xinhuanet financial observation｜large mallin käyttöönotto ja soveltaminen: vaikeuksia ja läpimurtoja
2024-09-18
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
xinhuanet, peking, 18. syyskuuta kysymys: havainto suuren mallin toteutuksen soveltamisesta: vaikeuksia ja läpimurtoja
toimittajat ran xiaoning, chen tingyu, ling jiwei, zhao qiuyue
suuria malleja on liian paljon, mutta sovelluksia on liian vähän. suuria malleja on ajettava ja käytettävä... kuinka onnistuneesti kävellään suurten mallien toteutuksen "viime mailia" on tullut viimeaikaisten keskustelujen keskipiste teollisuudessa ja sen ulkopuolella.
"100 mallin taistelun" aloitus ei ole liioittelua. tällä hetkellä kiinan kyberavaruushallinnossa on rekisteröity yli 190 suurta mallia, joilla on yli 600 miljoonaa rekisteröityä käyttäjää. tänä vuonna suuret malliyritykset ovat alentaneet hintojaan ja tarjonneet jopa ilmaisia puheluita halvimmalla hinnalla. "älä rullaa mallia, rullaa sovellus." tunnettu yritys on ilmaissut tämän näkemyksen useaan otteeseen, mikä osoittaa, että kilpailu suurella malliradalla on siirtynyt uuteen vaiheeseen ekologian rakentamisessa ja "asiakkaiden hankkimisessa". .
millaisia haasteita suuret mallisovellukset kohtaavat, ja kuinka ratkaista ongelmia ja aktivoida ekosysteemiä sadan kukan kukoistamisesta tapahtumapaikalle? toimittajat haastattelivat äskettäin suuria mallikehitysyrityksiä, suunnittelu- ja tuotekehityslaitoksia, valmistusyrityksiä ja terminaalien valmistajia selvittääkseen tarinoita siitä, kuinka suuret mallit edistävät tutkimusta ja kehitystä, parantavat tuotannon laatua ja tehokkuutta sekä antavat c-puolelle mahdollisuuden parantaa käyttökokemusta.
suuri malli rekonstruoi tieteellisen tutkimuksen ja tuotannon suhteita
elämme tällä hetkellä kriittistä aikaa, jolloin tekoäly saa aikaan tieteellisen tutkimuksen tuottavuuden ja tuotantosuhteiden jälleenrakentamisen. siitä lähtien, kun sitä ehdotettiin ensimmäisen kerran vuonna 2018, ai for science on saavuttanut yksimielisyyden akateemisessa yhteisössä, koska uusi tieteellinen tutkimusparadigma on tuonut vallankumouksellisen vaikutuksen tieteelliseen tutkimukseen. uusien teknologioiden voimaantuminen on parantanut tieteellisen tutkimuksen tehokkuutta, edistänyt omaperäistä innovaatiota tieteellisessä tutkimuksessa ja osoittanut tekoälyn valtavan arvon tieteelliselle tutkimukselle. tekoälyn suurmallia johtava tieteellinen tutkimusryhmä on saavuttanut hedelmällisiä tuloksia.
kiinan tiedeakatemian akateemikko ja jiagengin innovaatiolaboratorion kunniajohtaja tian zhongqun sanoi, että tekoäly on luonut mahdollisuuksia teoreettisiin laskelmiin. algoritmien jalostaminen ja laskentatehon parantaminen ovat parantaneet laskentatehoa huomattavasti. hän käytti analogiaa sanoakseen: "tieteellisen perustutkimuksen tekeminen on kuin olisi eristetty saarella, jolla on vain kallioita eikä polkuja. nykyään tekoäly tarjoaa työkalun, joka voi auttaa tieteellisiä tutkijoita saamaan mahdollisuuden ratsastaa aalloilla ja kiivetä kallioilla."
