Nachricht

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Heutzutage ist künstliche allgemeine Intelligenz (AGI) zu einem der Schlüsselwörter geworden, auf die sich die wissenschaftliche Gemeinschaft und die Industrie konzentrieren. Noch vor wenigen Jahren glaubten viele Menschen, dass es mindestens 10 bis 50 Jahre dauern würde, bis AGI realisiert sei es wäre nie möglich. Letztere sind heute rar gesät. Doch angesichts der Begeisterung der Öffentlichkeit über diese Welle technologischer Veränderungen sind viele Wissenschaftler und Branchenführer auf dem Gebiet der KI (künstliche Intelligenz) der Meinung, dass es noch ein weiter Weg ist, bis sich die aktuelle KI zu AGI entwickeln kann.

Laut Qi Yuan, dem angesehenen Professor Hao Qing der Fudan-Universität, Dekan des Shanghai Institute of Scientific Intelligence (im Folgenden als „Shanghai Institute“ bezeichnet) und Gründer des vertrauenswürdigen großen Modellunternehmens „Infinite Lightyear“, „eines der höchsten.“ Manifestationen allgemeiner künstlicher Intelligenz „Es geht darum, die unbekannten Gesetze der komplexen Welt zu entdecken. Kurz gesagt, es sollte eine „KI Einstein“ sein. Dies erfordert, dass wir eine Kombination aus schnell denkender „Black Box“-Wahrscheinlichkeitsvorhersage und langsamem Denken schaffen. Mit der logischen Argumentation „White Box“ schaffen wir ein vertrauenswürdiges Großmodell. Durch die tiefe Integration von Technologie und Industrie fördern wir die Grundlagenforschung, die Ausbildung von Talenten und die Umsetzung von Ergebnissen, um ein wissenschaftliches und intelligentes Innovationsökosystem zu schaffen.

Auf der World Artificial Intelligence Conference (WAIC) 2024 und der High-Level Conference on Artificial Intelligence Global Governance, die vor kurzem zu Ende ging, veranstaltete das Shanghai Institute of Technology erfolgreich das Themenforum „Künstliche Intelligenz: Paradigmenwechsel in der wissenschaftlichen Forschung und industrielle Entwicklung“. Dies ist auch das erste Mal, dass diese neue Forschungs- und Entwicklungseinrichtung auf der WAIC auftritt. Das Shangzhi-Institut kann als Vorbild für Shanghai bei der Erforschung des innovationsgetriebenen wissenschaftlich-intelligenten ökologischen Modells „1+1+N“ bezeichnet werden. Das heißt, die „1“ des Shangzhi-Instituts dient als Zentrum und Knotenpunkt des verantwortlichen Ökosystems für die allgemeine strategische Planung, Ressourcenintegration und die Forschung und Entwicklung sowie Innovation von Schlüsseltechnologien, kombiniert mit einer weiteren „1“ Fudan-Universität und den „N“s vieler Universitäten, wissenschaftlichen Forschungseinrichtungen, Technologieunternehmen, Innovationsteams und Investitionsinstitutionen, gemeinsam fördern wissenschaftliche Forschung, Talentausbildung, Transformation wissenschaftlicher und technologischer Errungenschaften sowie Innovation und Modernisierung der Branche.

Der Standard für AGI sollte darin bestehen, „KI Einstein“ zu schaffen.

Werden große Modelle mit immer mehr Parametern aus technischer Sicht zu allgemeiner künstlicher Intelligenz führen? Ob aus Sicht der KI-Technologie selbst oder aus Sicht des Energieverbrauchs: Große Modelle, die auf der autoregressiven Transformer-Architektur basieren, haben heute zwar immer noch Vorteile, reichen aber nicht aus, um zu allgemeiner künstlicher Intelligenz zu führen. Künstliche Intelligenz erfordert die Entwicklung neuer, vertrauenswürdiger „Gray Box“-Großmodelle. Dies ist eine Zusammenfassung der langjährigen praktischen Erfahrung von Qi Yuan in Wissenschaft und Industrie.

