Новости

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Сегодня общий искусственный интеллект (AGI) стал одним из ключевых слов, на которых сосредоточено внимание научного сообщества и промышленности. Всего несколько лет назад многие люди считали, что для реализации AGI потребуется как минимум 10–50 лет. Некоторые даже верили в это. это никогда не будет возможно. Сегодня последних немного. Однако, по сравнению с волнением общественности по поводу этой волны технологических изменений, многие ученые и лидеры отрасли в области ИИ (искусственного интеллекта) считают, что предстоит пройти еще долгий путь, прежде чем нынешний ИИ сможет превратиться в AGI.

По словам Ци Юаня, заслуженного профессора Хао Цина из Фуданьского университета, декана Шанхайского института научной разведки (именуемого в дальнейшем «Шанхайский институт») и основателя пользующейся доверием крупной модельной компании «Infinite Lightyear», «один из самых высоких проявления общего искусственного интеллекта». Это открытие неизвестных законов сложного мира. Короче говоря, это должен быть «ИИ Эйнштейна». Это требует от нас создания комбинации быстрого мышления «черного ящика», предсказания вероятности и медленного мышления». логическое обоснование «белого ящика» для создания надежной крупной модели «серого ящика» и посредством глубокой интеграции технологий и промышленности мы продвигаем фундаментальные исследования, обучение талантов и внедрение результатов для создания научной и интеллектуальной инновационной экосистемы».

На завершившейся недавно Всемирной конференции по искусственному интеллекту (WAIC) и Конференции высокого уровня по глобальному управлению искусственным интеллектом 2024 года Шанхайский технологический институт успешно провел тематический форум «Искусственный интеллект: смена парадигмы научных исследований и промышленное развитие». Это новое научно-исследовательское учреждение впервые появилось на выставке WAIC. Можно сказать, что Институт Шанчжи является образцом для Шанхая в исследовании инновационной научной интеллектуальной экологической модели «1+1+N». То есть «1» Института Шанчжи служит центром и центром экосистемы, ответственным. для общего стратегического планирования, интеграции ресурсов и НИОКР и инноваций ключевых технологий в сочетании с еще одним «1» Фуданьским университетом и «N» многих университетов, научно-исследовательских институтов, технологических предприятий, инновационных групп и инвестиционных учреждений, совместно продвигают научные исследования, подготовка кадров, трансформация научно-технических достижений, а также инновации и модернизация промышленности.

Стандартом ОИИ должно быть создание «ИИ Эйнштейна».

С технической точки зрения, приведут ли большие модели со все большим количеством параметров к созданию общего искусственного интеллекта? Сегодня, будь то с точки зрения самой технологии искусственного интеллекта или с точки зрения энергопотребления, хотя большие модели, основанные на авторегрессионной архитектуре Transformer, все еще имеют дивиденды, их недостаточно, чтобы привести к созданию общего искусственного интеллекта. Искусственный интеллект требует разработки новых надежных крупных моделей «серого ящика». Это краткое изложение многолетнего практического опыта Ци Юаня в научных кругах и промышленности.

Десять лет назад, с идеей «сделать искусственный интеллект полезным», Ци Юань возглавил команду по увеличению базовой системы машинного обучения Alibaba с 2 миллионов параметров до сотен миллионов параметров, добившись крупномасштабного бизнес-эффекта. Улучшения. Демонстрация комплексного преобразования данных, алгоритмов и инженерных возможностей. Это именно то воплощение закона масштабирования, о котором сегодня говорят в кругах искусственного интеллекта.

Ци Юань вспоминает, что в то время команда действительно ощутила преимущества закона масштабирования: после того, как параметры модели были увеличены в сто раз, общий эффект значительно улучшился. «Но теперь я думаю: почему тогда мы не занимались моделями искусственного интеллекта в большей степени? Почему я остановился на этом, когда мы сделали шаг вперед?» Он сказал: «Большие модели с сотнями миллионов параметров все еще актуальны?» недостаточно, чтобы перейти к десяткам миллиардов, сотням миллиардов или даже триллионам. В то время как академическим кругам, так и учреждениям не хватало вычислительной мощности, и даже в промышленном мире достижение такой высокой вычислительной мощности требовало очень высоких затрат и даже. тем более, не говоря уже об академических кругах».

Причина, по которой стандартом AGI должно быть создание «ИИ Эйнштейна», объяснил Ци Юань, заключается в том, чтобы быть эффективным и умным. Прежде всего, Эйнштейн увидел «темные тучи физики начала 20-го века» через несколько ключевых данных. ОИИ также должен быть способен открывать неизвестные законы, которые понимают сложный мир. Однако ни одна из нынешних крупных моделей не может этого сделать. Хотя большая визуальная модель SORA в беспрецедентной степени имитирует физический мир, SORA все же строит трехмерный мир на основе моделирования двухмерного мира, до которого еще далеко. от глубокого понимания физического мира. Большое расстояние. Второе — энергопотребление. Мощность человеческого мозга составляет около 15 Вт, а пиковая мощность графического процессора — несколько сотен Вт. Не говоря уже о том, что для поддержки обучения больших моделей общего назначения требуется килокарта или кластер из десяти тысяч карт. . На данный момент, если вы продолжите использовать существующую архитектуру, это потребует огромного количества потребляемой энергии, что затруднит достижение цели эффективности и интеллектуальности.