sähkökemian alalla tieteellisen tutkimuksen on ratkaistava uuden energian teollistumisen ongelma. jos esimerkiksi uusissa energian varastointivoimaloissa, erityisesti suurissa energian varastointilaitoksissa, ilmaantuu turvallisuusongelmia, seuraukset ovat erittäin vakavia. sähkökemian tekoälyteknologia tarjoaa enemmän takeita energiavarmuudesta ja pystyy paremmin havaitsemaan, ohjaamaan, palautetta ja ohjaamaan. toisessa esimerkissä akkuenergian varastointijärjestelmässä parametrien keräämiseen, käsittelyyn ja takaisinkytkemiseen liittyy valtavia tietomääriä. perinteisiin manuaalisiin käsittelymenetelmiin luottaminen voi kestää nopeimmin päiviä. mutta tekoälylle tunnit, minuutit tai jopa sekunnit voivat riittää.
"tekoäly auttaa tutkijoita löytämään ongelmia nopeammin, analysoimaan ongelmia, antamaan palautetta ongelmista ja suorittamaan aktiivista ohjausta suljetun silmukan muodostamiseksi, mikä parantaa tehokkaasti turvallisuutta ja tehokkuutta."
proteiini on kaiken elämän toiminnan aineellinen perusta ja sitä voidaan kutsua molekyylibiologian "kruununjalokiveksi". shenzhen technologyn julkaisemaan laajamittaiseen uni-mol-molekyylirakennemalliin perustuen se voi toteuttaa useita yleisiä ominaisuuksia, kuten molekyylien tuottamista ja ominaisuuksien ennustamista. lääkekehityksen alalla vd-gen, uni-moliin perustuva virtuaalinen dynaamisten molekyylien generointimenetelmä, voi suoraan tuottaa molekyylejä, joilla on korkea sitoutumisaffiniteetti proteiinin kohdeonteloon.
sun weijie, shenzhen technologyn perustaja ja toimitusjohtaja, esitteli, että shenzhen technology ja sen yhteistyökumppanit ovat viime vuosina lanseeraneet suuren mallin dpa-molekyylisimulaatiosta, suuren mallin uni-mol-molekyylirakenteesta, suuren mallin uni-foldista. proteiinien laskostuminen ja uni-rna-geenisekvenssin suuri malli. sarja tieteellisiä suuria malleja ja taustamoottoreita, kuten suuria malleja, korkean suorituskyvyn uni-dockin molekyylitelakointimoottori ja uni-smart-tieteellisen kirjallisuuden multimodaaliset suuret mallit.
shenzhen shi yuzhi science large model system (kuva: shenzhen shi technology)
maapallolla tunnetaan tällä hetkellä noin 200 miljoonaa proteiinia, ja jokaisella proteiinilla on ainutlaatuinen tilarakenne. pitkän luonnossa tapahtuneen elämän evoluutioprosessin jälkeen proteiinimolekyylit voivat spontaanisti suorittaa koko laskostumisprosessin hetkessä. mutta jos tiedemiehet haluaisivat laskea aminohappomolekyylien väliset vuorovaikutukset ennustaakseen niiden laskostumista, kaikkien mahdollisten proteiinikonfiguraatioiden tyhjentäminen kestäisi kauemmin kuin koko maailmankaikkeuden ikä.
"nyt tekoälyteknologian avulla proteiinien kolmiulotteinen konformaatio voidaan laskea tarkasti hyvin lyhyessä ajassa. tutkijat tutkivat myös edelleen tekoälyn käyttöä sellaisten proteiinien suunnittelussa, joita ei ole luonnossa, tai muokata olemassa olevia proteiineja tiettyjen funktionaalisten toimintojen mukaan. laskennallisen biologian professori xu jinbo, tutkija, molecular heartin perustaja ja päätutkija, sanoi: "proteiinirakenteiden ennustaminen tekoälyn avulla on parantanut suuresti ihmisten ymmärrystä proteiineista, ymmärtämistä, kuinka proteiinit suorittavat biologisia tehtäviään, ja ymmärtämään proteiinien välisiä vuorovaikutuksia ja ei-proteiinit tämän avulla ihmiset ymmärtävät paremmin elämän molekyyliprosesseja, millä on tärkeä vaikutus biologian, lääketieteen ja farmasian aloille auttaa lääkekehittäjiä suunnittelemaan tehokkaampia lääkemolekyylejä.