Vor zehn Jahren führte Qi Yuan das Team mit der Idee, „künstliche Intelligenz nützlich zu machen“, dazu, Alibabas Kernsystem für maschinelles Lernen erstmals von 2 Millionen Parametern auf Hunderte Millionen Parameter zu erweitern und so einen großen Geschäftseffekt zu erzielen Verbesserungen. Demonstrieren Sie die integrierte Transformation von Daten, Algorithmen und technischen Fähigkeiten. Dies ist genau die Verkörperung des Skalierungsgesetzes, über das heute im Kreis der künstlichen Intelligenz gesprochen wird.

Qi Yuan erinnerte sich, dass das Team damals die Vorteile des Skalierungsgesetzes bereits ausprobiert hatte: Nachdem die Modellparameter um das Hundertfache erhöht worden waren, verbesserte sich der Gesamteffekt sprunghaft. „Aber jetzt denke ich: Warum haben wir damals nicht in größerem Umfang KI-Modelle gemacht? Warum habe ich hier aufgehört, als wir einen Schritt nach vorne machten?“ Er sagte: „Große Modelle mit Hunderten Millionen Parametern gibt es immer noch.“ nicht genug, um Dutzende Milliarden, Hunderte Milliarden oder sogar Billionen zu erreichen. Damals fehlte es sowohl der Wissenschaft als auch den Institutionen an Rechenleistung, und selbst in der industriellen Welt waren sehr hohe Kosten erforderlich, und sogar umso mehr. Ganz zu schweigen von der Wissenschaft.“

Der Grund, warum der Standard für AGI darin bestehen sollte, eine „KI Einstein“ zu schaffen, sei effektiv und intelligent, erklärte Qi Yuan. Zunächst einmal sah Einstein die „dunklen Wolken der Physik im frühen 20. Jahrhundert“ anhand mehrerer wichtiger Datenpunkte, sodass AGI auch in der Lage sein sollte, unbekannte Gesetze zu entdecken, die die komplexe Welt verstehen. Allerdings kann dies keines der aktuellen großen Modelle leisten. Obwohl das große visuelle Modell SORA die physische Welt in einem beispiellosen Ausmaß simuliert, baut SORA immer noch eine dreidimensionale Welt auf, die auf der Simulation der zweidimensionalen Welt basiert, was noch weit entfernt ist aus einem gründlichen Verständnis der physischen Welt. Der zweite ist der Stromverbrauch des menschlichen Gehirns, der etwa 15 Watt beträgt, und die Spitzenleistung einer GPU beträgt mehrere hundert Watt. Ganz zu schweigen davon, dass für das Training von Allzweck-Großmodellen eine Kilokarte oder ein Zehntausend-Karten-Cluster erforderlich ist . Wenn Sie vorerst weiterhin die vorhandene Architektur verwenden, wird dies einen enormen Stromverbrauch erfordern, was es schwierig macht, das Ziel, effektiv und intelligent zu sein, zu erreichen.

„KI Einstein“ ist auch ein zentrales Ziel von AI for Science (Anmerkung: Scientific Intelligence, im Folgenden AI4S genannt). Wissenschaftliche Intelligenz spielt bereits eine wichtige Rolle bei der Beschleunigung der Lösung bekannter physikalischer Gleichungen, aber wissenschaftliche Intelligenz muss bekannte Regeln und Daten kombinieren, die starke Abhängigkeit von Daten und Rechenleistung verringern, die Genauigkeit von Überlegungen und Vorhersagen verbessern und auf der Grundlage von Datenwissen Anpassungen vornehmen Regeln und schlagen neue wissenschaftliche Theorien vor. Dies deckt sich auch mit Qi Yuans langfristigem Ziel, an der Fudan-Universität und dem Shanghai Intellectual Property Institute zu arbeiten – „Künstliche Intelligenz zu nutzen, um die komplexe Welt zu verstehen und unbekannte Gesetze zu entdecken.“

Das bewährte „Gray Box“-Großmodell mit vertikalem Feld unterstützt Tausende von Branchen

Welche Probleme müssen dringend gelöst werden, wenn große Modelle neue Produktivität durch KI-Tools implementieren? Aus Sicht von Qiyuan steht die große Modellindustrie vor vielen gemeinsamen Herausforderungen, die es schwierig machen, Technologie, Produkte und Marktnachfrage aufeinander abzustimmen.

