derinleşmesiyle birlikte, kurumsal zeka alanındaki üst düzey kullanıcıların yeni sorunlarla karşılaştığını fark ediyor.
Enerji endüstrisini örnek alan büyük enerji şirketleri, devre denetimi gibi birden çok senaryo için yapay zeka modellerini kullandı. Normalde, bu tür işletmelerin ilgili ihtiyaçları çoğunlukla farklı departmanlar veya şubeler tarafından bağımsız olarak satın alınır. Yapay zeka uygulamalarının sayısı arttıkça modellerin sayısı da artıyor. Çok sayıda modeli yönetmek ve bunların istikrarlı ve verimli bir şekilde çalışmasını sağlamak zor hale geliyor.
Birçok büyük işletmenin benzer sorunları var. Bir gazi, Digital Intelligence Frontline'a, kuruluştaki A departmanının A algoritmasını yapmak için 5 kişiyi koyduğunu ve B departmanının da algoritmaları yapmak için B ekibine birkaç kişi koyduğunu şahsen gördüğünü söyledi, bu da şirket düzeyinde birleşik izleme, optimizasyon, güncelleme ve bakım yapmayı zorlaştırıyor ve kuruluştaki genel AI kaynağının yeniden kullanım oranı çok düşük.
Bazı işletmeler veya kurumlar, yapay zeka risk kontrolü ve hassas pazarlama elde etmek için kredi kartı ihracı, uygunluk onayı ve dolandırıcılık tespitine yapay zeka teknolojisini zaten uygulamıştır. Ancak finans sektörünün güvenlik ve uyumluluğa verdiği önem, yapay zekanın uygulanmasına da uzanıyor. Örneğin, bankadaki teknik ekip uyum faktörlerine büyük önem veriyor ve yeni bir model oluştururken, inşaatın delegasyonundan ve onayından kimin sorumlu olduğu, veri okuma onayını kimin üstlendiği ve veri yazma, model üretimi, eğitim, iniş ve lansman da süreç katmanları tarafından garanti altına alınıyor. Bu tür bir talebin geleneksel akıllı uygulama yapısı olmadığı açıktır.
Bir bulut satıcısından üst düzey bir endüstri çözümü çalışanı Digital Intelligence Frontier'e, bazı büyük merkezi devlete ait işletmelerin, kuruluşun akıllı bir merkezini inşa etmeyi ve kendi yapay zeka yeteneklerini geliştirmeyi umduğunu, böylece kuruluşun dijital departmanının yeni senaryolar için kendi algoritmalarını geliştirebileceğini ve yeni uygulamalar yapabileceğini söyledi.
Bu eğilim sektörde de gözlenmektedir. Baidu'nun akıllı bulut yapay zeka platformunun kıdemli mimarı Jin Wei, dijital zekanın ön saflarına bunun yapay zeka uygulamalarının derin bir su alanına doğru ilerlediğini ve işletmelerin sistematik dönüşümünün giderek daha belirgin hale geldiğini yansıttığını söyledi. İşletmelerin sadece bir vizyon ve hedef planlamasına sahip olmaları değil, aynı zamanda güçlü bir tanıtım koordinasyon ve denetim mekanizmasına sahip olmaları ve sorunsuz bir şekilde uygulanmasını sağlayacak eksiksiz araçlara sahip olmaları gerekir. AI platformu, işletmelerin akıllı dönüşümü için bir üretkenlik aracıdır.
Sektör bu platform ürününün önemini fark etti. Uluslararası bir analist firması olan Forrester, kısa süre önce "The Forrester WaveTM: Evaluation of AI/ML Platform Vendors in the Chinese Market, Q42023" raporunu yayınlayarak, Çin'in kurumsal karar vericilerinin üretkenliği artırmak ve iş inovasyonunu teşvik etmek için yapay zeka teknolojisinin benimsenmesine daha fazla öncelik verdiğine işaret etti. Bu süreçte işletmeler, kendi iş ortamlarında karmaşık kullanım durumlarını destekleyebilecek yapay zeka platformu ürünlerine ihtiyaç duyar.
Yeni trendler, makine öğrenimi platformu satıcılarının yeteneklerini de talep ediyor. Forrester'a göre, önde gelen platformların** veri yönetimi, model eğitimi ve yapay zeka uygulama oluşturma alanlarında kapsamlı araçlar sağlaması gerekiyor; Ayrıca, yapay zeka yeteneklerine ve veri bilimcilerine sahip olmayan bazı kuruluşların kendi iş gereksinimlerine göre yapay zeka yetenekleri elde etmelerine yardımcı olmak için sektör senaryolarına uyarlanmalıdır**; Buna ek olarak, araçlar, teknolojiler ve uygulamalar, kuruluşların modelleri büyük ölçekte geliştirmesine ve dağıtmasına yardımcı olabilir.
Forrester, Çin'deki 14 ana akım makine öğrenimi platformu satıcısını üç boyuttan 25 alt kritere göre değerlendirdi: ürün kapasitesi, stratejik düzen ve pazar performansı. Verilere göre, Baidu Intelligent Cloud şu anda raporun lideri olarak derecelendirildi ve veri, eğitim, tahmine dayalı akıl yürütme ve uygulama gibi 9 alt puanda birinciliği kazandı.
Jin Wei, Baidu'nun yapay zeka platformundaki önde gelen ürün yeteneklerinin uzun vadeli birikim ve cilalama sürecinden geçtiğini açıkladı. AI platformunun asıl amacı, farklı türdeki kurumsal kullanıcıların AI uygulamalarını hızlı ve ekonomik bir şekilde oluşturmasına olanak tanıyan ve aynı zamanda platformda birden fazla algoritma, araç, hızlı çalışma ve iyi sonuçlar elde ederek müşterilerin sunuculardan ve insan gücünden tasarruf etmesine yardımcı olan bir üretkenlik yazılımı oluşturmaktır.