xu jinbo uskoo, että suuret tekoälymallit sopivat erityisen hyvin biotieteiden ongelmien ratkaisemiseen. "menestynein esimerkki tietojenkäsittelyn ja biologian yhdistämisestä on tekoälyproteiinin rakenteen ennustaminen. tämä on ylivoimaisesti tekoälyn suurin panos biologiaan ja jopa koko tiedeyhteisöön. mutta tämä on vasta alkua, eikä se ole kaukana lopusta. ”
neworigin (darwin), molecular heartin itsenäisesti kehittämä suuri tekoälyproteiinin generointimalli, on suuri tekoälyproteiinin perusmalli, joka yhdistää sekvenssin, rakenteen, toiminnan ja evoluution. se on oppinut suuren määrän erittäin ammattimaista ja monimutkaista multimodaalista dataa voidaan käyttää teollisten sovellusten mukaan, "räätälöityjä" toiminnallisia proteiineja. tällä hetkellä neworigin-suurmallia on käytetty laajalti innovatiivisen lääketutkimuksen ja -kehityksen, materiaalien, ruoan, kemianteollisuuden, maatalouden jne. aloilla makromolekyylien lääkesuunnittelussa, proteiinien stabiilisuuden optimoinnissa äärimmäisissä ympäristöissä, entsyymiaktiivisuuden optimoinnissa, entsyymitoiminnan optimoinnissa. -substraattitelakka, proteiini tee läpimurtoja monissa vaikeissa teollisissa tehtävissä, kuten de novo -suunnittelussa.
suurten tekoälymallien apu tieteelliseen tutkimukseen on siirtymässä maasta kaukaiseen syväavaruuteen, jolla on tärkeä rooli syväavaruuden tutkimuksen alalla. ouyang ziyuan, kiinan tiedeakatemian akateemikko ja kiinan kuun tutkimusprojektin ensimmäinen päätutkija, sanoi, että ihmisen syväavaruuden tutkimustoiminnan nopean edistymisen myötä havaintotiedot ovat kasvaneet eksponentiaalisesti. tietojen hallinnan osalta maamme on saavuttanut ensimmäisten joukossa olevien tietojen soveltamisen, ja maamme on annettava täysi peli olemassa oleville tekoälyteknologian eduille.
palautuneiden näytteiden havaitsemisen lisäksi kuun geologista kehitystä koskeva ihmistutkimus perustuu pääasiassa kuun geologisten kohteiden, kuten törmäyskraatterin tunnistamiseen, tutkimukseen. törmäyskraatterien koko, syvyys, muoto ja muut ominaisuudet ovat tärkeä perusta kuun geologisen kehityksen tutkimiselle. tilastojen mukaan kuussa halkaisijaltaan yli kilometrin iskukraatterien määrä ylittää tällä hetkellä miljoonan, ja halkaisijaltaan alle kilometrin iskukraatterien määrää ei ole vielä määritetty. on "melkein mahdotonta" saada loppuun kaikkien kuun törmäyskraatterien tunnistaminen, jos se perustuu täysin manuaaliseen työhön.
