Ers datblygiad deallusrwydd artiffisial, mae wedi dod yn rym gyrru craidd ar gyfer rownd newydd o chwyldro technolegol byd-eang a thrawsnewid diwydiannol. Ar hyn o bryd, mae'r defnydd o ddata mawr i gynyddu pŵer cyfrifiadurol a chryfhau algorithmau i ffurfio modelau deallusol ar raddfa fawr wedi dod yn graidd i'r genhedlaeth newydd o ecoleg deallusrwydd artiffisial. Bydd yn seilwaith cais mawr ar gyfer datblygu deallusrwydd artiffisial yn fy ngwlad ac yn allweddol i wireddu strategaeth flaenllaw gyffredinol fy ngwlad ar gyfer deallusrwydd artiffisial yn 2030. Llwyfan Sylfaenol.
Bydd cynhadledd gyntaf Fforwm Boao ar gyfer Fforwm Datblygu Economaidd a Diogelwch Byd-eang Asia, gyda'r thema "Diogelwch Economaidd a Datblygu Cynaliadwy o dan Newid Mawr", yn cael ei chynnal yn Changsha, Hunan o Hydref 18fed i 20fed. Ei nod yw trafod ymatebion i risgiau economaidd byd-eang a bydd materion Strwythurol yn cael eu trafod gyda'i gilydd ar faterion megis gweithgynhyrchu deallus a chwyldro technolegol.
O ran pynciau fel cyfeiriad datblygu a rhagolygon cymhwyso deallusrwydd artiffisial yn oes modelau mawr, cynhaliodd gohebydd o Beijing Business Daily gyfweliad unigryw yn ddiweddar gyda Huang Tiejun, athro yn yr Ysgol Gwyddor Gwybodaeth a Thechnoleg ym Mhrifysgol Peking a chyfarwyddwr yr Adran Cyfrifiadureg a Thechnoleg.
Beijing Business Daily: Gelwir modelau mawr yn graidd i'r genhedlaeth newydd o ecosystem deallusrwydd artiffisial. A allwch chi gyflwyno'n fyr beth yw model mawr? Pa broblemau fydd yn cael eu datrys?
Huang Tiejun: Mae'r model mawr yn fodel cyffredin sylfaenol sy'n rhoi gwybodaeth i wahanol gymwysiadau. Yn gyffredinol, mae'n blatfform sylfaenol sy'n dysgu'r wybodaeth a'r rheolau a gynhwysir yn y data o ddata mawr enfawr, yn ei gyddwyso'n rhwydwaith niwral a'i droi'n fodel mawr, ac yn darparu gwasanaethau ar gyfer tasgau deallus cyffredinol amrywiol.
Er enghraifft, ar y Rhyngrwyd symudol, gall fod gan werthwyr gwasanaethau cwmwl lawer o alluoedd gwasanaeth, ond heb gludwr fel App, bydd yn anodd i ddefnyddwyr gael gwasanaethau cwmwl amrywiol. O'r safbwynt hwn, mae App ei hun yn ecosystem ddiwydiannol. Mewn gwirionedd, ar hyn o bryd mae angen i fodelau mawr ddatrys problemau tebyg.
Mae modelau mawr yn wasanaethau cyhoeddus sy'n pelydrol iawn ac yn dechnegol iawn. Bydd gan bob cefndir rai anghenion penodol yn y dyfodol, a bydd angen i rai cwmnïau ddatblygu trawsnewid model mawr a rhyngwynebau wedi'u haddasu.
Beijing Business Daily: Sut fydd modelau mawr yn cysylltu ecoleg technoleg deallusrwydd artiffisial ac ecoleg ddiwydiannol? Beth fydd cyfeiriad cymhwyso nesaf deallusrwydd artiffisial yn y maes gwybodaeth?