Şu anda, enerji ve finans sektörlerindeki bazı büyük işletmeler derinden kullanılmaktadır. Yapay zeka platformuna dayalı olarak, işletmeler yalnızca iş ihtiyaçlarını karşılayan yapay zeka modellerini ve uygulamalarını hızlı bir şekilde oluşturmakla kalmaz, aynı zamanda model performansını etkili bir şekilde izleyebilir ve optimize edebilir. Ayrıca veri, bilgi işlem gücü, insanlar ve süreçler gibi kaynakları yönetmek ve koordine etmek daha uygun ve verimlidir.
Örneğin, enerji sektöründe, Baidu'nun akıllı bulut yapay zeka platformu, büyük grupların iş sorunlarını çözmesine yardımcı oluyor. Bir yandan, tekerleğin yeniden icat edilmesini önlemek için model ve veriler farklı yan kuruluşlar arasında paylaşılabilir. Aynı zamanda, mevcut güvenlik üretimiyle ilgili bazı modeller, Devlet Şebekesi tarafından doğrudan il veya belediye ağına dağıtılabilen, yapay zeka kaynaklarını verimli bir şekilde kullanabilen ve tutarlı kaliteye sahip olan bu ürünü kullanır. Buna ek olarak, AI platformu, Baidu'nun çok sayıda uzmanın manuel deneyimi olmadan zamanlama parametrelerinin otomatik kalibrasyonunu gerçekleştirebilen pekiştirmeli öğrenme çerçevesini kullanarak, güç dağıtımı için yeni bir algoritmanın geliştirilmesi gibi işletmelerin yenilik yapmasına da yardımcı olabilir.
Finans sektöründe, Baidu Akıllı Bulut'un yapay zeka platformu çözümü, birçok finans kurumunun finansal senaryolara yapay zeka uygulandığında süreç uyumluluğunu ve güvenilir güvenliği sağlamak için büyük model risk yönetimi modülleri oluşturmasına da yardımcı oldu.
02 Büyük modeller çağı, nasıl terzilik yapılır
Bu yılın başından bu yana, büyük modeller ve üretken yapay zeka dalgası, yapay zekanın sektörde daha derinlemesine uygulanmasını teşvik etti ve makine öğrenimi platformları da yeni geliştirme fırsatlarını başlatıyor.
Üst düzey kaynaklara göre, büyük dil modellerinin gelişinden sonra, makine öğrenimi platformlarındaki değişiklikler üç düzeyde yansıtılıyor. En tipik değişiklik, NLP'den önceki karmaşık işlem arayüzü olan operasyon arayüzünde daha basit hale geldi ve dil yapay zekasının kurumsal uygulama eşiği düşüyor. Aynı zamanda, modelin otomasyon yeteneği geliştirilir ve veri işleme, model seçimi ve otomatik rapor oluşturma gibi görevler otomatikleştirilebilir. Buna ek olarak, yapay zekaya özgü yenilikçi uygulamalar için alan da açıldı.
Bu bağlamda, birçok şirket soruyu cevaplamak için büyük modeli bir zorunluluk olarak aldı ve çeşitli platform üreticileri de büyük model teknolojisinin uygulanmasını hızlandırmak için çeşitli ürün ve platformları piyasaya sürmeye hazırlanıyor. Baidu'yu örnek alarak, bu yılın Mart ayında, büyük model hizmetleri için bir "süper fabrika" oluşturmak üzere büyük model geliştirme ve uygulamasının temel yeteneklerini AI platformuyla derinlemesine entegre eden Baidu Akıllı Bulut Qianfan büyük model platformunu başlattı.
İşletmelerin büyük model uygulamalarını kolayca kullanmasını ve geliştirmesini kolaylaştırmak için, Baidu Qianfan şu anda yalnızca Baidu'nun kendi geliştirdiği Wenxin büyük modelini ve üçüncü taraf büyük modelini sağlamakla kalmıyor, aynı zamanda çeşitli endüstrilerdeki üretken yapay zeka endüstrisine yardımcı olmak için çeşitli AI geliştirme araçları ve eksiksiz bir geliştirme ortamları seti sağlıyor.
Özellikle, Baidu, endüstrinin büyük modellere olan talebini, yalnızca bilgi işlem gücüne ihtiyaç duyan bir müşteri veya büyük model API'sini doğrudan çağırmak veya mevcut büyük modele dayalı ikincil geliştirme yapmak isteyen bir kuruluş ve büyük modele dayalı AI yerel uygulamaları geliştirmek veya geliştirilen uygulamayı doğrudan kullanmak isteyen bir şirket olsun, Baidu Qianfan platformu hedeflenen hizmetleri sağlayabilir.
Yalnızca bilgi işlem gücüne ihtiyaç duyan işletmeler için Baidu Qianfan platformu, yüksek verimli ve uygun maliyetli heterojen bilgi işlem gücü hizmetleri sağlayabilir. Jin Wei, bunu yapmak için Baidu'nun akıllı bulut yapay zeka platformunun teknik ekibinin birkaç yılını çok fazla Kirli İş yaparak geçirdiğini açıkladı. Örneğin, yurtiçi ve yurtdışındaki ana akım AI çipleriyle uyumludur ve dört seviyeden uyarlanması gerekir: çerçeve katmanı, çekirdek algoritma ve ağ, çip modeli ve işletim sistemi. "PyTorch, TensorFlow'dan farklıdır ve işletim sistemi Windows, Linux veya mikrodenetleyicidir ve yapılacak iş de farklıdır. ** Dört katmanlı kombinasyon, çeşitli modellerin sorunsuz çalışmasını sağlamak için 40.000 uyarlama yapmıştır. **" dedi Jin Wei.
Şu anda, Qianfan büyük model platformu yalnızca Wenxin büyük model 4.0'a bağlı değil, aynı zamanda yurtiçi ve yurtdışında 44 üçüncü taraf ana akım büyük modeli yönetiyor ve bu da yerel platformlar arasında en büyük sayı.