«ИИ Эйнштейн» также является ключевой целью проекта «ИИ для науки» (Примечание: «Научный интеллект», именуемый в дальнейшем «ИИ4S»). Научный интеллект уже играет важную роль в ускорении решения известных физических уравнений, но научный интеллект должен объединять известные правила и данные, уменьшать чрезмерную зависимость от данных и вычислительной мощности, повышать точность рассуждений и прогнозов, а также вносить коррективы на основе знаний данных. правила и предлагать новые научные теории. Это также совпадает с долгосрочной целью Ци Юаня по работе в Фуданьском университете и Шанхайском институте интеллектуальной собственности — «использовать искусственный интеллект для понимания сложного мира и открытия неизвестных законов».

Надежная крупная модель вертикального поля «серого ящика» расширяет возможности тысяч отраслей

Какие проблемы необходимо срочно решить, когда в больших моделях будет реализована новая производительность инструментов искусственного интеллекта? С точки зрения Циюаня, крупная модельная индустрия сталкивается со многими общими проблемами, которые затрудняют соответствие технологий, продуктов и рыночного спроса.

«В настоящее время самая большая проблема при реализации крупномасштабных моделей заключается в том, что на первый взгляд они кажутся полезными, но они бесполезны, как только их используют», — объяснил Ци Юань, что суть сегодняшних крупномасштабных языковых моделей заключается в простом использовании. предсказать следующее слово, чтобы предсказать следующее слово, но это не подходит для многоэтапных строгих рассуждений. «Язык — это инструмент общения, а не инструмент мышления». Недавно в статье, опубликованной Массачусетским технологическим институтом (MIT) и другими учреждениями в ведущем академическом журнале «Nature», отмечалось, что язык является мощным инструментом распространения информации. культурные знания, и это может быть связано с Нашими способностями мышления и рассуждения, которые одновременно эволюционировали, чтобы отразить сложность человеческого познания. Но язык не создает сложности рассуждений.

Учитывая существующие характеристики больших моделей, такие как ненадежность, низкая интерпретируемость и высокая стоимость, по-настоящему эффективным решением является объединение вероятностных рассуждений нейронной сети с логическими символьными вычислениями, подобно тому, как это сделал лауреат Нобелевской премии по экономике Дэниел Кард. Быстрое мышление, основанное на человеческих инстинктах, и медленное мышление, основанное на логическом рассуждении, описанное в книге Нимана «Думать быстро и медленно», «можно назвать большой моделью «серого ящика»», считает Ци Юань, «Серый ящик» доверял большим моделям, которые объединение символьных вычислений с нейронными сетями может уменьшить «иллюзию» искусственного интеллекта и решить профессиональные проблемы в вертикальных областях, тем самым расширяя возможности тысяч отраслей и высвобождая производительность больших моделей.

Что такое доверенная большая модель «серого ящика»? «Первоначально считалось, что глубокое обучение — это «черный ящик», но теперь мы объединяем «белый ящик» логических рассуждений с глубоким обучением, и оно становится «серым ящиком», — объяснил Ци Юань: «Первоначальный «черный ящик»». заставляет людей ничего не знать о процессе получения результатов, а большая модель «серого ящика» может заставить людей «знать, что происходит и почему» с помощью логических рассуждений. Модели могут использовать глубокое обучение для сокращения правил, которые этого не делают. соответствовать реальным данным наблюдений».

Ци Юань сказал, что для того, чтобы сложные сценарии в различных отраслях стали новыми полями сражений, где ИИ играет центральную роль, будь то финансы и страхование, ветроэнергетика, морской транспорт, медицина и фармацевтика, необходимо интегрировать систематические отраслевые знания. логика рассуждений и механизмы принятия решений. В сочетании с большими моделями. Большие модели «серого ящика» — это не только общее направление общего искусственного интеллекта, но и мощный инструмент для больших моделей, позволяющий глубоко проникать в вертикальные поля и действительно решать практические задачи. «Если посмотреть на это с промышленной точки зрения, это понимание будет очень интуитивным», — Ци Юань привел пример. Врачам не обязательно быть юристами, а юристам не обязательно быть экспертами по инвестициям. Каждая профессиональная роль должна быть сосредоточена на чем-то своем. области и создавать свои собственные инструменты повышения производительности. С технической точки зрения, «катастрофическое забывание» может произойти, если большая модель переучена на нерелевантных задачах. Точно так же, как если бы Ли Бай весь день работал бухгалтером и не писал стихи, его поэтическое вдохновение могло бы постепенно угаснуть. «Мы заметили, что при обучении большой модели в вертикальном поле, если модели позволить изучить слишком много нерелевантных функций, это будет мешать ее первоначальным возможностям. Поэтому необходимо создать большую модель «серого ящика» в вертикальное поле, я думаю, имеет большое значение в промышленном применении».