Huang Tiejun: Mae dealltwriaeth a chymhwysiad deallusrwydd artiffisial mewn llawer o ddiwydiannau yn dal i fod mewn cyfnod archwilio, ac mae pellter penodol rhyngddynt. Mae sut i gysylltu'r rhyngwyneb hwn mewn gwirionedd yn gofyn am grŵp o gwmnïau a all drawsnewid galluoedd modelau mawr yn gynnwys sydd ei angen ar amrywiol ddiwydiannau.
Mae'n anodd iawn rhagweld beth fydd y cais nesaf yn y maes gwybodaeth. Rwy'n credu mewn gwirionedd, bydd deallusrwydd artiffisial yn disodli ysgrifennu copi, prosesu gwybodaeth a thasgau eraill, neu bydd y rhan fwyaf ohonynt yn cael eu datrys gan fodelau mawr o ddeallusrwydd artiffisial, a fydd yn dod â phosibiliadau cymhwyso gwych.
Mae cymwysiadau amrywiol peiriannau chwilio yn y pen draw yn ymwneud â threfnu, mwyngloddio a defnyddio gwybodaeth. Er enghraifft, gall unigolion gasglu data a gwneud rhywfaint o brosesu gwybodaeth trwy beiriannau chwilio. Nawr mae modelau mawr yn datrys y broblem o gasglu data enfawr. Nid gwaith unrhyw un person neu grŵp o bobl yw ei ddata, ond mae'n casglu'r holl ddata ac yn ei adlewyrchu. Dewch i wasanaethu amrywiol geisiadau prosesu gwybodaeth ysgrifennu copi. Gall yr allanfa olaf fod yn ddynol o hyd, ond bydd y rhan fwyaf o'r tasgau y tu ôl iddo yn cael eu cwblhau gan ddeallusrwydd artiffisial. Mae'r posibiliadau ar gyfer y cyfeiriad cais hwn yn enfawr.
Beijing Business Daily: Sut datblygodd technoleg deallusrwydd artiffisial yn oes modelau mawr? Beth yw'r gwahaniaethau o gymharu ag o'r blaen?
Huang Tiejun: Mae datblygu deallusrwydd artiffisial yn fodelau mawr yn cael ei bennu gan gyfreithiau sylfaenol datblygu technoleg deallusrwydd artiffisial. Mae dwy ysgol o feddwl ar ddeallusrwydd artiffisial. Mae un grŵp yn credu bod y mecanweithiau gwyddonol, damcaniaethau, mathemateg, ac algorithmau y tu ôl i ddeallusrwydd artiffisial yn bwysig iawn; mae'r grŵp arall yn credu bod deallusrwydd artiffisial yn gyffredinol yn dechnoleg, adeiladu system ddeallus, ac yna deall mecanwaith y system ddeallus. Yr olaf yw'r farn brif ffrwd o ddeallusrwydd artiffisial.
Yn y broses o adeiladu deallusrwydd artiffisial, gwaith ychydig o ymchwilwyr gwyddonol ydoedd ar y dechrau, ac yn ddiweddarach cymerodd cwmnïau ran yn raddol. Yn y dyfodol, bydd diwydiant, academia, ymchwil, a'r gymdeithas gyfan yn adeiladu model ar y cyd. Pam gwneud hyn? Mewn gwirionedd, mae'r rheswm yn syml iawn. Os nad yw'r data a ddysgwyd gan system neu fodel deallusrwydd artiffisial yn gyflawn ac yn ddigon amserol, bydd yn anodd credu bod ei fodel deallus yn alluog iawn. Y model mawr fel y'i gelwir yw integreiddio adnoddau data amrywiol, yr algorithmau cryfaf a'r pŵer cyfrifiadurol mwyaf posibl mewn cymdeithas i lwyfan sylfaenol cyhoeddus y gall pawb ei ddefnyddio. Dyma'r cyfeiriad y mae'n rhaid inni ei gymryd wrth adeiladu systemau deallusrwydd artiffisial. .
Yn y broses hon, mae galluoedd modelau mawr yn dod yn gryfach, a fydd yn ei dro yn chwarae rhan ym mhob agwedd ar gymdeithas. Unwaith y bydd yn chwarae rhan, bydd mwy o bobl yn ei adeiladu. Mae'n effaith ailadroddus anfalaen.
