uutiset

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Nykyään tekoälystä (AGI) on tullut yksi tiedeyhteisön ja teollisuuden keskeisistä avainsanoista. Vielä muutama vuosi sitten monet uskoivat, että AGI:n toteuttamiseen kuluisi vähintään 10–50 vuotta se ei olisi koskaan mahdollista. Nykyään jälkimmäisiä on vähän. Verrattuna yleisön innostukseen tästä teknisten muutosten aallosta, monet AI:n (tekoälyn) etulinjan tutkijat ja alan johtajat katsovat, että on vielä pitkä matka kuljettavana ennen kuin nykyinen tekoäly voi kehittyä AGI:ksi.

Qi Yuan, Fudanin yliopiston arvostettu professori Hao Qing, Shanghai Institute of Scientific Intelligence -instituutin (jäljempänä "Shanghai Institute") dekaani ja luotetun suuren malliyhtiön "Infinite Lightyear" perustaja, sanoo "yksi korkeimmista". yleisen tekoälyn ilmenemismuotoja" Se on monimutkaisen maailman tuntemattomien lakien löytämistä. Lyhyesti sanottuna sen pitäisi olla "AI Einstein". Tämä edellyttää, että luomme yhdistelmän nopeasti ajattelevasta "mustan laatikon" todennäköisyysennusteesta ja hitaasta ajattelusta " valkoisen laatikon looginen perustelu luoda "Grey Box" luotettava suuri malli ja teknologian ja teollisuuden syvän integroinnin avulla edistämme perustutkimusta, lahjakkuuksien koulutusta ja tulosten toteuttamista tieteellisen ja älykkään innovaatioekosysteemin luomiseksi.

Ei kauan sitten päättyneessä 2024 World Artificial Intelligence Conference (WAIC) ja tekoälyn maailmanlaajuista hallintoa käsittelevässä korkean tason konferenssissa Shanghain teknologiainstituutti järjesti onnistuneesti teemafoorumin "Tekoäly: Tieteellisen tutkimuksen paradigman muutos ja teollinen kehitys". Tämä on myös ensimmäinen kerta, kun tämä uusi T&K-instituutio ilmestyi WAIC:ssa. Shangzhi-instituutin voidaan sanoa olevan malli Shanghaille innovaatiovetoisen "1+1+N" tieteellisen älykkään ekologisen mallin tutkimisessa. Eli Shangzhi Instituten "1" toimii ekosysteemin keskuksena ja keskuksena, vastuullisena. yleiseen strategiseen suunnitteluun, resurssien integrointiin ja keskeisten teknologioiden T&K- ja innovaatiotoiminta yhdistettynä toiseen "1" Fudanin yliopistoon ja monien yliopistojen, tieteellisten tutkimuslaitosten, teknologiayritysten, innovaatioryhmien ja investointilaitosten "N" kanssa edistävät yhdessä tieteellinen tutkimus, lahjakkuuksien koulutus, tieteellisten ja teknologisten saavutusten muutos ja teollisuuden innovaatiot ja parantaminen.

AGI:n standardina pitäisi olla "AI Einstein" luominen

Teknisestä näkökulmasta, johtavatko suuret mallit, joissa on yhä enemmän parametreja, yleiseen tekoälyyn? Tänä päivänä, joko itse tekoälyteknologian tai energiankulutuksen näkökulmasta, vaikka suurilla Transformer-autoregressiiviseen arkkitehtuuriin perustuvilla malleilla on edelleen osinkoja, ne eivät riitä johtamaan yleiseen tekoälyyn. Tekoäly vaatii uusien "harmaiden laatikoiden" luotettavien suurten mallien kehittämistä. Tämä on yhteenveto Qi Yuanin monivuotisesta käytännön kokemuksesta korkeakouluissa ja teollisuudessa.

Kymmenen vuotta sitten ajatuksena "tekoälyn tekemisestä hyödylliseksi" Qi Yuan johti tiimiä kasvattamaan Alibaban koneoppimisjärjestelmän ydintä ensimmäistä kertaa 2 miljoonasta satoihin miljooniin parametreihin, mikä saavutti laajan liiketoiminnallisen vaikutuksen. parannukset osoittavat integroituja muunnoksia, algoritmeja ja suunnittelukykyjä. Tämä on juuri se skaalauslain ruumiillistuma, josta nykyään puhutaan tekoälypiirissä.

