久久成人免费电影,在线天堂中文WWW官网,久久久人人爽精品玩人妻,色8激情欧美成人久久综合电影

      近日，美國斯坦福大學(xué)李飛飛等百余位學(xué)者聯(lián)名發(fā)布《基礎模型的機遇與挑戰》一文，論述在人工智能基礎模型成為趨勢的環(huán)境下，其發(fā)展面臨的機遇與挑戰。文章指出，基礎模型的應用使得自監督學(xué)習+預訓練模型微調適配方案逐漸成為主流，并帶來(lái)了智能體認知能力的進(jìn)步。但同時(shí)由于基礎模型的任何一點(diǎn)改進(jìn)會(huì )迅速覆蓋整個(gè)AI社區，其隱患在于基礎模型的缺陷也會(huì )被所有下游模型所繼承。

　　斯坦福大學(xué)學(xué)者談到的基礎模型，國際上也稱(chēng)預訓練模型，也被國內研究者稱(chēng)為大模型。那么，什么是人工智能大模型，與小模型相比有哪些優(yōu)勢？為何大模型會(huì )成為趨勢，在行業(yè)中有哪些應用？未來(lái)又面臨怎樣的機遇和挑戰？

　　像發(fā)電廠(chǎng)一樣源源不斷供應“智力源”

　　大模型成了最近AI產(chǎn)學(xué)界刷屏率頗高的詞匯。需要更大算力、更大數據集的大模型，為何可能是未來(lái)AI最好的伙伴？這要從AI開(kāi)發(fā)者們的一次次挫敗與碰壁說(shuō)起。

　　深度學(xué)習技術(shù)興起的近10年間，AI模型基本上是針對特定應用場(chǎng)景需求進(jìn)行訓練的小模型。小模型用特定領(lǐng)域有標注的數據訓練，通用性差，換到另外一個(gè)應用場(chǎng)景中往往不適用，需要重新訓練。另外，小模型的訓練方式基本是“手工作坊式”，調參、調優(yōu)的手動(dòng)工作太多，需要大量的AI工程專(zhuān)業(yè)人員來(lái)完成。同時(shí)，傳統模型訓練需要大規模的標注數據，如果某些應用場(chǎng)景的數據量少，訓練出的模型精度就會(huì )不理想。

　　“小模型的這些問(wèn)題，導致當前AI研發(fā)整體成本較高，效率偏低。由于A(yíng)I人才短缺以及成本昂貴，對于中小行業(yè)用戶(hù)來(lái)說(shuō)，小模型的這些問(wèn)題阻礙了行業(yè)用戶(hù)采用人工智能技術(shù)的腳步，成為AI普惠的障礙?！北本┲窃慈斯ぶ悄苎芯吭涸洪L(cháng)黃鐵軍在接受科技日報記者采訪(fǎng)時(shí)指出。

　　雖然，之前全球呈現“千村萬(wàn)戶(hù)大煉模型”的熱鬧場(chǎng)面，但這種“自家煉鋼自己用”的作坊方式顯然不符合現代產(chǎn)業(yè)發(fā)展規律。

　　黃鐵軍進(jìn)一步解釋道：“大模型可以解決這些問(wèn)題，其泛化能力強，可以做到‘舉一反三’，同一模型利用少量數據進(jìn)行微調或不進(jìn)行微調就能完成多個(gè)場(chǎng)景的任務(wù)，中小企業(yè)可以直接調用，不需要招聘很多AI算法專(zhuān)業(yè)人員就能進(jìn)行應用開(kāi)發(fā)，顯著(zhù)降低中小企業(yè)的研發(fā)門(mén)檻，促進(jìn)AI技術(shù)落地?！?/p>

　　得益于這些優(yōu)勢，人工智能的發(fā)展已經(jīng)從“大煉模型”逐步邁向“煉大模型”的階段。以美國OpenAI、谷歌、微軟、臉書(shū)等機構為代表，布局大規模智能模型已成為全球引領(lǐng)性趨勢，并形成了GPT-3、Switch Transformer等千億或萬(wàn)億參數量的大模型?？梢哉f(shuō)，人工智能大模型時(shí)代正在到來(lái)！

　　“人工智能大模型是‘大數據+大算力+強算法’結合的產(chǎn)物，是集成大數據內在精華的‘隱式知識庫’，也是實(shí)現人工智能應用的載體。大模型是連接人工智能技術(shù)生態(tài)和產(chǎn)業(yè)生態(tài)的橋梁，向下帶動(dòng)基礎軟硬件發(fā)展，向上支撐了智能應用百花齊放，是整個(gè)人工智能生態(tài)的核心?！秉S鐵軍表示。

　　北京智源人工智能研究院理事長(cháng)張宏江博士指出：“未來(lái)，大模型會(huì )形成類(lèi)似電網(wǎng)的智能基礎平臺，像發(fā)電廠(chǎng)一樣為全社會(huì )源源不斷地供應‘智力源’?！?/p>

　　超大模型“通用智能”能力應用前景廣闊

　　類(lèi)比人的教育培養，大模型所完成的培訓就如同基礎性、通識性的大學(xué)本科培養，“學(xué)成”后的大模型具備處理一般事物的能力。如果要完成更專(zhuān)業(yè)、更高級的任務(wù)，大模型還需要“研究生”階段的專(zhuān)業(yè)培養。

　　黃鐵軍進(jìn)一步指出：“AI大模型通常是在大規模無(wú)標注數據上進(jìn)行訓練，學(xué)習數據中蘊含的特征、結構和知識?；诖竽Ｐ瓦M(jìn)行應用開(kāi)發(fā)時(shí)，將大模型進(jìn)行微調（在下游針對特定任務(wù)利用小規模數據進(jìn)行二次訓練）或者不進(jìn)行微調，就可以滿(mǎn)足多種應用任務(wù)的需要?！?/p>