**Bazı kuruluşlar, zengin bir araç zinciri ve çok sayıda veri kümesi gerektiren mevcut büyük modelleri yeniden geliştirmek ister. ** Qianfan platformu şu anda eksiksiz bir araç zincirine ve büyük model yeniden eğitimi, ince ayar, değerlendirme ve dağıtımın tüm yaşam döngüsünü kapsayan çok sayıda yüksek kaliteli veri kümesine sahiptir, bu da model etkisini senaryolara göre hızlı bir şekilde optimize edebilir ve büyük işletme modellerinin kullanıcı deneyimini daha da iyileştirebilir.
Büyük modeller, veri açıklama sürecine yeni değişiklikler getirir ve birçok açıklama görevi model aracılığıyla tamamlanabilir. Şu anda, Qianfan platformu iş verilerinin yeniden akışını ve yüksek düzeyde otomatikleştirilmiş veri açıklamasını desteklemektedir. Örneğin, nesne algılama senaryosunda Qianfan, küçük bir parçayı etiketlemek için düğmeye tıklayarak doğrudan ön eğitim yetenekleri sağlar ve modelin otomatik olarak açıklama eklemek için insan açıklama stilini öğrenmesine izin verir, bu da işletmeler için insan gücünün %70~%90'ından tasarruf sağlayabilir.
Büyük modellere dayalı yapay zeka tabanlı uygulamalar geliştirmek isteyen birçok şirket de var. Bu ayın ortasında Baidu Intelligent Cloud, AI yerel uygulama ihtiyaçlarının geliştirilmesini amaçlayan büyük ölçekli model uygulama geliştirme için ortak uygulama bileşenleri ve uygulama çerçevesi iki katmanlı hizmetleri içeren "Qianfan AI Native Uygulama Geliştirme Çalışma Tezgahı"nı piyasaya sürdü.
Uygulama bileşenlerini örnek olarak alan Qianfan platformu, Q&A ve düşünce zinciri gibi büyük dil modeli bileşenleri, Wensheng diyagramı ve konuşma tanıma gibi çok modlu bileşenlerin yanı sıra vektör veritabanı ve nesne depolama gibi geleneksel bulut hizmeti yetenekleri gibi çeşitli yetenekler içerir.
Uygulama çerçevesi, belirli bir senaryonun tüm görevini tamamlamak için bileşenleri organik olarak bağlayabilir. Qianfan platformu, piyasada Retrieval Enhanced Generation (RAG) ve Agent gibi yaygın olarak kullanılan çerçeve hizmetleri sağlamıştır ve Sany Heavy Industry gibi öncü işletmeler, kendi bilgi Soru-Cevap uygulamalarını hızlı bir şekilde geliştirmek için bu çerçeveleri uygulamıştır.
Mühendislik, büyük modellerin ortaya çıkmasından sonra doğan yeni bir alandır. Bu, büyük modelin doğasıyla ilgilidir ve talimatları biraz değiştirmek, çıktısında veya davranışında büyük bir fark yaratabilir. Şu anda, çeşitli üreticiler mühendislik araçlarını vurgulamaktadır. Baidu Qianfan platformu ayrıca toplam 226 şablonla diyalog, programlama, e-ticaret, tıbbi bakım, oyunlar, çeviri, konuşma vb. konuları kapsayan 10'dan fazla senaryo sunar. Raporlara göre, bu, Çin'deki ana akım platformdaki en fazla şablon kitaplığı sayısıdır. Geliştiriciler ve işletmeler, süreci verimli bir şekilde tamamlamak için platform tarafından sağlanan çeşitli otomasyon ve toplu iş araçlarını da kullanabilir.
Jin Wei, son birkaç ay içinde Baidu'nun akıllı bulut Qianfan büyük model platformunun sağlam bir temel oluşturduğuna ve 100 model savaşına hazır olduğuna ve işletmelerin yapay zekayı büyük ölçekte uygulamalarına yardımcı olduğuna inanıyor.
**03 AI platformu, bir sonraki durak neresi? **
Yapay zeka sadece büyük işletmeler için değildir. Şu anda, makine öğrenimi platformu üreticileri, büyük işletmelerin, küçük ve orta ölçekli müşterilerin ve geliştirici pazarlarının kapsamlı kapsamına önem veriyor ve Baidu Akıllı Bulut'un yapay zeka platform çözümleri de farklı gruplara hedefli bir şekilde hizmet ediyor.
Jin Wei, Digital Intelligence Frontier'e verdiği demeçte, Baidu'nun yapay zeka platformu çözümünün, tam özellikli yapay zeka geliştirme platformu BML, sıfır eşikli yapay zeka geliştirme platformu EasyDL ve Baidu Akıllı Bulut Qianfan büyük model platformu gibi ürünler de dahil olmak üzere bir dizi ürün için genel bir terim olduğunu söyledi. Farklı alanlar veya farklı müşteri tercihleri için AI platformunun ilgili ürün uyarlaması vardır. Örneğin, veri işleme yeteneği EasyData ürününe paketlenmiştir ve kullanıcıların yüksek performanslı önceden eğitilmiş modellerle sıfır kod modellemeyi tamamlamasına yardımcı olabilecek EasyDL ürününü yapmak için sıfır kod modelleme yeteneği de çıkarılır ve büyük modellerin yetenekleri Baidu'nun akıllı bulut Qianfan platformu tarafından taşınır.
Genel bulutta, müşterilerin çoğunluğu küçük ve orta ölçekli işletmelerdir ve AI platformunun modülleri, ihtiyaçları karşılamak için ana temsilciler olarak tam özellikli AI geliştirme platformu BML ve EasyDL ürünleri ile yeniden demonte edilir ve birleştirilir. Büyük müşterilerin özelleştirme dağıtım ihtiyaçlarına yanıt olarak, teslimatı tamamlamak için çeşitli ürünler süper büyük ürünler halinde paketlenecektir.