Qi Yuan muistutti, että tiimi maisti tuolloin skaalauslain edut: malliparametrien satakertaistumisen jälkeen kokonaisvaikutus parani harppauksin. "Mutta nyt ajattelen: miksi emme tehneet tekoälymalleja enemmän silloin? Miksi pysähdyin tähän, kun otimme askeleen eteenpäin." ei riitä, jotta voitaisiin siirtyä kohti kymmeniä, satoja miljardeja tai jopa biljooneja. Tuolloin sekä akateemisesta että instituutioista puuttui laskentateho, ja jopa teollisessa maailmassa niin suuren laskentatehon saavuttaminen vaati erittäin korkeita kustannuksia. enemmänkin puhumattakaan akateemisesta."

Qi Yuan selitti, että syy, miksi AGI:n standardina pitäisi olla "AI Einsteinin" luominen, on olla tehokas ja älykäs. Ensinnäkin Einstein näki "fysiikan synkät pilvet 1900-luvun alussa" useiden keskeisten tietopisteiden kautta. Mikään nykyisistä suurista malleista ei kuitenkaan pysty tähän. Vaikka suuri visuaalinen malli SORA simuloi fyysistä maailmaa ennennäkemättömässä määrin, SORA rakentaa silti kolmiulotteisen maailman, joka perustuu kaksiulotteisen maailman simulointiin, joka on vielä kaukana. fyysisen maailman perusteellisesta ymmärtämisestä. Toinen on virrankulutus Ihmisaivojen teho on noin 15 wattia, ja GPU:n huipputeho on useita satoja watteja puhumattakaan siitä, että yleiskäyttöisten suurten mallien koulutuksen tukeminen vaatii kilokortin tai kymmenentuhatta korttiklusterin . Toistaiseksi, jos jatkat nykyisen arkkitehtuurin käyttöä, se vaatii valtavan määrän virrankulutusta, mikä tekee tehokkaan ja älykkään tavoitteen saavuttamisen vaikeaksi.

"AI Einstein" on myös AI for Sciencen (Huom. Scientific Intelligence, jäljempänä AI4S) keskeinen tavoite. Tieteellisellä älykkyydellä on jo tärkeä rooli tunnettujen fysikaalisten yhtälöiden ratkaisun nopeuttamisessa, mutta tieteellisen älykkyyden on yhdistettävä tunnetut säännöt ja data, vähennettävä suurta riippuvuutta datasta ja laskentatehosta, parannettava päättelyn ja ennusteen tarkkuutta sekä mukautettava tietotiedon perusteella. sääntöjä ja ehdottaa uusia tieteellisiä teorioita. Tämä sopii myös yhteen Qi Yuanin pitkän aikavälin tavoitteen kanssa työskennellä Fudanin yliopistossa ja Shanghain henkisen omaisuuden instituutissa - "käyttää tekoälyä monimutkaisen maailman ymmärtämiseen ja tuntemattomien lakien löytämiseen".

"Harmaa laatikko" luotettu pystysuora kenttä suuri malli antaa tuhansia toimialoja

Mitä ongelmia pitää ratkaista pikaisesti, kun suuret mallit tuovat uutta tuottavuutta tekoälytyökaluista? Qiyuanin näkökulmasta suuri malliteollisuus kohtaa monia yhteisiä haasteita, mikä vaikeuttaa teknologian, tuotteiden ja markkinoiden kysynnän yhteensovittamista.

"Tällä hetkellä suurin ongelma suurten mallien toteutuksessa on, että ne näyttävät ensi silmäyksellä hyödyllisiltä, ​​mutta ne ovat hyödyttömiä, kun niitä käytetään." Qi Yuan selitti, että nykypäivän laajamittaisten kielimallien ydin on yksinkertaisesti ennustaa seuraava sana ennustaaksesi seuraavan sanan, mutta tämä ei sovellu monivaiheiseen tiukkaan päättelyyn. "Kieli on väline kommunikaatioon, ei työkalu ajatteluun." Massachusetts Institute of Technologyn (MIT) ja muiden korkeakoulujen "Nature" -julkaisussa äskettäin julkaistu artikkeli huomautti, että kieli on tehokas levittämisen työkalu. kulttuuritietoa, ja se voi liittyä Ajattelu- ja päättelykykymme yhteiskehittymiseen kuvastamaan ihmisen kognition monimutkaisuutta. Mutta kieli ei luo päättelyn monimutkaisuutta.

Ottaen huomioon suurten mallien olemassa olevat ominaisuudet, kuten epäluotettavuus, alhainen tulkitavuus ja korkeat kustannukset, todella tehokas ratkaisu on yhdistää todennäköisyyspohjainen hermoverkkopäättely loogisiin symbolisiin laskelmiin, kuten taloustieteen Nobel-palkinnon voittaja Daniel Card Ihmisen vaistoihin perustuva nopea ajattelu ja loogiseen päättelyyn perustuva hidas ajattelu, joka on kuvattu Niemannin kirjassa "Thinking Fast and Slow" "voidaan sanoa olevan suuri" harmaa laatikko" Qi Yuan uskoo, "harmaa laatikko" luottaa suuriin malleihin symbolisen laskennan yhdistäminen hermoverkkoihin voi vähentää tekoälyn "illuusiota" ja ratkaista vertikaalisten alojen ammatillisia ongelmia, mikä vahvistaa tuhansia toimialoja ja vapauttaa suurten mallien tuottavuutta.

