Νέα

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Η ανθρωπότητα εισάγει μια εκρηκτική ενημέρωση στον τομέα της τεχνητής νοημοσύνης Κάθε βήμα στην επέκταση της τεχνολογίας στο άγνωστο έχει προσελκύσει εκπληκτική προσοχή.

Στη διαδικασία επέκτασης των ορίων της τεχνητής νοημοσύνης, η καινοτομία και η διαφωνία συνυπάρχουν στις τεχνικές διαδρομές σημαντικών τροχιών. Η κρίση και οι επιλογές των πρωτοπόρων της τεχνολογίας επηρεάζουν τα βήματα πολλών οπαδών.

Τον περασμένο χρόνο, η Heart of the Machine πρωτοστάτησε στην παρουσίαση εξαιρετικών εταιρειών όπως η Dark Side of the Moon, η Shengshu Technology, η Aishi Technology και η Wuwen Core Dome σε όλους, αφήνοντάς τους το πρώτο σενάριο συνέντευξης «10.000 λέξεων «Στον κόσμο του Διαδικτύου.. Σε ένα στάδιο όπου οι τεχνολογικές διαδρομές δεν έχουν ακόμη συγκλίνει, έχουμε δει την ηγεσία επιχειρηματιών AI που έχουν πραγματικά πίστη, θάρρος και συστηματική γνώση.

Ως εκ τούτου, ξεκινήσαμε τη στήλη "AI Pioneers", ελπίζοντας να συνεχίσουμε να βρίσκουμε και να καταγράφουμε επιχειρηματίες με ηγετικές ιδιότητες σε διάφορες υποδιαιρέσεις της τεχνητής νοημοσύνης στην εποχή AGI, να παρουσιάσουμε τις πιο εξαιρετικές και υψηλού δυναμικού startups στον τομέα της AI​​ , και μοιράζονται τα επιτεύγματά τους στον τομέα της τεχνητής νοημοσύνης Κορυφαίες, ξεχωριστές αντιλήψεις.

Συγγραφέας: Jiang Jingling

Αναφορά Machine Heart

Αφού εγκατέλειψε την Kuaishou για να ξεκινήσει μια επιχείρηση, ο "Li Yan" έλαβε αθόρυβα χρηματοδότηση 32 εκατομμυρίων δολαρίων ΗΠΑ από τη συνιδρυτή της Kuaishou Su Hua, την Redpoint Ventures και τη Matrix Partners.

Ως βασική φιγούρα του αρχικού συστήματος AI του Kuaishou, ο Li Yan έχτισε κάποτε το πρώτο τμήμα βαθιάς μάθησης στο Kuaishou και αργότερα βοήθησε τον Kuaishou να δημιουργήσει το σύστημα τεχνολογίας Multi-Media Understanding.

Ένας από τους επενδυτές του κατέληξε στο συμπέρασμα ότι μεταξύ των τριών επιχειρηματικών πορτρέτων AGI καθηγητών και μελετητών, φορέων διαδικτύου μέσω κινητού τηλεφώνου και ακαδημαϊκών ιδιοφυιών, η τεχνολογία Yuanshi είναι η μόνη που έχει τη δυνατότητα να ενσωματώσει τα τρία "πολυτροπικά, αναζήτηση και σύσταση" Α. ομάδα με μεγάλη στοίβα βασικής τεχνολογίας.

Ωστόσο, από τότε που ο Li Yan επιβεβαίωσε επίσημα ότι ξεκινούσε μια επιχείρηση στις αρχές του 2023, έχει σχεδόν εξαφανιστεί για περισσότερο από ένα χρόνο.

Τον περασμένο χρόνο, στείλαμε πολλές προσκλήσεις για συνεντεύξεις στην ομάδα του Li Yan, ελπίζοντας να μιλήσουμε μαζί του για τις επιχειρηματικές του ιδέες, αλλά όλοι μας απορρίφθηκαν με το "το προϊόν δεν είναι έτοιμο ακόμα (δημόσια διαθέσιμο)".

Πριν από λίγο καιρό, το προϊόν της Yuanshi Technology "Ask Xiaobai" κυκλοφόρησε επίσημα και ξεκίνησε η εσωτερική δοκιμή ψυχρής εκκίνησης Αυτή είναι επίσης η πρώτη φορά που η ομάδα του Li Yan αποκαλύπτει την επιχειρηματική της πρόοδο. Βρήκαμε λοιπόν ξανά τον Li Yan, ελπίζοντας να του μιλήσουμε για το επιχειρηματικό του σχέδιο.

Σε αυτή την αποκλειστική συνέντευξη, αυτό που είναι απροσδόκητο είναι ότι η επιλογή του Li Yan δεν είναι μια καθαρή εταιρεία μοντέλου, ούτε καν ξεκινά από την πτυχή του multi-modal.