„Das größte Problem bei der Implementierung groß angelegter Modelle besteht derzeit darin, dass sie auf den ersten Blick nützlich erscheinen, nach ihrer Verwendung jedoch nutzlos sind.“ Qi Yuan erklärte, dass der Kern der heutigen groß angelegten Sprachmodelle einfach darin besteht Sagen Sie das nächste Wort voraus, um das nächste Wort vorherzusagen. Dies ist jedoch nicht für mehrstufiges rigoroses Denken geeignet. „Sprache ist ein Werkzeug zur Kommunikation, kein Werkzeug zum Denken.“ Kürzlich wurde in einem vom Massachusetts Institute of Technology (MIT) und anderen Institutionen in der renommierten Fachzeitschrift „Nature“ veröffentlichten Artikel darauf hingewiesen, dass Sprache ein wirksames Werkzeug zur Verbreitung ist kulturelles Wissen, und es kann mit unseren Denk- und Argumentationsfähigkeiten zusammenhängen, die sich gemeinsam entwickelt haben, um die Komplexität der menschlichen Erkenntnis widerzuspiegeln. Aber Sprache schafft nicht die Komplexität des Denkens.

Angesichts der bestehenden Merkmale großer Modelle wie Unzuverlässigkeit, geringe Interpretierbarkeit und hohe Kosten besteht eine wirklich effektive Lösung darin, probabilistische neuronale Netzberechnungen mit logischen symbolischen Berechnungen zu kombinieren, ähnlich der Kombination von Daniel Card, dem Nobelpreisträger für Wirtschaftswissenschaften Das in Niemanns Buch „Thinking Fast and Slow“ beschriebene instinktbasierte schnelle Denken und das auf logischem Denken basierende langsame Denken „kann als großes ‚Grey Box‘-Modell bezeichnet werden.“ Qi Yuan glaubt, dass „Gray Box“ großen Modellen vertraut Die Kombination von symbolischem Rechnen mit neuronalen Netzen kann die „Illusion“ künstlicher Intelligenz reduzieren und berufliche Probleme in vertikalen Bereichen lösen, wodurch Tausende von Branchen gestärkt und die Produktivität großer Modelle freigesetzt wird.

Was ist ein vertrauenswürdiges „Grey Box“-Großmodell? „Deep Learning galt ursprünglich als ‚Black Box‘, aber jetzt kombinieren wir die ‚White Box‘ des logischen Denkens mit Deep Learning und daraus wird eine ‚Grey Box‘.“ Qi Yuan erklärte: „Die ursprüngliche ‚Black Box‘.“ ' sorgt dafür, dass die Menschen nichts über den Prozess der Datenerzeugung wissen, und das große 'Grey-Box'-Modell kann den Menschen mit Hilfe logischer Argumentation zeigen, was passiert und warum. Modelle können Deep Learning nutzen, um Regeln zu reduzieren, die dies nicht tun mit realen Beobachtungsdaten übereinstimmen.