vuoden 2024 digital expossa kiinan tiedeakatemian geokemian instituutti ja alibaba cloud julkaisivat yhdessä maailman ensimmäisen "kuutieteen multimodaalisen ammattimaisen suuren mallin" (kutsutaan nimellä "kuun ammattimainen suuri malli"). tämä suuri malli on rakennettu perustuen alibaba cloud tongyi -sarjan malleihin. tällä hetkellä kuun törmäyskraatterien iän ja muodon tunnistamisen tarkkuus on saavuttanut yli 80 %. kuun ammattimaisen suuren mallin soveltaminen on parantanut huomattavasti tieteellisen tutkimuksen tehokkuutta: tieteellisten tutkijoiden tarvitsee vain syöttää kuun törmäyskraatterikuvia ja niihin liittyviä kysymyksiä, ja kuun ammattimainen suuri malli voi kutsua yleistä näkemystä ja multimodaalisia malleja tiedon tuottamiseksi. 17 erilaista multimodaalista dataa (mukaan lukien spektri, korkeus, painovoima ja muut tiedot) kuvaa vastaavan modaalisen tyypin määrittämiseksi.
laajamittaisten tieteellisten tutkimusmallien toteuttaminen edellyttää taustalla olevien tieteellisten lakien ymmärtämistä
vaikka suuret tekoälymallit ovat tuoneet suurta arvoa tieteelliseen tutkimukseen, suurten tieteellisten tutkimusmallien toteuttaminen jatkoteollisuudessa kohtaa edelleen useita siihen liittyviä skenaariohaasteita.
xu jinbo uskoo, että välttämättömien perusedellytysten, kuten algoritmien, laskentatehon ja datan, lisäksi laajamittaisten proteiinituotantomallien kehittäminen vaatii myös kahta suurta ammatillista edistyksellistä kykyä: ensinnäkin tietokoneiden, biologian, fysiikan ja muiden tekijöiden integrointia. tieteenaloilla ja perehtyneisyyteen tekoälyyn, molekyylidynamiikkaan jne. tieteeseen, kvanttilaskentaan ja muihin menetelmiin, ja osaa ottaa käytännössä rinnakkain sekvenssin ja rakenteen, pääketjun ja sivuketjun, evoluution ja omiikan kenttien väliset integraatiomahdollisuudet. toinen on kyky päästä pois laboratoriosta, uppoutua todelliseen teollisuusympäristöön ja olla lähellä todellisia teollisuuden tarpeita kysynnän, todentamisen ja toteutuksen suhteen. tällä hetkellä lahjakkuustiimejä, joilla on nämä kyvyt ja olosuhteet, on hyvin vähän.
sun weijie uskoo, että tekoälyn on ensin opittava mikroskooppisten hiukkasten maailmankaikkeuden tieteelliset lait ja matemaattinen jakautuminen, ennen kuin se voi yrittää ratkaista tärkeitä ongelmia mikroskooppisessa maailmassa.
"nykyinen algoritmijärjestelmä ja mallijärjestelmä tuo mukanaan mahdollisuuden aidosti rekonstruoida maailma atomista alkaen. tekoälyn räjähdys on tuonut systemaattisen mahdollisuuden tieteelliseen tutkimukseen rekonstruoida tuotantotyökaluja, tuottavuutta ja tuotantosuhteita. atomista alkaen , ohjelmistot, data, esitys ja lopulliset valmistuslinkit rekonstruoidaan vaikka digitaalisen maailman menestyminen on edistänyt suurten mallien kehitystä, on kiinnitettävä enemmän huomiota pitkän aikavälin loppupeliin ja tekoälyn jälleenrakennuksen loppupeliin. tieteellisen tutkimuksen tuottavuus on kohti "älykkään atomin valmistuksen" aikakautta", hän sanoi.
"fyysinen maailma koostuu mikroskooppisista hiukkasista, ja kyseessä on molekyylirakenne, proteiinigeenisekvenssi, molekyylisimulaatio jne. mikroskooppisella tasolla. näitä uusia tiloja ei voida kattaa ja käsitellä klassisissa suurissa malleissa ja menneisyydessä suuret mallit eivät ole vielä kyenneet peittämään ja käsittelemään niitä. tämä on tapa todella ymmärtää kaiken maailmankaikkeuden taustalla olevia tieteellisiä lakeja", sanoi sun weijie.