Στο προϊόν "Ρωτήστε το Xiaobai", οι χρήστες μπορούν να δουν περιεχόμενο AIGC που δημιουργείται από AI στη "τροφοδοσία" αμέσως μόλις ανοίξουν την οθόνη και εξατομικεύονται με βάση τα ενδιαφέροντα του χρήστη και μπορούν να χρησιμοποιήσουν τη λειτουργία "chat" και την τεχνητή νοημοσύνη για να κάνουν περισσότερα περιεχόμενο που βασίζεται σε περιεχόμενο ανά πάσα στιγμή.

Μπορεί να γίνει κατανοητό ότι αυτό είναι ένα προϊόν κοινότητας παραγωγικού περιεχομένου που βασίζεται σε ένα μοντέλο LLM που έχει αναπτυχθεί μόνος του.

Αυτό είναι ένα ερευνητικό πεδίο τεχνολογίας αιχμής και μέχρι στιγμής μόνο η Meta και η CMU έχουν κάποια πρακτικά αποτελέσματα. Μου είπε ότι σε σύγκριση με προηγούμενους αλγόριθμους συστάσεων, οι αλγόριθμοι προτάσεων παραγωγής δεν θα βασίζονται πλέον σε συστήματα συστάσεων φιλτραρίσματος συνεργασίας και οι συστάσεις θα γίνουν πιο έξυπνες, από τους σημερινούς "χιλιάδες άτομα με δέκα πρόσωπα" έως την πραγματική έννοια του "χιλιάδες άνθρωποι με δέκα πρόσωπα". Οι άνθρωποι έχουν χιλιάδες πρόσωπα."

Με τη διερεύνηση των βαθύτερων αναγκών των χρηστών, η αποτελεσματικότητα των συστάσεων βελτιώνεται περαιτέρω και οι χρήστες μπορούν να λάβουν πληροφορίες που είναι πιο κατάλληλες για αυτούς. Επιπλέον, η έγχυση μεγάλης ποσότητας υλικού υψηλής ποιότητας σε μεγάλα μοντέλα δίνει στον αλγόριθμο δημιουργίας συστάσεων «τιμές». Δεν μπορείτε πλέον απλώς να "παρακαλείτε" τους χρήστες, αλλά να καθοδηγείτε τους χρήστες να δώσουν προσοχή σε πληροφορίες υψηλής ποιότητας που χρειάζονται πραγματικά προσοχή.

Προς το παρόν, η ομάδα του Li Yan είναι η πρώτη startup εταιρεία στην Κίνα που χρησιμοποιεί αλγόριθμους δημιουργίας συστάσεων που βασίζονται στο LLM ως τον πυρήνα της κατεύθυνσης προϊόντος και ανάπτυξης.

Ένας επενδυτής στο Yuanshi πιστεύει ότι,Η βελτιστοποίηση κόστους και απόδοσης που φέρνει αυτή η νέα μηχανή τεχνολογίας στη βιομηχανία περιεχομένου είναι βασικά συνεπής με την πορεία του Toutiao προς την επιτυχία.Στο δρόμο για τη δημιουργία προϊόντων αλγορίθμων προτάσεων παραγωγής, "Έχουμε δει ότι η μόνη ομάδα με τρία υπόβαθρα: πολυτροπική, αναζήτηση και σύσταση είναι η Λι Γιαν."

Οραμα:

Δημιουργήστε έναν αλγόριθμο σύστασης υψηλότερων διαστάσεων

Heart of the Machine: Ας παρουσιάσουμε πρώτα τι ελπίζει να κάνει η Yuanshi Technology;

Λι Γιαν: Ελπίζουμε ότι μέσω της τεχνολογικής καινοτομίας και της συλλογής πληροφοριών, μπορούμε να βοηθήσουμε τους χρήστες να εισέλθουν σε μια κατάσταση ροής και να καταπολεμήσουν την ψυχική κόπωση. (Από τη θεωρία «ροής» του Mihaly Csikszentmihalyi)

Machine Heart: Είναι λίγο αφηρημένο, μπορείτε να το εξηγήσετε περισσότερο;

Λι Γιαν:Πιστεύουμε ότι η τρέχουσα εποχή είναι μια εποχή έκρηξης πληροφοριών Υπάρχουν πολλά κανάλια για τη λήψη πληροφοριών, αλλά λείπουν τα κανάλια που μπορούν πραγματικά να αποκτήσουν τις πληροφορίες που μας ενδιαφέρουν.

Για παράδειγμα, στο πρόσφατο WAIC, μπορεί να δείτε συντριπτικές αναφορές, αλλά κάθε αναφορά περιέχει μόνο λίγες λέξεις, αλλά δεν μπορείτε να λάβετε τις πληροφορίες που πραγματικά σας ενδιαφέρουν αυτή τη στιγμή, θα πέσετε σε ένα είδος άγχους.