Mewn gwirionedd, mae potensial deallusrwydd artiffisial yn dibynnu ar y data y gall ei gael. Yn union fel pobl "darllen miloedd o lyfrau a theithio miloedd o filltiroedd", mae deallusrwydd artiffisial hefyd yn debyg. Mae'r byd corfforol a hyd yn oed y bydysawd mor eang. Os gellir ei drawsnewid yn ddata a gwybodaeth a chaniatáu iddo gael ei ddysgu gan ddeallusrwydd artiffisial, bydd y gofod yn fawr iawn.
Ni feiddiaf ddweud a fydd gallu'r model mawr yn fwy na gallu pawb, ond o leiaf nid oes neb wedi cael yr holl wybodaeth, ac mae'n amhosibl darganfod y deddfau y tu ôl iddo. Mae corff corfforol a chylch bywyd pob un ohonom yn pennu bod y data y gallwn ei gael yn gymharol gyfyngedig o hyd.
Beijing Business Daily: Pa heriau sydd angen eu goresgyn o hyd wrth ddatblygu modelau mawr? Beth yw llwybr datblygu'r dyfodol?
Huang Tiejun: Bellach mae set o dechnolegau ac algorithmau ar gyfer hyfforddi modelau mawr, ond p'un a oes gwell algorithmau, mae'r gymuned academaidd a'r diwydiant yn dal i chwilio ac archwilio'n gyson. Ar hyn o bryd, mae angen llawer o allyriadau carbon i hyfforddi model deallus. Yn y dyfodol, efallai y bydd angen llai o allyriadau carbon i hyfforddi model. Rwy'n meddwl un diwrnod, efallai y bydd deallusrwydd artiffisial yn costio llai i'w hyfforddi na dynol, a dyna garreg filltir arall.
Felly, wrth i ddeallusrwydd artiffisial ddod i gysylltiad â mwy a mwy o ddata, ac wrth i effeithlonrwydd dysgu a hyfforddi ddod yn uwch ac yn uwch, bydd ei ganlyniad yn fodel mawr. Yn y dyfodol, gall fod yn fodel hynod fawr neu fodel mawr iawn, a bydd yn parhau i ailadrodd. Mae'r llwybr eisoes yn glir.
Ond nid oes sail i ble mae ei derfyn uchaf. Am y tro, mae mwy yn well. Efallai, ar ôl iddo ehangu i lefel benodol, na fydd yn gynnydd llinellol syml mwyach, neu efallai y bydd y twf yn dechrau arafu ar ôl lefel benodol, ond mae'r rhain yn dal i fod yn ddyfaliadau ar hyn o bryd.
Beijing Business Daily: Sut i ystyried rhai materion diogelwch a moesegol yn ystod y broses o ddatblygu modelau mawr? Sut i'w osgoi?
Huang Tiejun: Ni fydd materion diogelwch a moesegol deallusrwydd artiffisial yn cael eu datrys dros nos. Er enghraifft, mae materion diogelwch gwybodaeth yn parhau i godi gyda datblygiad gwybodaeth, a rhaid inni eu datrys ar ôl iddynt godi.
Yn y broses o ddatblygu modelau mawr, mae yna hefyd rai risgiau cynhenid. Er enghraifft, nid yw'r wybodaeth a ddysgwyd gan y model yn unol â moeseg ac egwyddorion. Gellir rheoli'r risgiau hyn ymlaen llaw; ond mae yna hefyd rai risgiau a achosir gan ddatblygiad parhaus technoleg. Os daw, yna mae angen ei ddatrysiad hefyd yn barhaus trwy ddulliau technegol. "I ddatod y gloch, rhaid i chi glymu'r gloch." Os na fyddwn yn datblygu'r dechnoleg hon oherwydd rhai problemau posibl, ni fydd yn cydymffurfio â chyfreithiau datblygiad gwyddonol a thechnolegol.