Mikä on "harmaa laatikko" luotettava iso malli? "Syvän oppimisen ajateltiin alun perin olevan "musta laatikko", mutta nyt yhdistämme loogisen päättelyn "valkoisen laatikon" syvään oppimiseen, ja siitä tulee "harmaa laatikko", Qi Yuan selitti: "Alkuperäinen "musta laatikko". ' saa ihmiset tietämään mitään tulosten tuottamisesta, ja "harmaa laatikko" -malli voi saada ihmiset "tietämään, mitä tapahtuu ja miksi" loogisen päättelyn avulla Mallit voivat käyttää syväoppimista vähentämään sääntöjä, jotka eivät tuota vastaavat todellisia havaintotietoja."

Qi Yuan sanoi, että jotta monimutkaisista skenaarioista eri teollisuudenaloilla tulisi uusia taistelukenttiä, joissa tekoäly on keskeinen rooli, olipa kyse sitten rahoituksesta ja vakuutuksista, tuulivoimasta, merikuljetuksista, lääketieteen ja lääkealan skenaarioista, on välttämätöntä integroida järjestelmällinen alan tietämys, päättelylogiikka ja päätöksentekomekanismit yhdistettynä suuriin malleihin. "Harmaa laatikko" suuret mallit eivät ole vain yleisen tekoälyn yleinen suunta, vaan myös tehokas työkalu suurille malleille tunkeutua syvälle pystykenttiin ja todella ratkaista käytännön ongelmia. "Jos asiaa tarkastellaan teollisuuden näkökulmasta, tämä ymmärrys on erittäin intuitiivinen." alalla ja tehdä omia tuottavuustyökaluja. Teknisesti ottaen "katastrofaalinen unohtaminen" voi tapahtua, jos suuri malli on ylioppinut merkityksettömistä tehtävistä. Aivan kuten jos Li Bai työskenteli kirjanpitäjänä koko päivän eikä kirjoittaisi runoja, hänen runollinen inspiraationsa saattaa vähitellen haihtua. "Olemme havainneet, että kun opetellaan suurta mallia pystykentällä, jos mallin annetaan oppia liikaa epäolennaisia ​​toimintoja, se häiritsee sen alkuperäisiä ominaisuuksia. Siksi on tarpeen tehdä "harmaa laatikko" iso malli vertikaalinen kenttä on mielestäni suuri arvo teollisessa toteutuksessa.

"Uskon, että 'harmaan laatikon' suurella mallilla tulee olemaan yhä tärkeämpi rooli tiellä AGI:n ja vertikaalisen teollisuuden käyttöönoton tiellä, koska bayesialaisesta metodologiasta on tarkoitus yhdistää tunnettu tietomme ja piilotettu Tiedon tuntematon tieto yhdistetään. löytää uusia lakeja ja ratkaista tieteellisiä ja teollisia ongelmia "Qi Yuan sanoi suoraan, että tulevaisuudessa "AI Einstein" voi olla myös "AI Buffett".

Avaa innovaatioketju ja rakenna tieteellinen ja älykäs innovaatioekosysteemi

Vuoden 2024 World Artificial Intelligence Conference -konferenssissa Qi Yuanin johtama tiimi julkaisi laajamittaisen luotettavan kevytkielisen talous- ja lääketieteellisen mallin, jossa on kymmeniä miljardeja parametreja. Suurten mallien testit näillä kahdella pystykentällä ovat ohittaneet OPEN AI:n biljoonaparametrisen suuren mallin GPT4-Turbo, mikä on jälleen kerran herättänyt alan huomion suurten mallien toteuttamiseen.

"Tämän päivän tekoälyn läpimurrot eivät tule pelkästään taustalla olevien periaatteiden innovaatiosta, vaan niitä ohjaavat myös sosiaalisiin tarpeisiin suuntautuneet tuotteet. Yhteiskunta ei tarvitse vain teoreettisten artikkeleiden julkaisemista tai liiketoimintamallien innovointia, vaan teknologisten asioiden syvällistä integrointia. innovaatiot ja teolliset innovaatiot, jotka perustuvat ykseyden periaatteen läpimurtoon, kun nämä kaksi yhdistetään, voimme uida paikkaan, jossa vesi on sinisempää", Qi Yuan sanoi.