Καταλαβαίνουμε ότι αυτό είναι μια μορφή «πνευματικής εντροπίας», Αυτή η ιδέα προτάθηκε από έναν ψυχολόγο, τον Mihaly Csikszentmihalyi, και ταιριάζει πολύ με αυτό που θέλουμε να κάνουμε. Αυτό που θέλουμε να κάνουμε είναι να βοηθήσουμε όλους να βελτιώσουν την ευτυχία και την αίσθηση του κέρδους αφού δουν τις πληροφορίες. Αυτή η κατάσταση θα είναι διαφορετική από το «πιο ανήσυχο, πιο κουρασμένο και πιο χαρούμενο» που νιώθουμε μετά από έντονη χρήση ορισμένων προϊόντων πληροφοριών.

Machine Heart: Τι είδους πληροφορίες θα κάνουν τους ανθρώπους να αισθάνονται πιο χαρούμενοι και πιο ικανοποιητικοί, παρά πιο ανήσυχοι και κουρασμένοι;

Λι Γιαν:Υπάρχει μια έννοια της «ροής» εδώ, που σημαίνει ότι μόνο όταν οι άνθρωποι δουν τις πληροφορίες που πραγματικά θέλουν να δουν, θα μπουν σε μια κατάσταση ροής και θα αισθανθούν ευτυχία, αντί να δουν πολλά πράγματα που δεν σχετίζονται με τον εαυτό τους είναι άσχετα ή χωρίς ενδιαφέρον.

Αυτό είναι επίσης αποτέλεσμα ψυχολογικής έρευνας Για να δώσουμε ένα συγκεκριμένο παράδειγμα, οι γονείς ζητούν από τα παιδιά τους να κάνουν εργασίες στο σπίτι, αν και τελικά υλοποιούνται, το παιδί είναι παθητικό και πολύ επώδυνο. Θα νιώσει ευτυχισμένος. Ελπίζουμε λοιπόν να βοηθήσουμε τους χρήστες να εισέλθουν σε μια κατάσταση ροής και να καταπολεμήσουν την ψυχική εντροπία.

Heart of the Machine: Στην πραγματικότητα, τα υποκείμενα συστήματα συστάσεων των περισσότερων κοινωνικών κοινοτήτων ελπίζουν πλέον ουσιαστικά να επιτύχουν αυτόν τον στόχο (να προτείνουν στους χρήστες αυτό που πραγματικά θέλουν να δουν);

Λι Γιαν: Υπάρχει μια διαφορά. Αν σταθούμε δέκα χρόνια αργότερα, το 2034, και δούμε τα σημερινά συστήματα συστάσεων, συμπεριλαμβανομένων των προϊόντων και της τεχνολογίας πίσω από αυτά, στην πραγματικότητα είναι πολύ καθυστερημένα. Αυτό που κάνει το τρέχον προϊόν δεν είναι στην πραγματικότητα σε τέλεια κατάσταση.

Heart of the Machine: Πώς να κατανοήσετε το τρέχον επίπεδο και το "καλύτερο" επίπεδο;

Λι Γιαν:Μπορώ να κάνω μια αναλογία Η τρέχουσα κατανομή πληροφοριών μοιάζει περισσότερο με την ενστικτώδη αντίδραση των πρωτόγονων ανθρώπων, στο στάδιο που το πνεύμα δεν είναι πολύ πλούσιο, ίσως το ανθρώπινο ένστικτο είναι «θέλω να φάω», «θέλω να κλάψω». "Θέλω να γελάσω" », αυτό είναι πολύ άμεσο.

Η αντανάκλαση στο σύστημα συστάσεων μπορεί να είναι ότι, για παράδειγμα, αν σας αρέσουν οι όμορφοι τύποι, θα σας προτείνουν πάντα όμορφους τύπους - το σύστημα συστάσεων δεν έχει πολύ βαθιά σκέψη. Αυτό που ελπίζουν να επιτύχουν τα προϊόντα μας δεν είναι να ευχαριστήσουν την ενστικτώδη αντίδραση του χρήστη, αλλά να προτείνουν με υψηλότερη σοφία, φροντίδα και αγάπη.

Heart of the Machine: Αυτό ακούγεται σαν μια υψηλότερη διάσταση στην αισθητική, λίγο σαν "εκπαίδευση των χρηστών".

Λι Γιαν: Όχι εκπαίδευση, για την ακρίβεια. Πολλά πράγματα δεν μπορούν να φανούν καθαρά αν τα δούμε σε σχετικά σύντομο χρονικό διάστημα. Αλλά για παράδειγμα, αν κοιτάξουμε ολόκληρη την ιστορία της ανθρώπινης ανάπτυξης, θα διαπιστώσουμε ότι κάθε πρόοδος του ανθρώπινου πολιτισμού θα συνοδεύεται από κριτική, προβληματισμό, ακόμη και ανατροπή και ανασυγκρότηση είναι περιορισμοί. Το ίδιο ισχύει και στον διαδικτυακό κόσμο Ελπίζουμε να φέρουμε πιο πολιτισμένα στοιχεία και προηγμένες ιδέες που συσσωρεύονται από την ανθρωπότητα στη διανομή περιεχομένου.