hän tarkensi edelleen, että suurten tekoälymallien on ymmärrettävä mikroskooppisten hiukkasten universumi ja yritettävä ratkaista mikroskooppisen maailman ongelmia. usein puuttuu erittäin tehokkaita tietoja, koska mikroskooppisten hiukkasten maailma on näkymätön ja aineeton. "mikroskopisessa maailmassa tällä hetkellä paras ja todistettu menetelmä on ai for science. ai for science avaa uuden tieteellisen tutkimuksen paradigman, joka yhdistää tekoälyn tiiviisti tieteelliseen perustutkimukseen ja antaa tekoälylle mahdollisuuden ymmärtää mikroskooppista maailmaa. fysiikka maailmanmallin kolme pilaria, digitaalisen maailman malli ja ruumiillistuneen älykkyyden malli muodostavat kolme pääpolkua tekoälyn alalla tänä päivänä ai for sciencelle on yksi tekoälyn kolmesta pilarista ja se on portti agi:lle ainoa tapa." sun weijie sanoi.
suuri mallipohjainen valmistus vaatii syvempää integrointia ja sovellusta
tekoälyn suuret mallit tunkeutuvat vähitellen kaikille valmistusteollisuuden osa-alueille ja niistä on tulossa yksi ydinteknologioista, jotka johtavat älykkyyteen, joustavuuteen ja automaatioon valmistusteollisuudessa, tuoden uusia mahdollisuuksia valmistavalle teollisuudelle.
hallitus edistää aktiivisesti suurten mallien erityistä soveltamista ja innovaatiota valmistuksen alalla. tämän vuoden huhtikuussa teollisuus- ja tietotekniikan ministeriön tieteen ja teknologian osasto ehdotti tekoälyn laajan käytön edistämistä tuotannossa ja valmistuksessa ja korosti, että "tekoälyn ja tuotannon syvällinen integrointi päälinjaksi , yleisten suurten mallien ja teollisuuden suurten mallien laatiminen, tekoälyn nopeuttaminen uuden teollistumisen voimaannuttaminen”.
tämän trendin ohjauksessa monet teollisuudenalat, kuten kodinkoneet, autot ja kemikaalit, ovat tutkineet suurten tekoälymallien soveltamista.
ruiskuvalu on tärkeä prosessi pesukoneiden valmistuksessa. tuotantoprosessi ei näytä olevan muuta kuin muotin avaamista ja sulkemista, mutta sen takana on monimutkaisia prosesseja ja parametreja, kuten lämpötila, paine, muottisykli, muotin kunto, energiankulutus jne. aiemmin se saattoi luottaa vain manuaaliseen kokemukseen virheenkorjauksessa. nykyään ruiskuvaluprosessin "mustan laatikon" ongelma on ratkaistu.
kävellessäsi haier tianjinin pesukoneen liitäntätehtaaseen voit nähdä, että cosmoplatin itsenäisesti kehittämä tianzhi-teollisuusmalli muuttaa ruiskuvalumestarien teollisen kokemuksen kvantitatiivisiksi tiedoiksi ja indikaattoreiksi. asianomainen vastuuhenkilö sanoi, että suuren ruiskuvalumallin ja asiantuntijamallin kohtuullisella mukauttamisella ruiskuvalukoneen kokonaisenergiankulutusta voidaan optimoida ja vähentää 6–10 % ja tuotantosyklin aikaa voidaan lyhentää. kasvoi 5–12 prosenttia. on selvää, että tianzhin teollinen suuri malli osaa lukea teollista kieltä, ymmärtää teollisia prosesseja ja mekanismeja, tuottaa teollisia suoritusohjeita ja suorittaa teollisten koneiden ohjausta. sitä on käytetty haierin pesukoneiden yhteenliittämistehtaissa tianjinissa ja foshanissa.