Forrester raporuna göre, Baidu'nun akıllı bulut yapay zeka platformunun ürün yetenekleri beş ana alanda iyi performans gösterdi: veri işleme, model eğitimi, tahmine dayalı akıl yürütme, uygulama ve mimari.
Jin Wei, farklı alanlardaki benzersiz yetenekleri ve avantajları tanıttı. Veri alanındaki özellik mühendisliğini örnek alan Jin Wei, Baidu'nun AI platformunun çok mükemmel özellik kütüphanesi yönetim yeteneklerini entegre ettiğini ve yeteneklerinin profesyonel düzeyde bir düzeye ulaştığını tanıttı. Özellik ekleme, silme, değiştirme ve sorgulama, özellik üretimi, paylaşma, sürüm yönetimi, veri doğrulama vb. işlevleri sağlayabilir, tahmin hizmetleri için onay akışında farklı veri biçimlerini destekleyebilir ve model eğitiminde kullanılan özelliklerin son tahmindeki özelliklerle tutarlı olmasını sağlayabilir. Jin Wei, "Eğitim sırasında özellik dağılımı yüzde 50 erkek ve yüzde 50 kadın ise ve yüzde 60 erkek ve yüzde 40 kadın tahmin ediliyorsa, modelin özellikle doğru olmasını bekleyemezsiniz" diyor.
Örneğin, model eğitimi alanında Baidu'nun yapay zeka platformu, resimler, videolar, metin, konuşma ve yapılandırılmış veriler dahil olmak üzere çeşitli veri türlerinin modellenmesini ve eğitimini destekleyebilir. Modelleme açısından, kod yazmak isteyen kişiler için Not Defteri aracı desteği sağlanır ve kod yazmayı sevmeyen kişiler, modellemek için entegre tek durak düğmesini sürükleyip bırakabilir veya hatta tıklayabilir. Görüntü sınıflandırma, tek etiketli çoklu etiket, nesne algılama ve diğer CV senaryoları gibi çok sayıda senaryo için Paddle algoritma ekibi, Paddle operatörüne dayalı derinlemesine optimizasyon gerçekleştirdi ve performans ve etki daha iyi olacak.
Ürün performansının benzersiz avantajları, uzun vadeli teknik yatırımlardan ve yeni teknoloji trendlerine gösterilen ilgiden ayrılamaz. Baidu'nun yapay zeka platformunun Ar-Ge ekibine göre, üç yıl önce olduğu gibi yeni teknoloji trendleri konusunda çok endişeliler, endüstri model yorumlanabilirliği sorununu tartışıyordu ve modelin nasıl karar verdiğini bilmiyorsanız, modelin yüksek güvenlik uyumluluğu gereksinimleri olan senaryolarda kullanımını etkileyecektir. Genel olarak konuşursak, derin öğrenme modelleri geleneksel makine öğrenimi modellerinden çok daha büyük parametrelere sahiptir ve kara kutu sorunu daha ciddi olacaktır.
Uzun bir hazırlık döneminden sonra, Baidu AI platform ekibi nihayet geleneksel makine öğrenimi alanındaki model açıklanabilirlik algoritmasının üstesinden geldi, beş yaygın makine öğreniminin beyaz kutu ilkelerini entegre etti ve ayrıca bazı derin öğrenme yorumlanabilirlik sorunlarının üstesinden geldi. "Bir modelin ne zaman karar verdiğini, veriye dayalı mı yoksa algoritma kaynaklı mı olduğunu anlamak atfedilebilir ve bu sonuçlar, finansal karar verme gibi özel endüstri senaryolarında AI platformuyla ilgili ürünlerin uygulanmasını teşvik eder." Jin Wei tanıttı.
Şu anda endüstri, büyük modellerin geliştirme paradigmasını beş katmana ayırıyor: büyük modelin kendisi, mühendislik, zincir araç zinciri ve eylem zinciri, ajans ve çok ajanslı. Baidu'nun akıllı bulut Qianfan platformunun ana odak noktası, birinci ve ikinci katmanlarda çok sağlamdı ve araç zinciri, aracı ve çok kurumlu yetenekler dahil olmak üzere son üç katman da kilit inşaat aşamasında. Jin Wei, Qianfan büyük model platformunun geliştirilmeye ve yükseltilmeye devam edeceğini, böylece büyük modelin bağımsız olarak öznel inisiyatifini uygulayabileceğini ve karmaşık sorunları çözme yeteneğine sahip olacağını açıkladı. Aynı zamanda, gelecekte denize açılma planları da göz ardı edilmiyor**.
Genel olarak, işletmelerin akıllı inşası altında, yapay zekanın işletmeler tarafından uygulanması derinden yükseltildi ve yapay zeka platformları alanındaki rekabet giderek daha şiddetli hale geldi. Eğrinin önünde kalmak ve değişen uyumluluk ve teknik karmaşıklığın uzun vadeli zorluklarını karşılamak için üreticilerin de teknolojiye yatırım yapması gerekecektir. Jin Wei, üreticilerin bu değişen pazara uyum sağlamak için teknolojik yeniliklere bağlı kalmaları ve müşteri memnuniyetini, güvenliğini ve uyumluluğunu iyileştirmeleri gerektiğine inanıyor.
View Original
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.
100 model savaşı, tek bir platform için savaşmayın
Orijinal kaynak: Digital Intelligence Frontline
Yazar: Xu Xin
Endüstrinin akıllı dönüşümü derin su alanına girdi ve işletmelerin yapay zeka yeteneklerine yönelik talep noktaları değişiyor.
Giderek daha fazla sayıda büyük işletme, tek bir akıllı uygulamanın ötesine bakıyor. Elektrik enerjisi ve finans gibi sektörlerde, büyük işletmeler yapay zeka yeteneklerinin tüm üretim, uygulama ve yönetim sürecine odaklanıyor ve yetenek kıtlığı, veri kıtlığı, yönetim zorlukları ve düşük kaynak yeniden kullanım oranı gibi bir dizi sorunlu noktayı çözmek için üreticilerin yapay zeka öğrenme platformları ve platform üretkenlik araçları için gereksinimler ortaya koyuyor.