Τεχνική διαδρομή υλοποίησης:

Επιλέξτε δεδομένα υψηλότερης ποιότητας για να εκπαιδεύσετε το μοντέλο έτσι ώστε το μοντέλο να έχει τιμές

Heart of the Machine: Μόλις είπα ότι ελπίζω να δημιουργήσω ένα προϊόν περιεχομένου που θα βοηθά τους χρήστες να επιτύχουν καλύτερη ροή. Γιατί ξεκινάτε κάνοντας ένα καλύτερο LLM;

Λι Γιαν: Πιστεύουμε ότι το LLM είναι ένας πολύ σημαντικός κόμβος που οδηγεί στο AGI. Τα μοντέλα μεγάλων γλωσσών μπορούν να κατανοήσουν καλύτερα τους χρήστες και το περιεχόμενο και να γνωρίζουν τι ενδιαφέρει, τι αρέσει και δεν αρέσει στους χρήστες Όλα τα προσωπικά ενδιαφέροντα και τα χόμπι των χρηστών μπορούν να γίνουν διακριτικά και τα μεγάλα μοντέλα μπορούν να τα καταλάβουν πολύ καλά.

Το προηγούμενο σύστημα σύστασης δεν μπόρεσε να επιτύχει αυτό το επίπεδο κατανόησης. Μπορούσε μόνο να επισημάνει τον χρήστη με πολλές διακριτές ετικέτες και να προσπαθήσει να χαρακτηρίσει και να κατανοήσει τον χρήστη μέσω αυτού. Τώρα, τα μεγάλα μοντέλα μπορούν όχι μόνο να κατανοήσουν καλύτερα τα υπάρχοντα ενδιαφέροντα των χρηστών, αλλά και να ενισχύσουν την εξόρυξη των ενδιαφερόντων των χρηστών και να συναγάγουν τα έμμεσα ενδιαφέροντα και τα χόμπι των χρηστών.

Με το μεγάλο μοντέλο, μπορούμε να συμπιέσουμε το σώμα της υψηλότερης ποιότητας σε ολόκληρο το Διαδίκτυο, να συμπιέσουμε τον ανθρώπινο πολιτισμό που μεταφέρεται στο κείμενο, να χρησιμοποιήσουμε αυτούς τους πολιτισμούς και να εφαρμόσουμε περαιτέρω αυτές τις δυνατότητες σε παραγωγικές συστάσεις, θα έχει τις αξίες του, την κοσμοθεωρία του και επομένως υψηλότερης διάστασης συνιστώμενο σύστημα αξιών.

Το μεγάλο μοντέλο παίζει στην πραγματικότητα το ρόλο μιας γέφυρας, συνδέοντας αυτές τις πιο προηγμένες γνώσεις με την κατανάλωση πληροφοριών και στη συνέχεια βελτιώνοντας περαιτέρω το επίπεδο κατανάλωσης περιεχομένου.

Machine Heart: Αυτά τα «προηγμένα» περιεχόμενα αναφέρονται σε χαρτιά; Περιλαμβάνει τόσο τις κοινωνικές επιστήμες όσο και τις φυσικές επιστήμες ή εστιάζει περισσότερο σε μία;

Λι Γιαν:Το μεγάλο μοντέλο θα διαβάζει όλο τον προηγμένο πολιτισμό και τις πληροφορίες που έχουν συσσωρευτεί από τους ανθρώπους σε ολόκληρο το Διαδίκτυο και μπορεί να προωθηθεί σε όλες τις πτυχές.

Heart of the Machine: Πώς καθορίζει το μεγάλο μοντέλο τι είναι ο "προηγμένος πολιτισμός";

Λι Γιαν:Στην πραγματικότητα, εμείς οι άνθρωποι έχουμε κάνει ήδη κρίσεις για αυτό το θέμα, όχι μεγάλα μοντέλα. Για παράδειγμα, οι έγκυρες εργασίες, τα περιοδικά και τα βιβλία μας που γράφτηκαν από γνωστούς μελετητές δεν ορίζονται από μεγάλα μοντέλα, αλλά πληροφορίες υψηλής ποιότητας που έχουν δημιουργηθεί από τους ίδιους τους ανθρώπους. για μεγάλο χρονικό διάστημα.

Machine Heart: Λοιπόν, τι ακριβώς είναι αυτό το μέρος των δεδομένων υψηλής ποιότητας; πηγή;

Λι Γιαν: Εκτιμούμε τη δημιουργία ικανοτήτων μοντέλων βάσει δεδομένων Στο μοντέλο μας, χρησιμοποιούμε αλγόριθμους για να αυξήσουμε τον όγκο των διαθέσιμων δεδομένων υψηλής ποιότητας κατά περισσότερο από μια τάξη μεγέθους. Επιπλέον, όσον αφορά την επιλογή δεδομένων, χρησιμοποιούμε πιο κλασικά βιβλία, θεωρίες και έγγραφα για να εκπαιδεύσουμε τα μεγάλα μοντέλα μας, έτσι ώστε τα μοντέλα μας να έχουν τη δυνατότητα να κατανοούν τους χρήστες πιο βαθιά, , όταν πρόκειται για σύσταση περιεχομένου δεν θα αφήσει τυφλά τους χρήστες να παραμείνουν στη βραχυπρόθεσμη ευχαρίστηση. Αντίθετα, υπάρχει η μακροπρόθεσμη ευτυχία της συσσώρευσης πληροφοριών υψηλής ποιότητας.