kuvassa haierin tianjinin pesukoneen liitäntätehtaan ruiskuvalulaitteisto (kuva kaos)
"ajoneuvojen tuotannon ja valmistuksen teollisissa skenaarioissa ja prosesseissa on yleisiä kipupisteitä, kuten korkea liiman käyttö, korkeat työvoimakustannukset, optimointia vaativa tuotantoaikataulu ja prosessisuunnittelu, jota on vaikea saavuttaa optimaalisesti manuaalisesti." kiinan teollisen internetin tutkimusinstituutti vuoden 2024 "generative artificial intelligence + automobile" tarjonnan ja kysynnän telakointi- ja saavutusmuutostapahtumassa monet autoyritykset mainitsivat joukon alaa kohtaavia kipupisteitä.
"generatiivinen tekoälyteknologia auttaa järjestämään automaattisesti hitsausprosesseja ja ohjelman kokoonpanoprojekteja, mikä saavuttaa optimaalisen kuormituksen tasapainotuksen ja parantaa prosessiasiakirjojen valmistelun tehokkuutta", sanoi zheng chunqi, gac aian new energy vehicle co., ltd:n varatoimitusjohtaja. yuncong technology group co., ltd.:n autoteollisuuden johtaja ye tongsheng lisäsi lisäksi, että suurten mallien analyysiominaisuudet voivat seurata koko ajoneuvon tuotantoprosessin laatua.
mitä tulee petrokemian teollisuuden älykkäämiseen, teollisuuslaitteiden älykkäämiseen ja kokeellisen tutkimuksen korkeaan tehokkuuteen, katalyyttisen krakkauksen laskeutuskoksauksen älykäs ennustetekniikka voi ratkaista katalyyttisen krakkauksen laskeutuskoksauksen ongelman. kiinan öljyyliopiston national key laboratory of heavy oil -laboratorion professorin deng chunin mukaan generatiivinen tekoäly edistää teollisten laitteiden älykkään toiminnan soveltamista kemianteollisuudessa materiaalin havaitsemisen, reaktiomekanismien, ydinlaitteiden, prosessien optimoinnin, ja järjestelmän optimointi.
suurten tekoälymallien käyttöönotto valmistustasolla ei kuitenkaan ole sujunut sujuvasti. tutkimus paljasti, että valmistavilla yrityksillä on valtavia määriä dataa ja ne ovat erittäin hajanaisia, mikä vaikeuttaa tietojen tehokasta yhdistämistä ja arvon tuomista. lisäksi suurten mallien laskentatehokustannukset, käyttöönottokustannukset sekä kokeilu- ja virhekustannukset ovat suhteellisen korkeat, ja teollisen tekoälyn teknisistä kyvyistä on erityisen pulaa.
”suurten mallien soveltaminen tuotantoyrityksissä edellyttää algoritmi-insinöörien, tietoteknisten ja etulinjan yritysjohtajien yhteistä panosta. erityisesti tiedonkeruussa ja annotaatiossa, mallien hienosäädössä on panostettava paljon energiaa ja aikaa. ja prosessin optimointi sun linjun, hainan artificial intelligence associationin varapuheenjohtaja, zhejiangin teollisuus- ja kauppaliiton digitaalisen komitean jäsen ja ai-teknologiayrityksen real intelligencen perustaja, sanoi, että tuotannon monimutkaisten toimitusketjujen edessä. yritykset, real agent intelligence voi integroida ja optimoida dataa rpa:n avulla, edullisia vaihtoehtoisia rajapintoja suurten mallien avulla, datan käytön kynnystä voidaan pienentää, monimutkaista liiketoimintaa voidaan hajottaa päättelyn ja rpa:n avulla. suunnitellaan automaattisesti saatava päätökseen liiketoiminta, jolloin kustannukset ja laskentaresurssit voidaan ottaa käyttöön mallin kohtuullisella ohjauksella, jota voidaan soveltaa raaka-ainehankintaan, sillä on erittäin hyvä rooli kustannusten vähentämisessä ja tehokkuuden lisäämisessä eri liiketoimintayhteyksissä ja prosesseja, kuten varastonhallintaa, tuotannon suunnittelua ja logistiikan jakelua.