«Я думаю, что большая модель «серого ящика» будет играть все более важную роль на пути к внедрению искусственного интеллекта и вертикальной отрасли, потому что, согласно байесовской методологии, она объединяет наши известные знания и скрытую неизвестную информацию в данных. открывать новые законы и решать научные и промышленные проблемы» Ци Юань прямо заявил, что в будущем «ИИ Эйнштейн» также может быть «ИИ Баффетом».

Откройте инновационную цепочку и постройте научную и интеллектуальную инновационную экосистему.

На Всемирной конференции по искусственному интеллекту 2024 года команда под руководством Ци Юаня представила крупномасштабную надежную финансовую и медицинскую модель на легком языке с десятками миллиардов параметров. Испытания больших моделей в этих двух вертикальных областях превзошли результаты испытаний большой модели OPEN AI GPT4-Turbo с триллионом параметров, что еще раз привлекло внимание отрасли к реализации больших моделей.

«Сегодняшние прорывы в области искусственного интеллекта происходят не только благодаря инновациям основополагающих принципов, но также обусловлены продуктами, ориентированными на социальные потребности. Обществу нужны не только публикации теоретических статей или инновации бизнес-моделей, но и глубокая интеграция технологических Инновации и промышленные инновации, основанные на прорыве в принципе единства. Как только они будут объединены, мы сможем плыть туда, где вода станет голубее», — сказал Ци Юань.

Научные круги и промышленность имеют разные миссии. Научные круги должны исследовать новые вещи, а промышленность должна сначала решать практические проблемы. Существует общая проблема внутри страны и за рубежом: научно-исследовательским учреждениям необходимо изучать многие вопросы технологических инноваций, но если они игнорируют производственные и социальные потребности, возникнет два недостатка: отсутствие реального конкурентного давления и неспособность сдерживать инновационные технологии в конкурентной борьбе. Эффективная обратная связь с рыночной информацией определяет направление технологических исследований и разработок;

С этой целью Циюань с нетерпением ждал открытия инновационной цепочки «университеты-исследовательские институты-стартапы» и создания хорошей инновационной экосистемы. Он не только думает о базовой технологии, но и учитывает рыночный спрос. Используйте рыночный спрос и сценарии для определения направления продукта и внедряйте инновации снизу вверх, чтобы повысить конкурентоспособность основного продукта.

Компания Shangzhiyuan, основанная в 2023 году, стремится к оригинальным инновациям в области искусственного интеллекта для науки, сочетающим знания и данные. Недавно Институт Шанчжи выпустил серию крупномасштабных метеорологических моделей Fuxi 2.0 для промышленных приложений, таких как новая энергетика, страхование и городское управление, и возглавил создание Интеллектуального метеорологического инновационного экологического альянса, объединяющего несколько подразделений для постепенного содействия индустриализации. серии крупномасштабных метеорологических моделей Fuxi 2.0. Также ведется запуск доверенной крупной модели «серого ящика» Infinite Lightyear, доверенной крупной модельной компании, основателем которой является Ци Юань.

В целях дальнейшего процветания экосистемы научных и интеллектуальных инноваций вторая конференция была организована совместно Шанхайской интеллектуальной академией и Фуданьским университетом под совместным руководством Шанхайской муниципальной комиссии по науке и технологиям, Шанхайской муниципальной комиссии по развитию и реформам, Шанхайской муниципальной экономики и информации. Комиссия, Шанхайская муниципальная комиссия по образованию и другие ведомства открыли Всемирный конкурс по науке и разведке. Конкурс устанавливает приз в миллион долларов для привлечения игроков со всего мира для совместного исследования передовых областей научной разведки. В то же время Институт Шанчжи возглавил разработку платформы научных данных, охватывающей мультимодальные научные данные. Платформа обладает полнофункциональными возможностями от сбора и обработки данных до управления и моделирования, обеспечивая эффективную обработку, надежность и безопасную совместимость данных. . На основе этой платформы СПИК и его партнеры создали множество высококачественных наборов научных данных для областей наук о жизни, физических наук и наук об атмосфере, предоставляя ценные ресурсы для научных исследований. Кроме того, Институт Шанчжи возглавил создание Глобального экологического альянса научных данных. В первую группу членов альянса входят более десяти подразделений, включая China Telecom Co., Ltd., COSCO Shipping Property Insurance Captive Co., Ltd., Шанхай. Компания Lingang New Area Transborder Data Technology Co., Ltd. Альянс создаст глобальную многоотраслевую платформу для открытия и обмена ресурсами больших данных в области научных исследований посредством сотрудничества с правительствами, предприятиями, университетами, исследовательскими институтами и другими сторонами.

«И научные исследования, и промышленность не должны быть «новыми ради новизны». Мы надеемся, что сможем создать будущий общий искусственный интеллект и приложения для решения реальных проблем», — сказал Ци Юань.

автор:

Фото: фото предоставлено Шанхайским исследовательским институтом разведки Редактор: У Цзиньцзяо Главный редактор: Цзян Пэн

Пожалуйста, указывайте источник при перепечатке статьи.