Machine Heart: Μόλις ανέφερα ότι οι παραγωγικοί αλγόριθμοι συστάσεων μπορούν να βελτιώσουν την κατανόηση των χρηστών Υπάρχει κάποιο ποσοτικό πρότυπο για τη σύγκριση της κατανόησης των χρηστών από διαφορετικούς αλγόριθμους συστάσεων;

Λι Γιαν: Δεδομένου ότι οι στόχοι που επιδιώκονται από διαφορετικές εταιρείες είναι διαφορετικοί, οι στόχοι βελτιστοποίησης είναι επίσης διαφορετικοί. Σε γενικές γραμμές, μπορεί να είναι διάρκεια, αναλογία κλικ προς αριθμό εμφανίσεων και διατήρηση. Δεδομένου ότι οι τεχνικές αρχές και η επιχειρηματική μας κατεύθυνση είναι νέοι τομείς, έχουμε επί του παρόντος ένα πολύ περίπλοκο εσωτερικό σύστημα δεδομένων για την αξιολόγηση αυτού του θέματος.

Heart of the Machine: Στο LLM, ποια είναι τα πλεονεκτήματα της τεχνολογίας Yuanshi αυτήν τη στιγμή;

Λι Γιαν: Ξεκινώντας από την πρώτη μέρα που ιδρύθηκε η εταιρεία, δηλαδή περίπου τον Απρίλιο του 2023, η πρώτη έκδοση του μεγάλου μοντέλου βασίστηκε στην αρχιτεκτονική του MoE. Η συνολική τεχνική επιλογή διαδρομής στην αγορά είναι πολύ στραμμένη προς το μέλλον. Από τον Απρίλιο του 2023 έως τώρα για περισσότερο από ένα χρόνο, το μοντέλο μας έχει επαναλάβει τέσσερις εκδόσεις. Σε πολλά δημόσια σετ δοκιμών, τα αποτελέσματά μας είναι καλύτερα από πολλά άλλα μοντέλα.

Επιπλέον, το σώμα μας υψηλής ποιότητας κάνει την ποιότητα των απαντήσεων πολύ υψηλή και το μοντέλο έχει την ικανότητα να σκέφτεται βαθιά. Τρίτον, η ταχύτητα του μεγάλου μοντέλου μας είναι επίσης πολύ ανταγωνιστική, με εξαιρετικά χαμηλή καθυστέρηση. Έχουμε κάνει ακραίες βελτιστοποιήσεις στην εκπαίδευση μοντέλων και στην εξαγωγή συμπερασμάτων, γεγονός που μείωσε σημαντικά το κόστος εκπαίδευσης μεγάλων μοντέλων Τώρα είμαστε δωρεάν και δεν χρειάζεται να πληρώνουμε για χρήση σε περιόδους αιχμής.

Machine Heart: Γιατί πιστεύεις ότι το MoE είναι μια ανώτερη διαδρομή;

Λι Γιαν: Πιστεύουμε ότι για να φτιάξουμε τα δικά μας προϊόντα, πρέπει να έχουμε τη δυνατότητα να ενσωματώνουμε τους υποκείμενους συνδέσμους του μοντέλου Στην εποχή των μεγάλων μοντέλων, το αποτέλεσμα του μοντέλου είναι καλύτερο, πράγμα που συχνά σημαίνει ότι οι παράμετροί του είναι μεγαλύτερες. Αλλά ως προϊόν από ένα έως γ, εάν το κόστος της εξαγωγής συμπερασμάτων μοντέλου είναι υψηλό, δεν θα λειτουργήσει εμπορικά. Ως εκ τούτου, χρειαζόμαστε τόσο μεγάλο αριθμό παραμέτρων όσο και χαμηλό κόστος συμπερασμάτων Ως προϋπόθεση για εμπορική σκοπιμότητα, τελικά μπορούμε μόνο να επιλέξουμε το MoE. Σκεφτήκαμε αυτό το πρόβλημα ξεκάθαρα από την πρώτη μέρα και η πρώτη γραμμή κώδικα που γράψαμε ήταν το MoE.