　　“從‘大煉模型’到‘煉大模型’，北京智能研究院推出的悟道系列大模型成為這一進(jìn)程中的標志性成果?！睆埡杲赋?，大模型、大平臺、大數據的系統性的生態(tài)蓬勃的發(fā)展勢頭，驗證了在A(yíng)I研究與創(chuàng )業(yè)領(lǐng)域新機遇正在降臨。

　　在這一趨勢下，北京智源人工智能研究院2021年3月發(fā)布悟道1.0，是中國首個(gè)人工智能大模型，取得多項國際領(lǐng)先的AI技術(shù)突破；2021年6月發(fā)布的悟道2.0，參數規模達到1.75萬(wàn)億，是OpenAI的GPT-3模型的10倍，一躍成為世界最大模型。

　　北京智源人工智能研究院學(xué)術(shù)副院長(cháng)、清華大學(xué)教授唐杰表示，大模型可以包含更多數據，表示更多信息，模型往超大規模發(fā)展是一個(gè)必然的趨勢。智源在布局萬(wàn)億級模型，包括配套的高性能算力平臺。目前，悟道團隊一方面擴大模型的規模，讓模型的表示能力更強，一方面針對實(shí)際應用，提高精度。此外，團隊還在模型微調算法上進(jìn)行了創(chuàng )新，希望早日打通百億級模型和萬(wàn)億級模型的橋梁。

　　“超大規模預訓練模型的出現，很可能改變信息產(chǎn)業(yè)格局，即基于數據的互聯(lián)網(wǎng)時(shí)代、基于算力的云計算時(shí)代之后，接下來(lái)可能將進(jìn)入基于大模型的AI時(shí)代?！碧平苷J為。

　　據介紹，超大規模智能模型的“通用智能”能力在醫療、金融、新聞傳播等行業(yè)應用前景廣闊。例如，在醫療健康領(lǐng)域，大模型在醫療數據格式化、病歷自動(dòng)解讀與分析、自動(dòng)問(wèn)診系統等方面都可以發(fā)揮巨大效用。在金融、法律、財務(wù)、人力資源、零售等傳統行業(yè)領(lǐng)域，大模型能提供高性能的智能信息解析和提取、智能數據整合、自動(dòng)機器翻譯、輔助決策等功能，提升業(yè)務(wù)流程效率和水平。在新聞傳播領(lǐng)域，基于模型可實(shí)現智能新聞線(xiàn)索收集、機器寫(xiě)作、輔助編輯、虛擬主播等應用。目前，智源悟道大模型，也在為北京冬奧會(huì )提供新場(chǎng)景下的人工智能服務(wù)應用；并正在以大模型黑科技，開(kāi)啟手機AI語(yǔ)音技術(shù)新路徑，賦能智能終端新一輪AI體驗革新。在9月24日舉行的2021中關(guān)村論壇“人工智能與多學(xué)科協(xié)同創(chuàng )新論壇”上，智源“悟道”大模型與OPPO小布助手合作，基于“悟道”大模型開(kāi)啟“生成式回答系統”，全面功能上線(xiàn)后一舉解決了行業(yè)共通性的長(cháng)尾問(wèn)題，單條回答建設成本降低99%。

　　大模型面臨的機遇與挑戰

　　最近，斯坦福大學(xué)數十位研究者聯(lián)名發(fā)表《基礎模型的機遇和風(fēng)險》綜述文章，認為大模型的特點(diǎn)之一是“同質(zhì)化”，好處在于大模型的任何一點(diǎn)改進(jìn)就可以迅速覆蓋整個(gè)AI社區。但同時(shí)，它也帶來(lái)一些隱患，大模型的缺陷會(huì )被所有下游模型所繼承。特點(diǎn)之二是海量數據訓練出的基礎模型具有“涌現”特性，也就是產(chǎn)生未曾預先設想的新能力，這種特性有望讓AI具備處理語(yǔ)言、視覺(jué)、機器人、推理、人際互動(dòng)等各類(lèi)相關(guān)任務(wù)的能力。因此這類(lèi)模型將賦能各行各業(yè)，加快行業(yè)的智能化轉型，在法律、醫療、教育等領(lǐng)域都會(huì )帶來(lái)具有社會(huì )價(jià)值的影響。

　　但同時(shí)，如何應對大模型下游的傳播問(wèn)題，進(jìn)一步提高信息的精準性與適用性，以人工智能大模型技術(shù)激活各行各業(yè)？

　　黃鐵軍回答道：“這是學(xué)界現在所面臨的共同難題，未來(lái)應該從幾個(gè)方面來(lái)減輕甚至消除這類(lèi)影響：首先就是要關(guān)注訓練數據的質(zhì)量，目前一些模型具有的偏見(jiàn)其實(shí)都是由訓練數據本身所引發(fā)的，因此我們要在數據源頭上做好保障，既要量大，也要質(zhì)高。第二，要加強對算法本身及模型內部運作機制的研究，目前深度學(xué)習算法的可解釋性等理論還在探討階段，對大模型的理論分析和缺陷查找能力提出了更大挑戰，這就需要加強基礎研究，以支撐大模型在那些可靠性要求更高行業(yè)中的應用。此外，模型的訓練過(guò)程中，要加入多模態(tài)的數據，比如文本、圖片、視頻等類(lèi)型的輸入，通過(guò)多模態(tài)信息內在的多重關(guān)聯(lián)性降低大模型‘偏執’的概率。我們常說(shuō)人要‘行萬(wàn)里路，讀萬(wàn)卷書(shū)’，大模型也一樣，會(huì )隨著(zhù)算法的改進(jìn)和‘閱歷’的增加越來(lái)越智能?！?/p>