Yliopistolla ja teollisuudella on erilaiset tehtävät, kun taas teollisuuden on ensin ratkaistava käytännön ongelmat. Kotimaassa ja ulkomailla on yhteinen ongelma: tutkimuslaitosten on tutkittava monia teknologisia innovaatiokysymyksiä, mutta jos ne jättävät huomiotta tuotteistamisen ja yhteiskunnalliset tarpeet, syntyy kaksi puutetta: todellisen kilpailupaineen puute ja kyvyttömyys hillitä innovatiivisia teknologioita kilpailussa. Tehokas markkinainformaation palaute ohjaa teknologian tutkimusta ja kehitystä.

Tätä varten Qiyuan on odottanut "yliopistojen-tutkimuslaitosten-start-up-yritysten" innovaatioketjun avaamista ja hyvän innovaatioekosysteemin luomista. Hän ei vain ajattele taustalla olevaa teknologiaa, vaan myös tarttua markkinoiden kysyntään. Käytä markkinoiden kysyntää ja skenaarioita ohjataksesi tuotteen suuntaa ja innovoi alhaalta ylöspäin rakentaaksesi tuotteen ydinkilpailukykyä.

Vuonna 2023 perustettu Shangzhiyuan on sitoutunut alkuperäiseen AI for Science -innovaatioon, joka yhdistää tiedon ja datan. Äskettäin Shangzhi-instituutti julkaisi Fuxi-sarjan laajamittaisia ​​meteorologisia malleja 2.0 teollisiin sovelluksiin, kuten uuteen energiaan, vakuutuksiin ja kaupunkien hallintaan, ja otti johtoaseman Älykäs meteorologisen innovaation ekologisen allianssin käynnistämisessä, joka yhdistää useita yksiköitä edistämään vähitellen teollistumista. Fuxi-sarjan laajamittaiset meteorologiset mallit 2.0. Myös "harmaan laatikon" luotetun suuren mallin lanseeraus on käynnissä, luotettu suuri malliyritys, jonka perustaja on Qi Yuan.

Tieteellisen ja älykkään innovaatioekosysteemin kukoistamiseksi edelleen toista konferenssia sponsoroivat yhdessä Shanghai Intelligent Academy ja Fudan University, ja sitä ohjasivat yhdessä Shanghai Municipal Science and Technology Commission, Shanghai Municipal Development and Reform Commission, Shanghai Municipal Economic and Information Komissio, Shanghai Municipal Education Commission ja muut osastot World Science and Intelligence Competition on käynnistetty. Kilpailu asettaa miljoonan dollarin palkinnon rekrytoimaan pelaajia kaikkialta maailmasta tutkimaan yhdessä tieteellisen älykkyyden raja-aloja. Samaan aikaan Shangzhi Institute on johtanut multimodaalista tieteellistä dataa kattavan tieteellisen tietoalustan kehittämistä. Alustalla on täyden linkin ominaisuudet tiedonkeruusta ja käsittelystä hallintaan ja mallintamiseen, mikä varmistaa tietojen tehokkaan käsittelyn, luotettavuuden ja turvallisen yhteentoimivuuden. . Tämän alustan pohjalta SPIC ja sen kumppanit ovat rakentaneet useita korkealaatuisia tieteellisiä tietokokonaisuuksia biotieteiden, fysiikan ja ilmakehätieteiden aloille, jotka tarjoavat arvokkaita resursseja tieteellisen älykkyyden tutkimukseen. Lisäksi Shangzhi Institute otti johtoaseman Global Scientific Data Ecological Alliancen käynnistämisessä. Ensimmäiseen liittoutuman jäsenyksikköön kuuluu yli kymmenen yksikköä, mukaan lukien China Telecom Co., Ltd., COSCO Shipping Property Insurance Captive Co., Ltd., Shanghai. Lingang New Area Cross-Border Data Technology Co., Ltd. Allianssi rakentaa globaalin, monialaisen tieteellisen tutkimuksen big data -resurssien avaamis- ja jakamisalustan yhteistyössä hallitusten, yritysten, yliopistojen, tutkimuslaitosten ja muiden tahojen kanssa.

"Sekä tieteellisen tutkimuksen että teollisuuden ei pitäisi olla "uusia uutuuden vuoksi". Toivomme, että voimme rakentaa tulevaisuuden yleistä tekoälyä ja sovelluksia todellisten ongelmien ratkaisemiseksi, sanoi Qi Yuan.

kirjoittaja:

Kuva: Kuva: Shanghai Intelligence Research Instituten lupa. Toimittaja: Wu Jinjiao Päätoimittaja: Jiang Peng

Ilmoita lähde, kun painat tämän artikkelin uudelleen.