Heart of the Machine: Εφόσον η Yuanshi τοποθετείται ως εταιρεία εφαρμογών, έχετε σκεφτεί να χρησιμοποιήσετε ορισμένα μοντέλα ανοιχτού κώδικα κατά τη διαδικασία έρευνας και ανάπτυξης, τα οποία μπορεί να είναι πιο οικονομικά;

Λι Γιαν:Στόχος μας δεν είναι να είμαστε μια εταιρεία σε επίπεδο μοντέλου, αλλά ο λόγος για τον οποίο εξακολουθούμε να επιλέγουμε να αναπτύσσουμε τα δικά μας μεγάλα μοντέλα είναι ότι πιστεύουμε ότι τα μοντέλα άλλων ανθρώπων δεν εξυπηρετούν τους στόχους μας. Είμαστε ένα προϊόν που καθοδηγείται από τα δικά μας μεγάλα μοντέλα. Εταιρία.

Δεν έχουμε κάνει προσπάθειες για το επιχειρηματικό μοντέλο σε επίπεδο μοντέλου. Αυτό σχετίζεται με τις προσωπικές μου γνώσεις. Μερικοί άνθρωποι πιστεύουν ότι τα μεγάλα μοντέλα είναι το νερό και ο ηλεκτρισμός, πράγμα που σημαίνει ότι μόλις φτιάξω ένα καλό μεγάλο μοντέλο, δεν χρειάζεται να το κάνετε και μπορείτε όλοι να χρησιμοποιήσετε τις ικανότητές μου. Αλλά πιστεύουμε ότι η μεγαλύτερη σημασία του μεγάλου μοντέλου έγκειται στην ικανότητά του να εξυπηρετεί τους χρήστες στα άκρα και στις δυνατότητές του που βασίζονται σε σενάρια. Εξυπηρετεί τους χρήστες σε ένα σταθερό σενάριο και παρέχει μια εμπειρία που δεν ήταν εντελώς διαθέσιμη στο παρελθόν.

Επιπρόσθετα, η δυνατότητα μικρορύθμισης αλλαγών αποδείχθηκε περιορισμένη. Επειδή είμαστε αρκετά καινοτόμοι στο να το κάνουμε αυτό, πρέπει να κάνουμε σημαντικές αλλαγές στην υποκείμενη αρχιτεκτονική του μοντέλου. Θα χρησιμοποιήσουμε επίσης εσωτερικά τα μοντέλα μας που έχουν αναπτυχθεί μόνοι μας για να τα συγκρίνουμε με μοντέλα ανοιχτού κώδικα. Επειδή αυτό το μοντέλο είναι πλήρως κατασκευασμένο για το δικό μου σενάριο, έχει γίνει πολλή δουλειά από την κατασκευή των δεδομένων εκπαίδευσης μέχρι τη σχεδίαση του αλγορίθμου.

Machine Heart: Είστε επίσης ένας από τους πρώτους εξερευνητές της πολυτροπικότητας στην Κίνα Έχετε χρονοδιάγραμμα για την πολυτροπικότητα;

Λι Γιαν: Προς το παρόν, το μεγάλο μοντέλο κειμένου εξακολουθεί να είναι ο πυρήνας του πυρήνα. Είναι η βάση της νοημοσύνης.

αξία προϊόντος:

Δυνατότητα μεγαλύτερης προσοχής στις ατομικές ανάγκες των χρηστών

Heart of the Machine: Η μορφή προϊόντος της Yuanshi Technology είναι στην πραγματικότητα διαφορετική από όλα σχεδόν τα μεγάλα μοντέλα C-end στην αγορά Γιατί θέλετε να ορίσετε ένα τέτοιο προϊόν;

Λι Γιαν: Δεν είμαστε ένα προϊόν που απευθύνεται σε μια συγκεκριμένη ομάδα ανθρώπων, στοχεύουμε ένα ευρύ φάσμα ανθρώπων και δεν είμαστε μια κοινότητα κάθετου περιεχομένου. Πιστεύουμε ότι με τη βελτίωση των δυνατοτήτων δημιουργίας και διανομής τεχνητής νοημοσύνης, τα όρια των μελλοντικών κατηγοριών περιεχομένου στην εποχή της τεχνητής νοημοσύνης θα γίνονται όλο και πιο ασαφή.

Σε επίπεδο προϊόντος, το προϊόν μας έχει αυτήν τη στιγμή δύο λειτουργίες, η μία είναι η ροή και η άλλη η συνομιλία. Το ονομάζουμε "Ρωτήστε τον Xiaobai". Από την άλλη πλευρά, η Xiaobai "ρωτά" Με βάση τις ερωτήσεις που κάνουν οι χρήστες στην τεχνητή νοημοσύνη, η Xiaobai θα αναλάβει επίσης την πρωτοβουλία να ενδιαφέρεται για τους χρήστες και να τους ωθεί ενεργά στους χρήστες. Το όνομα είναι Xiaobai, ελπίζοντας ότι οι χρήστες θα έχουν μια αίσθηση ασφάλειας και οικειότητας, θα εγκαταλείψουν την ψυχρή τεχνητή νοημοσύνη ή τη βίαιη τεχνητή νοημοσύνη και θα μπορούν να έχουν στενή επαφή με τους χρήστες.