huolimatta monista haasteista, valtaosa haastatelluista yrityksistä uskoo vakaasti, että suurten tekoälymallien sovellusmahdollisuudet valmistavassa teollisuudessa ovat edelleen laajat.
xu xiaolan, kiinan elektroniikkainstituutin puheenjohtaja, ehdotti, että maani pitäisi hyödyntää täysimääräisesti sen etuja, kuten täydellinen teollinen järjestelmä, suuri teollinen mittakaava, monipuoliset sovellusskenaariot ja rikkaat insinööritaidot, ja pyrkiä lujittamaan tekoälyn perustaa. teknologiaa, syventää tekoälyn integroituja sovelluksia, parantaa teollisen kehityksen ekologiaa ja syventää tekoälyteknologian avulla nopeuttamme uusien tuotantovoimien kehittymistä ja edistämme uutta teollistumista.
suurten mallien käyttöönotto terminaaleissa edistää tekoälyn laajamittaista popularisointia
jos suuri pilvimalli osoittaa tekoälyn tehokkaat tekniset ominaisuudet, laitteessa oleva tekoäly on kantaja, joka nopeuttaa tekoälyteknologian leviämistä.
miksi laitteiden tekoäly on niin suosittu? citic construction investment julkaisi tutkimusraportin, jossa todetaan, että laitteiden tekoäly on ai-kehityksen seuraava vaihe. sen odotetaan käynnistävän tekoälysovellusten aallon.
päätevalmistajien asettelun perusteella oppo on ehdottanut noin 50 miljoonan käyttäjän matkapuhelimen varustamista tekoälytoiminnoilla tänä vuonna suurilla ai-malleilla, ja monet changhong-televisiosarjat on varustettu changhong yunfan ai:lla... on nähtävissä, että suurten mallien tulo terminaalipuolelle on kiihtynyt.
kuvassa suurten mallien jakelu ja sijoittelu päätepuolella (lähde: iresearch)
suurten mallien sijoittamisella pieniin terminaaleihin on rajattomasti mahdollisuuksia ja haasteita. zhipu ai:n toimitusjohtaja zhang pengin näkemyksen mukaan yksi suurten mallien suurimmista ongelmista on mallin tekeminen älykkäämmäksi pienemmän lähetysmäärän perusteella ja ainutlaatuisten resurssien tarjoaminen mobiilipäätelaitteessa tukemaan suurten mallien toimintaa. terminaaliin pääsyn ongelma.
vain 5 vuotta sitten perustetusta zhipu ai:stä on nyt tullut mallikehityksen nouseva tähti. mitä tulee tilaisuuden luomiseen suurten mallien toteuttamiselle, zhang peng uskoo, että yhteistyö on avainasemassa järjestelmien ja useiden ekologisen teknologian valmistajien on tehtävä yhteistyötä "zhipu ai on tehnyt yhteistyötä intelin, qualcommin jne. kanssa mahdollistaakseen suurten mallien käytön erilaisissa päätelaitteissa, kuten tietokoneissa, matkapuhelimissa ja autoissa.
"sammuta etukamera", "mykistä tietokoneen äänenvoimakkuus", "luo yhteenveto lukutottumusteni mukaan"... kuluttajat ovat huomanneet, että uuden tietyn merkkisen tietokoneen käyttö on helpompaa. yksinkertaisella keskustelulla tietokoneen kanssa monimutkaiset toiminnot voidaan korvata. valmistajan mukaan se pystyy tulevien versioiden iteraatioiden myötä jopa auttamaan käyttäjiä toteuttamaan vaikeampia toimintoja, kuten sähköpostien muokkausta ja lähettämistä, räätälöityjen julisteiden tekemistä ja kuvan merkityksen ymmärtämistä.