Büyük model patlamasının gelmesinden sonra, platform rekabetinin odak noktası büyük modellerin geliştirilmesine ve uygulanmasına kaymıştır ve üreticiler önceki AI platform çözümlerini büyük modellerle aktif olarak birleştirmektedir. Platform rekabetinde bazı firmaların avantajları ön plana çıkarıldı. Uluslararası bir analist ajansı olan Forrester, geçtiğimiz günlerde yayınladığı raporda, Çin yapay zeka/makine öğrenimi platformları rekabetinde Baidu Intelligent Cloud'un iyi performans gösterdiğini ve seçime katılan yapay zeka platformlarının veri, akıl yürütme ve uygulama15 alt kategori gibi 6 kategoride en yüksek puanları alarak lider çeyreğinde yer aldığını gösterdi.
Yapay zeka platformu, kuruluşların iş gereksinimlerini karşılayan yapay zeka modellerini ve uygulamalarını hızlı bir şekilde oluşturmasına ve modellerin performansını etkili bir şekilde izleyip optimize etmesine yardımcı oluyor.
100 sahne için 100 model oluşturma durumu geçmişte kaldı.
01 Yapay zekanın derin kullanımı, eski silahların sorunları
**Sektör, derinlemesine yapay zeka uygulaması aşamasına giriyor ve yapay zeka artık ulaşılamaz değil. Bununla birlikte, giderek daha fazla işletme, uygulamaların derinleşmesiyle birlikte, kurumsal zeka alanındaki üst düzey kullanıcıların yeni sorunlarla karşılaştığını fark ediyor.
Enerji endüstrisini örnek alan büyük enerji şirketleri, devre denetimi gibi birden çok senaryo için yapay zeka modellerini kullandı. Normalde, bu tür işletmelerin ilgili ihtiyaçları çoğunlukla farklı departmanlar veya şubeler tarafından bağımsız olarak satın alınır. Yapay zeka uygulamalarının sayısı arttıkça modellerin sayısı da artıyor. Çok sayıda modeli yönetmek ve bunların istikrarlı ve verimli bir şekilde çalışmasını sağlamak zor hale geliyor.
Birçok büyük işletmenin benzer sorunları var. Bir gazi, Digital Intelligence Frontline'a, kuruluştaki A departmanının A algoritmasını yapmak için 5 kişiyi koyduğunu ve B departmanının da algoritmaları yapmak için B ekibine birkaç kişi koyduğunu şahsen gördüğünü söyledi, bu da şirket düzeyinde birleşik izleme, optimizasyon, güncelleme ve bakım yapmayı zorlaştırıyor ve kuruluştaki genel AI kaynağının yeniden kullanım oranı çok düşük.
Bazı işletmeler veya kurumlar, yapay zeka risk kontrolü ve hassas pazarlama elde etmek için kredi kartı ihracı, uygunluk onayı ve dolandırıcılık tespitine yapay zeka teknolojisini zaten uygulamıştır. Ancak finans sektörünün güvenlik ve uyumluluğa verdiği önem, yapay zekanın uygulanmasına da uzanıyor. Örneğin, bankadaki teknik ekip uyum faktörlerine büyük önem veriyor ve yeni bir model oluştururken, inşaatın delegasyonundan ve onayından kimin sorumlu olduğu, veri okuma onayını kimin üstlendiği ve veri yazma, model üretimi, eğitim, iniş ve lansman da süreç katmanları tarafından garanti altına alınıyor. Bu tür bir talebin geleneksel akıllı uygulama yapısı olmadığı açıktır.
Bir bulut satıcısından üst düzey bir endüstri çözümü çalışanı Digital Intelligence Frontier'e, bazı büyük merkezi devlete ait işletmelerin, kuruluşun akıllı bir merkezini inşa etmeyi ve kendi yapay zeka yeteneklerini geliştirmeyi umduğunu, böylece kuruluşun dijital departmanının yeni senaryolar için kendi algoritmalarını geliştirebileceğini ve yeni uygulamalar yapabileceğini söyledi.
Bu eğilim sektörde de gözlenmektedir. Baidu'nun akıllı bulut yapay zeka platformunun kıdemli mimarı Jin Wei, dijital zekanın ön saflarına bunun yapay zeka uygulamalarının derin bir su alanına doğru ilerlediğini ve işletmelerin sistematik dönüşümünün giderek daha belirgin hale geldiğini yansıttığını söyledi. İşletmelerin sadece bir vizyon ve hedef planlamasına sahip olmaları değil, aynı zamanda güçlü bir tanıtım koordinasyon ve denetim mekanizmasına sahip olmaları ve sorunsuz bir şekilde uygulanmasını sağlayacak eksiksiz araçlara sahip olmaları gerekir. AI platformu, işletmelerin akıllı dönüşümü için bir üretkenlik aracıdır.
Sektör bu platform ürününün önemini fark etti. Uluslararası bir analist firması olan Forrester, kısa süre önce "The Forrester WaveTM: Evaluation of AI/ML Platform Vendors in the Chinese Market, Q42023" raporunu yayınlayarak, Çin'in kurumsal karar vericilerinin üretkenliği artırmak ve iş inovasyonunu teşvik etmek için yapay zeka teknolojisinin benimsenmesine daha fazla öncelik verdiğine işaret etti. Bu süreçte işletmeler, kendi iş ortamlarında karmaşık kullanım durumlarını destekleyebilecek yapay zeka platformu ürünlerine ihtiyaç duyar.