Machine Heart: Μπορεί λοιπόν να γίνει κατανοητό ως προϊόν περιεχομένου με λειτουργίες AI;

Λι Γιαν:Ναι, εκτός από αυτό, είναι επίσης ένας διαδικτυακός φίλος σε πραγματικό χρόνο που κατανοεί τις προτιμήσεις σας κάτι για να δείτε σε τι μπορεί να σας βοηθήσει.

Heart of the Machine: Είναι όλο το περιεχόμενο της ροής ροής από την AIGC; Πώς να διασφαλίσετε την ποιότητα αυτού του περιεχομένου;

Λι Γιαν: Εάν χρησιμοποιείτε ένα μεγάλο μοντέλο για την παραγωγή περιεχομένου, πρέπει πρώτα να γνωρίζετε τι είδους περιεχόμενο αρέσει στους χρήστες και, στη συνέχεια, να δημιουργήσετε και να οργανώσετε περιεχόμενο άρθρων υψηλής ποιότητας με βάση αυτά τα θέματα. Αυτά τα δύο επίπεδα είναι η ικανότητα κατανόησης από τη μια πλευρά και η ικανότητα παραγωγής από την άλλη Κοιτάζοντας το τώρα, υπάρχει ακόμη πολύ περιθώριο βελτίωσης στα μεγάλα μοντέλα ικανοτήτων σε αυτές τις δύο πτυχές. Αυτός είναι και ο λόγος που ξεκινήσαμε μια επιχείρηση, γιατί πιστεύουμε ότι έχουμε τη δυνατότητα να βελτιώσουμε πολύ αυτό το θέμα.

Heart of the Machine: Το προϊόν μοιάζει λίγο με την έκδοση AI των Zhihu, Xiaohongshu και Toutiao Σε σύγκριση με αυτές, ποιες είναι οι διαφορές και τα πλεονεκτήματα;

Λι Γιαν: Αρχικά δίνουμε μεγαλύτερη προσοχή στις εξατομικευμένες ανάγκες των χρηστών. Για όλα τα προϊόντα για τα οποία μόλις μιλήσατε στην προηγούμενη γενιά, η πιο βασική αρχή του συστήματος συστάσεών τους είναι το συλλογικό φιλτράρισμα, δηλαδή, εάν σε έναν χρήστη αρέσει το Α και το Β και σε άλλο χρήστη αρέσει το Α και το Γ, τότε το Β και το Γ είναι επίσης παρόμοια. Τότε θα σας προτείνουμε το Β και το Γ αντίστοιχα. Υπάρχει ένα πολύ προφανές πρόβλημα με αυτή τη μέθοδο συνεργατικού φιλτραρίσματος, δηλαδή, σας προτείνει πάντα κάποιες σπονδυλικές κατηγορίες.

Γιατί; Είναι επειδή, αν σας αρέσει κάποιο θέμα, υπάρχει μεγάλη πιθανότητα ότι εσείς, όπως και άλλα άτομα που τους αρέσει αυτό το θέμα, έχετε μεγαλύτερη τάση να σας αρέσουν οι όμορφες γυναίκες και οι όμορφοι άντρες, και σε όλους τους αρέσει η ψυχαγωγία. Έτσι, το σύστημα θα καθορίσει τελικά ότι σας αρέσει πραγματικά η διασκέδαση και ότι σας αρέσουν οι όμορφοι τύποι και οι όμορφες γυναίκες.

Αυτή η μέθοδος έχει τα πλεονεκτήματά της, μπορεί να αυξήσει γρήγορα τον χρόνο των χρηστών και να συνεχίσει να αυξάνεται. Αλλά το πρόβλημά του είναι ότι θάβει τα προσωπικά ενδιαφέροντα και τα εξειδικευμένα ενδιαφέροντα των χρηστών, καθιστώντας δύσκολη την κατανόηση των χρηστών λεπτομερώς.

Και αυτό το κάνουμε με βάση μεγάλα μοντέλα. Πρώτα απ 'όλα, ελπίζουμε να φροντίσουμε τα εξατομικευμένα ενδιαφέροντά σας, αντί να σας προτείνουμε όμορφους τύπους, καλλονές ή ψυχαγωγικό περιεχόμενο Σε αυτήν την περίπτωση, αυτό το σύστημα συστάσεων δεν είναι ένα πραγματικά εξατομικευμένο σύστημα συστάσεων.

Επομένως, ένα επαρκώς έξυπνο σύστημα συστάσεων θα πρέπει θεωρητικά να μπορεί να φροντίζει όλα τα συμφέροντα των χρηστών. Είτε πρόκειται για τα γενικά σας ενδιαφέροντα είτε για εξειδικευμένα εξατομικευμένα ενδιαφέροντα. Δεν έχουν γίνει αρκετά μέχρι τώρα.