"vuonna 2022 lenovo alkoi suunnitella suurten mallien sijoittamista paikallisesti." kuljettaa paikallisesti. viime vuoteen asti suuret mallikehitysyritykset laskivat painopisteensä 6-7b:hen, ja lenovo alkoi ymmärtää, että suurten mallien paikallissuunnitelmien toteuttaminen on vaikeutunut. viime vuoden toukokuussa lenovo yhdisti laajan asiakaspuolen tekoälymallin pc-projektiin.
xiaomi groupin tekoälylaboratorion johtaja wang bin uskoo, että toisaalta mallit pienenevät, toisaalta laskentateho kasvaa ja laitteiston ominaisuudet vahvistuvat yhdessä erilaisten vaatimusten kanssa tulee olemaan tappajia terminaalitason ai-sovelluksissa.
toimittaja kammatti läpi verkkokaupan alustalla myynnissä olevat tekoälymatkapuhelintuotteet ja havaitsi, että ääni, kuva ja tekoälyavustaja ovat tekoälymatkapuhelimien kolme keskittyneintä toiminnallista kohtaa. tällä hetkellä valtavirran matkapuhelinvalmistajat ottavat aktiivisesti käyttöön kevyitä ja suuria malleja tehdäkseen tekoälystä tehottomaksi ja kehittävät voimakkaasti tekoälysovellusskenaarioita. jotkut markkinatutkimusraportit ennustavat, että tekoälymatkapuhelimilla on enemmän arvoa henkilökohtaisten älykkäiden avustajien ja parempien toimistoominaisuuksien suhteen. on tulossa todellisuutta, että jokaisella päätteellä on oma sisäänrakennettu ai-avustaja, jota pidetään tekoälyn tulevaisuutena, josta jokainen voi nauttia.
loppupuolen tekoälyn käyttötapaukset, kuten ai-kuvantunnistus, äänen herätys ja laskennallinen valokuvaus, saattavat vaikuttaa yksinkertaisilta, mutta itse asiassa niillä on erittäin kovat vaatimukset sirun laskentateholle ja ddr-kaistanleveydelle.
älypuhelimien tekoälyn käyttötapausten nopea kasvu korostaa qualcommin merkitystä yrityksenä. "qualcomm on integroinut tekoälyn konseptin koko soc:hen suunnittelun alusta lähtien, qualcommin tekoälytuoteteknologian johtaja kiinassa sanoi, että qualcomm on kehittänyt ddr-kaistanleveyden suurten mallien haasteeseen." kvantisointitekniikka, pakkaustekniikka suuren laskentatehoa vaativien mallien pienentämiseksi.
lisäksi satoja malleja kukoistaa, ja pään suuret mallit on jaettu useisiin luokkiin. tällä hetkellä eri päätelaitteiden mallien välisiä kommunikaatiomahdollisuuksia ei kuitenkaan ole vielä selvitetty. siksi zhongguancunin älykkään tekoälyn tutkimuslaitoksen johtajan sun mingjunin mukaan "teknisten standardien yhtenäistäminen ja yhteentoimivuus on tulevaisuudessa erittäin suuri tekninen ongelma, joka kaikkien osapuolten on ratkaistava."
"sovellus on kuningas", tämä käsite on erityisen tärkeä suuren malliteknologian kehittämisessä ja toteutuksessa. tutkimuksen ja haastattelujen aikana alan sisäpiiriläiset olivat yleisesti yhtä mieltä siitä, että suurten mallien todellinen arvo on käytännön ongelmien ratkaisemisessa ja todellisen arvon luomisessa käyttäjille.
kun "keinoäly +" -toiminto etenee syvemmälle, on odotettavissa, että useiden osapuolten yhteistyöllä suuren mittakaavan malliteknologia ajaa "vauhtipyöräefektin" varaan, jotta se ei ainoastaan vahvista tuhansia toimialoja, vaan nopeuttaa uusien tuottavien yritysten muodostumista. voimia, mutta myös antaa palautetta jatkuvan soveltamisen kautta.