Yeni trendler, makine öğrenimi platformu satıcılarının yeteneklerini de talep ediyor. Forrester'a göre, önde gelen platformların** veri yönetimi, model eğitimi ve yapay zeka uygulama oluşturma alanlarında kapsamlı araçlar sağlaması gerekiyor; Ayrıca, yapay zeka yeteneklerine ve veri bilimcilerine sahip olmayan bazı kuruluşların kendi iş gereksinimlerine göre yapay zeka yetenekleri elde etmelerine yardımcı olmak için sektör senaryolarına uyarlanmalıdır**; Buna ek olarak, araçlar, teknolojiler ve uygulamalar, kuruluşların modelleri büyük ölçekte geliştirmesine ve dağıtmasına yardımcı olabilir.
Forrester, Çin'deki 14 ana akım makine öğrenimi platformu satıcısını üç boyuttan 25 alt kritere göre değerlendirdi: ürün kapasitesi, stratejik düzen ve pazar performansı. Verilere göre, Baidu Intelligent Cloud şu anda raporun lideri olarak derecelendirildi ve veri, eğitim, tahmine dayalı akıl yürütme ve uygulama gibi 9 alt puanda birinciliği kazandı.
Jin Wei, Baidu'nun yapay zeka platformundaki önde gelen ürün yeteneklerinin uzun vadeli birikim ve cilalama sürecinden geçtiğini açıkladı. AI platformunun asıl amacı, farklı türdeki kurumsal kullanıcıların AI uygulamalarını hızlı ve ekonomik bir şekilde oluşturmasına olanak tanıyan ve aynı zamanda platformda birden fazla algoritma, araç, hızlı çalışma ve iyi sonuçlar elde ederek müşterilerin sunuculardan ve insan gücünden tasarruf etmesine yardımcı olan bir üretkenlik yazılımı oluşturmaktır.
Şu anda, enerji ve finans sektörlerindeki bazı büyük işletmeler derinden kullanılmaktadır. Yapay zeka platformuna dayalı olarak, işletmeler yalnızca iş ihtiyaçlarını karşılayan yapay zeka modellerini ve uygulamalarını hızlı bir şekilde oluşturmakla kalmaz, aynı zamanda model performansını etkili bir şekilde izleyebilir ve optimize edebilir. Ayrıca veri, bilgi işlem gücü, insanlar ve süreçler gibi kaynakları yönetmek ve koordine etmek daha uygun ve verimlidir.
Örneğin, enerji sektöründe, Baidu'nun akıllı bulut yapay zeka platformu, büyük grupların iş sorunlarını çözmesine yardımcı oluyor. Bir yandan, tekerleğin yeniden icat edilmesini önlemek için model ve veriler farklı yan kuruluşlar arasında paylaşılabilir. Aynı zamanda, mevcut güvenlik üretimiyle ilgili bazı modeller, Devlet Şebekesi tarafından doğrudan il veya belediye ağına dağıtılabilen, yapay zeka kaynaklarını verimli bir şekilde kullanabilen ve tutarlı kaliteye sahip olan bu ürünü kullanır. Buna ek olarak, AI platformu, Baidu'nun çok sayıda uzmanın manuel deneyimi olmadan zamanlama parametrelerinin otomatik kalibrasyonunu gerçekleştirebilen pekiştirmeli öğrenme çerçevesini kullanarak, güç dağıtımı için yeni bir algoritmanın geliştirilmesi gibi işletmelerin yenilik yapmasına da yardımcı olabilir.
Finans sektöründe, Baidu Akıllı Bulut'un yapay zeka platformu çözümü, birçok finans kurumunun finansal senaryolara yapay zeka uygulandığında süreç uyumluluğunu ve güvenilir güvenliği sağlamak için büyük model risk yönetimi modülleri oluşturmasına da yardımcı oldu.
02 Büyük modeller çağı, nasıl terzilik yapılır
Bu yılın başından bu yana, büyük modeller ve üretken yapay zeka dalgası, yapay zekanın sektörde daha derinlemesine uygulanmasını teşvik etti ve makine öğrenimi platformları da yeni geliştirme fırsatlarını başlatıyor.
Üst düzey kaynaklara göre, büyük dil modellerinin gelişinden sonra, makine öğrenimi platformlarındaki değişiklikler üç düzeyde yansıtılıyor. En tipik değişiklik, NLP'den önceki karmaşık işlem arayüzü olan operasyon arayüzünde daha basit hale geldi ve dil yapay zekasının kurumsal uygulama eşiği düşüyor. Aynı zamanda, modelin otomasyon yeteneği geliştirilir ve veri işleme, model seçimi ve otomatik rapor oluşturma gibi görevler otomatikleştirilebilir. Buna ek olarak, yapay zekaya özgü yenilikçi uygulamalar için alan da açıldı.
Bu bağlamda, birçok şirket soruyu cevaplamak için büyük modeli bir zorunluluk olarak aldı ve çeşitli platform üreticileri de büyük model teknolojisinin uygulanmasını hızlandırmak için çeşitli ürün ve platformları piyasaya sürmeye hazırlanıyor. Baidu'yu örnek alarak, bu yılın Mart ayında, büyük model hizmetleri için bir "süper fabrika" oluşturmak üzere büyük model geliştirme ve uygulamasının temel yeteneklerini AI platformuyla derinlemesine entegre eden Baidu Akıllı Bulut Qianfan büyük model platformunu başlattı.
Özellikle, Baidu, endüstrinin büyük modellere olan talebini, yalnızca bilgi işlem gücüne ihtiyaç duyan bir müşteri veya büyük model API'sini doğrudan çağırmak veya mevcut büyük modele dayalı ikincil geliştirme yapmak isteyen bir kuruluş ve büyük modele dayalı AI yerel uygulamaları geliştirmek veya geliştirilen uygulamayı doğrudan kullanmak isteyen bir şirket olsun, Baidu Qianfan platformu hedeflenen hizmetleri sağlayabilir.