Heart of the Machine: Γιατί επιλέξατε αυτήν την κατεύθυνση όταν ξεκινήσατε μια επιχείρηση, αντί για την τρέχουσα κοινή φόρμα προϊόντος chatbot ή συναισθηματικού συνοδού;

Λι Γιαν: Πιστεύουμε ότι η ενοποίηση του LLM με τις συστάσεις έχει την ευκαιρία να ορίσει έναν νέο τύπο αλληλεπίδρασης, μια ομαλή εμπειρία που δεν απαιτεί «ενεργή» αλληλεπίδραση. Προς το παρόν, οι καθαρές αλληλεπιδράσεις τύπου συνομιλίας εξακολουθούν να έχουν ορισμένα όρια χρήσης για τους χρήστες και οι χρήστες πρέπει να υποβάλλουν ενεργά ερωτήσεις. Σε κάποιο βαθμό, περιορίζει επίσης τη διείσδυση και τη χρήση ενός ευρύτερου φάσματος χρηστών. Εκτός από όλα τα προτεινόμενα προϊόντα που χρησιμοποιούμε σήμερα, αν και οι χρήστες τα χρησιμοποιούν πολύ, εξακολουθούμε να βλέπουμε τους χρήστες να τα απεγκαθιστούν επανειλημμένα. Το να προσποιείται επανειλημμένα σημαίνει ότι δεν μπορεί να ζήσει χωρίς αυτό, αλλά το να το αναβάλει επανειλημμένα σημαίνει ότι δεν είναι 100% ικανοποιημένος. Αυτό είναι ένα σημείο που μας κάνει να πιστεύουμε ότι τα προτεινόμενα προϊόντα στην πραγματικότητα εξακολουθούν να έχουν μεγάλες ευκαιρίες.

Σε αυτή τη βάση, πιστεύουμε ότι το υπόβαθρο της ομάδας μας είναι πολύ κατάλληλο για να το κάνουμε αυτό, εγώ προσωπικά και η ομάδα έχουμε βαθιά εμπειρία στην αναζήτηση, την έρευνα τεχνητής νοημοσύνης και την εφαρμογή προϊόντων μεγάλης κλίμακας.

Machine Heart: Ωστόσο, τα προϊόντα που βασίζονται στο περιεχόμενο αντιμετωπίζουν γενικά το δίλημμα των ασαφών μονοπατιών εμπορευματοποίησης και δεν είναι πολύ επιτυχημένα. Τι πιστεύετε για αυτό;

Λι Γιαν: Είμαστε ακόμα στο στάδιο όπου πρέπει να δείξουμε πληρέστερα την αξία των χρηστών μας. Έχει νόημα να μιλάμε μόνο για εμπορική αξία με βάση τη μεγάλη αξία χρήστη. Πολλά προϊόντα έχουν παράσχει πολύ επιτυχημένα παραδείγματα των ισχυρών δυνατοτήτων δημιουργίας εσόδων προϊόντων περιεχομένου μεγάλου όγκου, όπως το Kuaishou.

Machine Heart: Κοιτάζοντας πίσω στο προϊόν, ποια είναι η αξία μιας καλύτερης ικανότητας απάντησης στο προϊόν;

Λι Γιαν: Νομίζω ότι είναι δύο. Το πρώτο είναι ότι όσο καλύτερες είναι οι απαντήσεις σας, τόσο μεγαλύτερη θα είναι η σταθερότητα του χρήστη. Σε αυτήν την περίπτωση, μπορείτε να γνωρίζετε περισσότερα σήματα χρήστη και να κατανοείτε καλύτερα τους χρήστες. Τελικά, το σύστημα μπορεί να τα χρησιμοποιήσει για να δημιουργήσει περιεχόμενο για χρήστες που τους αρέσει και το χρειάζονται πραγματικά. Διαμορφώστε συνεχώς μια θετική εμπειρία και έναν κύκλο δεδομένων.

Machine Heart: Αν σκεφτόμαστε αισιόδοξα, τι αντίκτυπο μπορεί να έχει η σταδιακή ωριμότητα των αλγορίθμων δημιουργίας συστάσεων στη βιομηχανία περιεχομένου; Κατά τη φαντασία σας, πώς μπορεί να μοιάζει ένα ώριμο «Ρωτήστε αρχάριο»;

Λι Γιαν:Οι παραγωγικές συστάσεις δίνουν νέα ζωτικότητα στο κομμάτι περιεχομένου, καθιστώντας δυνατή την πραγματοποίηση τεράστιων αλλαγών σε αυτόν τον τομέα αντί για περίτεχνες βελτιώσεις.

Προς το παρόν, τα μεγάλα μοντέλα και άλλες σχετικές τεχνολογίες προχωρούν με άλματα, αλλά υπάρχει ένα προφανές πρόβλημα στην επικοινωνία μεταξύ ανθρώπων και τεχνητής νοημοσύνης. Ρωτήστε τη Xiaobai, ρωτά η Xiaobai, ελπίζουμε να προωθήσουμε σε μεγάλο βαθμό τη συμπερίληψη της τεχνολογίας AI και να αφήσουμε τους απλούς χρήστες που χρειάζονται περισσότερο την τεχνητή νοημοσύνη να αισθανθούν τη δύναμη της AI.