Qi Yuan sagte, dass es notwendig sei, systematisches Branchenwissen zu integrieren, um komplexe Szenarien in verschiedenen Branchen zu neuen Schlachtfeldern zu machen, auf denen KI eine zentrale Rolle spiele, sei es in den Bereichen Finanzen und Versicherungen, Windenergie, Seetransport, medizinische und pharmazeutische Szenarien. Argumentationslogik und Entscheidungsmechanismen kombiniert mit großen Modellen. Große „Gray Box“-Modelle sind nicht nur die allgemeine Richtung der allgemeinen künstlichen Intelligenz, sondern auch ein leistungsstarkes Werkzeug für große Modelle, um tief in vertikale Felder einzudringen und praktische Probleme wirklich zu lösen. „Wenn man es aus industrieller Sicht betrachtet, ist dieses Verständnis sehr intuitiv.“ Ärzte müssen keine Anwälte sein, und Anwälte müssen sich nicht auf ihre eigene Tätigkeit konzentrieren Feld und erstellen Sie Ihre eigenen Produktivitätswerkzeuge. Technisch gesehen kann es zu „katastrophalem Vergessen“ kommen, wenn ein großes Modell bei irrelevanten Aufgaben zu viel gelernt hat. Genauso wie wenn Li Bai den ganzen Tag als Buchhalter arbeiten und keine Gedichte schreiben würde, könnte seine poetische Inspiration allmählich nachlassen. „Wir haben beobachtet, dass beim Training eines großen Modells in einem vertikalen Feld das Erlernen zu vieler irrelevanter Funktionen zu einer Beeinträchtigung seiner ursprünglichen Fähigkeiten führt. Daher ist es notwendig, ein großes Modell in einer ‚Graubox‘ zu erstellen.“ Der vertikale Bereich ist meiner Meinung nach von großem Wert für die industrielle Umsetzung.

„Ich denke, dass das große ‚Grey Box‘-Modell auf dem Weg zur AGI- und vertikalen Industrieimplementierung eine immer wichtigere Rolle spielen wird, da es nach einer Bayes'schen Methodik darin besteht, unser bekanntes Wissen mit verborgenen unbekannten Informationen in den Daten zu kombinieren.“ um neue Gesetze zu entdecken und wissenschaftliche und industrielle Probleme zu lösen „Qi Yuan sagte unverblümt, dass „KI Einstein“ in Zukunft auch „KI Buffett“ sein kann.

Öffnen Sie die Innovationskette und bauen Sie ein wissenschaftliches und intelligentes Innovationsökosystem auf

Auf der Weltkonferenz für künstliche Intelligenz 2024 veröffentlichte ein Team unter der Leitung von Qi Yuan ein groß angelegtes, vertrauenswürdiges Finanz- und Medizinmodell in leichter Sprache mit Dutzenden Milliarden Parametern. Die Tests großer Modelle in diesen beiden vertikalen Bereichen haben das Billionen-Parameter-Großmodell GPT4-Turbo von OPEN AI übertroffen und damit erneut die Aufmerksamkeit der Branche auf die Implementierung großer Modelle geweckt.

„Heutige Durchbrüche im Bereich der künstlichen Intelligenz resultieren nicht nur aus der Innovation zugrunde liegender Prinzipien, sondern werden auch durch Produkte vorangetrieben, die sich an sozialen Bedürfnissen orientieren. Was die Gesellschaft braucht, ist nicht nur die Veröffentlichung theoretischer Artikel oder die Innovation von Geschäftsmodellen, sondern auch die tiefe Integration von Technologie.“ Innovation und industrielle Innovation, die auf dem Prinzip der Einheit basieren, können wir an einen Ort schwimmen, an dem das Wasser blauer ist“, sagte Qi Yuan.

Wissenschaft und Industrie haben unterschiedliche Aufgaben. Die Wissenschaft muss neue Dinge erforschen, während die Industrie zunächst praktische Probleme lösen muss. Im In- und Ausland gibt es ein gemeinsames Problem: Forschungseinrichtungen müssen sich mit vielen Fragen der technologischen Innovation befassen, aber wenn sie Produktisierung und soziale Bedürfnisse außer Acht lassen, entstehen zwei Mängel: der Mangel an echtem Wettbewerbsdruck und die Unfähigkeit, innovative Technologien im Wettbewerb zu zügeln ; Effektives Marktinformationsfeedback bestimmt die Richtung der Technologieforschung und -entwicklung.

Zu diesem Zweck freut sich Qiyuan darauf, die Innovationskette „Universitäten-Forschungsinstitute-Start-ups“ zu öffnen und ein gutes Innovationsökosystem zu schaffen. Er denkt nicht nur an die zugrunde liegende Technologie, sondern erfasst auch die Marktnachfrage. Nutzen Sie die Marktnachfrage und -szenarien, um die Produktausrichtung voranzutreiben, und führen Sie Innovationen von Grund auf durch, um die Wettbewerbsfähigkeit des Produktkerns zu stärken.