Yalnızca bilgi işlem gücüne ihtiyaç duyan işletmeler için Baidu Qianfan platformu, yüksek verimli ve uygun maliyetli heterojen bilgi işlem gücü hizmetleri sağlayabilir. Jin Wei, bunu yapmak için Baidu'nun akıllı bulut yapay zeka platformunun teknik ekibinin birkaç yılını çok fazla Kirli İş yaparak geçirdiğini açıkladı. Örneğin, yurtiçi ve yurtdışındaki ana akım AI çipleriyle uyumludur ve dört seviyeden uyarlanması gerekir: çerçeve katmanı, çekirdek algoritma ve ağ, çip modeli ve işletim sistemi. "PyTorch, TensorFlow'dan farklıdır ve işletim sistemi Windows, Linux veya mikrodenetleyicidir ve yapılacak iş de farklıdır. ** Dört katmanlı kombinasyon, çeşitli modellerin sorunsuz çalışmasını sağlamak için 40.000 uyarlama yapmıştır. **" dedi Jin Wei.
Şu anda, Qianfan büyük model platformu yalnızca Wenxin büyük model 4.0'a bağlı değil, aynı zamanda yurtiçi ve yurtdışında 44 üçüncü taraf ana akım büyük modeli yönetiyor ve bu da yerel platformlar arasında en büyük sayı.
**Bazı kuruluşlar, zengin bir araç zinciri ve çok sayıda veri kümesi gerektiren mevcut büyük modelleri yeniden geliştirmek ister. ** Qianfan platformu şu anda eksiksiz bir araç zincirine ve büyük model yeniden eğitimi, ince ayar, değerlendirme ve dağıtımın tüm yaşam döngüsünü kapsayan çok sayıda yüksek kaliteli veri kümesine sahiptir, bu da model etkisini senaryolara göre hızlı bir şekilde optimize edebilir ve büyük işletme modellerinin kullanıcı deneyimini daha da iyileştirebilir.
Büyük modeller, veri açıklama sürecine yeni değişiklikler getirir ve birçok açıklama görevi model aracılığıyla tamamlanabilir. Şu anda, Qianfan platformu iş verilerinin yeniden akışını ve yüksek düzeyde otomatikleştirilmiş veri açıklamasını desteklemektedir. Örneğin, nesne algılama senaryosunda Qianfan, küçük bir parçayı etiketlemek için düğmeye tıklayarak doğrudan ön eğitim yetenekleri sağlar ve modelin otomatik olarak açıklama eklemek için insan açıklama stilini öğrenmesine izin verir, bu da işletmeler için insan gücünün %70~%90'ından tasarruf sağlayabilir.
Büyük modellere dayalı yapay zeka tabanlı uygulamalar geliştirmek isteyen birçok şirket de var. Bu ayın ortasında Baidu Intelligent Cloud, AI yerel uygulama ihtiyaçlarının geliştirilmesini amaçlayan büyük ölçekli model uygulama geliştirme için ortak uygulama bileşenleri ve uygulama çerçevesi iki katmanlı hizmetleri içeren "Qianfan AI Native Uygulama Geliştirme Çalışma Tezgahı"nı piyasaya sürdü.
Uygulama çerçevesi, belirli bir senaryonun tüm görevini tamamlamak için bileşenleri organik olarak bağlayabilir. Qianfan platformu, piyasada Retrieval Enhanced Generation (RAG) ve Agent gibi yaygın olarak kullanılan çerçeve hizmetleri sağlamıştır ve Sany Heavy Industry gibi öncü işletmeler, kendi bilgi Soru-Cevap uygulamalarını hızlı bir şekilde geliştirmek için bu çerçeveleri uygulamıştır.
Mühendislik, büyük modellerin ortaya çıkmasından sonra doğan yeni bir alandır. Bu, büyük modelin doğasıyla ilgilidir ve talimatları biraz değiştirmek, çıktısında veya davranışında büyük bir fark yaratabilir. Şu anda, çeşitli üreticiler mühendislik araçlarını vurgulamaktadır. Baidu Qianfan platformu ayrıca toplam 226 şablonla diyalog, programlama, e-ticaret, tıbbi bakım, oyunlar, çeviri, konuşma vb. konuları kapsayan 10'dan fazla senaryo sunar. Raporlara göre, bu, Çin'deki ana akım platformdaki en fazla şablon kitaplığı sayısıdır. Geliştiriciler ve işletmeler, süreci verimli bir şekilde tamamlamak için platform tarafından sağlanan çeşitli otomasyon ve toplu iş araçlarını da kullanabilir.
Jin Wei, son birkaç ay içinde Baidu'nun akıllı bulut Qianfan büyük model platformunun sağlam bir temel oluşturduğuna ve 100 model savaşına hazır olduğuna ve işletmelerin yapay zekayı büyük ölçekte uygulamalarına yardımcı olduğuna inanıyor.
**03 AI platformu, bir sonraki durak neresi? **
Yapay zeka sadece büyük işletmeler için değildir. Şu anda, makine öğrenimi platformu üreticileri, büyük işletmelerin, küçük ve orta ölçekli müşterilerin ve geliştirici pazarlarının kapsamlı kapsamına önem veriyor ve Baidu Akıllı Bulut'un yapay zeka platform çözümleri de farklı gruplara hedefli bir şekilde hizmet ediyor.
Jin Wei, Digital Intelligence Frontier'e verdiği demeçte, Baidu'nun yapay zeka platformu çözümünün, tam özellikli yapay zeka geliştirme platformu BML, sıfır eşikli yapay zeka geliştirme platformu EasyDL ve Baidu Akıllı Bulut Qianfan büyük model platformu gibi ürünler de dahil olmak üzere bir dizi ürün için genel bir terim olduğunu söyledi. Farklı alanlar veya farklı müşteri tercihleri için AI platformunun ilgili ürün uyarlaması vardır. Örneğin, veri işleme yeteneği EasyData ürününe paketlenmiştir ve kullanıcıların yüksek performanslı önceden eğitilmiş modellerle sıfır kod modellemeyi tamamlamasına yardımcı olabilecek EasyDL ürününü yapmak için sıfır kod modelleme yeteneği de çıkarılır ve büyük modellerin yetenekleri Baidu'nun akıllı bulut Qianfan platformu tarafından taşınır.
Genel bulutta, müşterilerin çoğunluğu küçük ve orta ölçekli işletmelerdir ve AI platformunun modülleri, ihtiyaçları karşılamak için ana temsilciler olarak tam özellikli AI geliştirme platformu BML ve EasyDL ürünleri ile yeniden demonte edilir ve birleştirilir. Büyük müşterilerin özelleştirme dağıtım ihtiyaçlarına yanıt olarak, teslimatı tamamlamak için çeşitli ürünler süper büyük ürünler halinde paketlenecektir.
Forrester raporuna göre, Baidu'nun akıllı bulut yapay zeka platformunun ürün yetenekleri beş ana alanda iyi performans gösterdi: veri işleme, model eğitimi, tahmine dayalı akıl yürütme, uygulama ve mimari.
Jin Wei, farklı alanlardaki benzersiz yetenekleri ve avantajları tanıttı. Veri alanındaki özellik mühendisliğini örnek alan Jin Wei, Baidu'nun AI platformunun çok mükemmel özellik kütüphanesi yönetim yeteneklerini entegre ettiğini ve yeteneklerinin profesyonel düzeyde bir düzeye ulaştığını tanıttı. Özellik ekleme, silme, değiştirme ve sorgulama, özellik üretimi, paylaşma, sürüm yönetimi, veri doğrulama vb. işlevleri sağlayabilir, tahmin hizmetleri için onay akışında farklı veri biçimlerini destekleyebilir ve model eğitiminde kullanılan özelliklerin son tahmindeki özelliklerle tutarlı olmasını sağlayabilir. Jin Wei, "Eğitim sırasında özellik dağılımı yüzde 50 erkek ve yüzde 50 kadın ise ve yüzde 60 erkek ve yüzde 40 kadın tahmin ediliyorsa, modelin özellikle doğru olmasını bekleyemezsiniz" diyor.
Örneğin, model eğitimi alanında Baidu'nun yapay zeka platformu, resimler, videolar, metin, konuşma ve yapılandırılmış veriler dahil olmak üzere çeşitli veri türlerinin modellenmesini ve eğitimini destekleyebilir. Modelleme açısından, kod yazmak isteyen kişiler için Not Defteri aracı desteği sağlanır ve kod yazmayı sevmeyen kişiler, modellemek için entegre tek durak düğmesini sürükleyip bırakabilir veya hatta tıklayabilir. Görüntü sınıflandırma, tek etiketli çoklu etiket, nesne algılama ve diğer CV senaryoları gibi çok sayıda senaryo için Paddle algoritma ekibi, Paddle operatörüne dayalı derinlemesine optimizasyon gerçekleştirdi ve performans ve etki daha iyi olacak.
Ürün performansının benzersiz avantajları, uzun vadeli teknik yatırımlardan ve yeni teknoloji trendlerine gösterilen ilgiden ayrılamaz. Baidu'nun yapay zeka platformunun Ar-Ge ekibine göre, üç yıl önce olduğu gibi yeni teknoloji trendleri konusunda çok endişeliler, endüstri model yorumlanabilirliği sorununu tartışıyordu ve modelin nasıl karar verdiğini bilmiyorsanız, modelin yüksek güvenlik uyumluluğu gereksinimleri olan senaryolarda kullanımını etkileyecektir. Genel olarak konuşursak, derin öğrenme modelleri geleneksel makine öğrenimi modellerinden çok daha büyük parametrelere sahiptir ve kara kutu sorunu daha ciddi olacaktır.
Uzun bir hazırlık döneminden sonra, Baidu AI platform ekibi nihayet geleneksel makine öğrenimi alanındaki model açıklanabilirlik algoritmasının üstesinden geldi, beş yaygın makine öğreniminin beyaz kutu ilkelerini entegre etti ve ayrıca bazı derin öğrenme yorumlanabilirlik sorunlarının üstesinden geldi. "Bir modelin ne zaman karar verdiğini, veriye dayalı mı yoksa algoritma kaynaklı mı olduğunu anlamak atfedilebilir ve bu sonuçlar, finansal karar verme gibi özel endüstri senaryolarında AI platformuyla ilgili ürünlerin uygulanmasını teşvik eder." Jin Wei tanıttı.
Şu anda endüstri, büyük modellerin geliştirme paradigmasını beş katmana ayırıyor: büyük modelin kendisi, mühendislik, zincir araç zinciri ve eylem zinciri, ajans ve çok ajanslı. Baidu'nun akıllı bulut Qianfan platformunun ana odak noktası, birinci ve ikinci katmanlarda çok sağlamdı ve araç zinciri, aracı ve çok kurumlu yetenekler dahil olmak üzere son üç katman da kilit inşaat aşamasında. Jin Wei, Qianfan büyük model platformunun geliştirilmeye ve yükseltilmeye devam edeceğini, böylece büyük modelin bağımsız olarak öznel inisiyatifini uygulayabileceğini ve karmaşık sorunları çözme yeteneğine sahip olacağını açıkladı. Aynı zamanda, gelecekte denize açılma planları da göz ardı edilmiyor**.
Genel olarak, işletmelerin akıllı inşası altında, yapay zekanın işletmeler tarafından uygulanması derinden yükseltildi ve yapay zeka platformları alanındaki rekabet giderek daha şiddetli hale geldi. Eğrinin önünde kalmak ve değişen uyumluluk ve teknik karmaşıklığın uzun vadeli zorluklarını karşılamak için üreticilerin de teknolojiye yatırım yapması gerekecektir. Jin Wei, üreticilerin bu değişen pazara uyum sağlamak için teknolojik yeniliklere bağlı kalmaları ve müşteri memnuniyetini, güvenliğini ve uyumluluğunu iyileştirmeleri gerektiğine inanıyor.