Shangzhiyuan wurde 2023 gegründet und setzt sich für originelle Innovationen im Bereich KI für die Wissenschaft ein, die Wissen und Daten kombinieren. Kürzlich veröffentlichte das Shangzhi-Institut die Fuxi-Reihe groß angelegter meteorologischer Modelle 2.0 für industrielle Anwendungen wie neue Energie, Versicherungen und Stadtmanagement und übernahm die Führung bei der Gründung der Intelligent Meteorological Innovation Ecological Alliance, die mehrere Einheiten vereint, um die Industrialisierung schrittweise voranzutreiben der Fuxi-Serie großräumiger meteorologischer Modelle 2.0. Die Produkteinführung des vertrauenswürdigen Großmodells „Grey Box“ ist ebenfalls im Gange. Infinite Lightyear, ein vertrauenswürdiges Großmodellunternehmen, dessen Gründer Qi Yuan ist, wurde gegründet.

Um das wissenschaftliche und intelligente Innovationsökosystem weiter zu fördern, wurde die zweite Konferenz gemeinsam von der Shanghai Intelligent Academy und der Fudan-Universität gesponsert und gemeinsam von der Shanghai Municipal Science and Technology Commission, der Shanghai Municipal Development and Reform Commission und der Shanghai Municipal Economic and Information geleitet Kommission, Shanghai Municipal Education Commission und andere Abteilungen Der Weltwettbewerb für Wissenschaft und Intelligenz wurde ins Leben gerufen. Der Wettbewerb setzt ein Preisgeld in Höhe von einer Million Dollar aus, um Spieler aus der ganzen Welt zu rekrutieren, die gemeinsam die Grenzgebiete der wissenschaftlichen Intelligenz erkunden. Gleichzeitig hat das Shangzhi-Institut die Entwicklung einer wissenschaftlichen Datenplattform vorangetrieben, die multimodale wissenschaftliche Daten abdeckt. Die Plattform verfügt über umfassende Verbindungsfunktionen von der Datenerfassung und -verarbeitung bis hin zur Verwaltung und Modellierung und gewährleistet so eine effiziente Verarbeitung, Vertrauenswürdigkeit und sichere Interoperabilität von Daten . Auf der Grundlage dieser Plattform haben SPIC und seine Partner mehrere hochwertige wissenschaftliche Datensätze für die Bereiche Biowissenschaften, Naturwissenschaften und Atmosphärenwissenschaften erstellt und damit wertvolle Ressourcen für die wissenschaftliche Intelligenzforschung bereitgestellt. Darüber hinaus übernahm das Shangzhi Institute die Führung bei der Gründung der Global Scientific Data Ecological Alliance. Zu den ersten Mitgliedseinheiten der Allianz gehören mehr als zehn Einheiten, darunter China Telecom Co., Ltd. und COSCO Shipping Property Insurance Captive Co., Ltd., Shanghai Lingang New Area Cross-Border Data Technology Co., Ltd. Die Allianz wird durch die Zusammenarbeit mit Regierungen, Unternehmen, Universitäten, Forschungseinrichtungen und anderen Parteien eine globale, bereichsübergreifende Plattform für die Öffnung und den Austausch von Big-Data-Ressourcen für die wissenschaftliche Forschung aufbauen.

„Sowohl die wissenschaftliche Forschung als auch die Industrie sollten nicht ‚neu um der Neuheit willen‘ sein. Wir hoffen, dass wir zukünftige allgemeine künstliche Intelligenz und Anwendungen entwickeln können, um reale Probleme zu lösen.“

Autor:

Bild: Foto mit freundlicher Genehmigung des Shanghai Intelligence Research Institute Herausgeber: Wu Jinjiao Chefredakteur: Jiang Peng

Bitte geben Sie beim Nachdruck dieses Artikels die Quelle an.