Μηχανή βαθιά επανάσταση μάθησης
Η επανάσταση της βαθιάς μάθησης του μηχανήματος έχει περάσει περίπου τρία κύματα, κάθε μεγαλύτερο από το τελευταίο. Το πρώτο κύμα, περίπου το 2010, είδε τις ανακαλύψεις στην αναγνώριση ομιλίας, αντικαθιστώντας τα μοντέλα Markov με βαθιά μάθηση, με πρωτοφανή αποτελέσματα. Το δεύτερο κύμα είναι η επανάσταση του συνελικτικού νευρικού δικτύου στην αναγνώριση εικόνων το 2012, το οποίο είναι πέρα από τη φαντασία των ανθρώπων. Το πρόσφατο τρίτο κύμα γλωσσικών μοντέλων, κοντά ή ακόμα και πέρα από το ανθρώπινο επίπεδο, έχει ανατραπεί τα τελευταία 40 έως 50 χρόνια υπολογιστικής γλωσσολογίας, έρευνα για την επεξεργασία φυσικής γλώσσας, είναι μια επαναστατική τεχνολογική ανακάλυψη.
Το κλειδί για τα μεγάλα μοντέλα είναι ότι υπάρχει ένα βήμα πριν από την κατάρτιση στη μέθοδο, όπου προηγουμένως η μηχανική μάθηση ήταν είτε ανθρώπινη κατευθυνόμενη είτε μηχανική. Η προ-κατάρτιση είναι να οικοδομήσουμε ένα σύστημα κοινής λογικής του κόσμου, με βάση τους κανόνες του τρόπου λειτουργίας του κόσμου. Αυτή η σύνδεση κατασκευάζεται μέσω της κοινής λογικής και το αποτέλεσμα είναι πέρα από τη φαντασία.
Το μεγάλο μοντέλο είναι μια νέα μεθοδολογία που δίνει στην AI ανθρώπινο νοημοσύνη. Στην πραγματικότητα, το μεγάλο μοντέλο είναι να εισαγάγει το σύστημα ανθρώπινης γνώσης διασταυρούμενου τομέα και πολλαπλών βιομηχανιών στο μαθηματικό μοντέλο του νευρικού δικτύου του εγκεφάλου που μοιάζει με ανθρώπινα, μέσω της υπερ-κλίμακας υπολογιστικής ισχύος και μέσω του υπολογιστικού παραδείγματος, διαθέτει δυνατότητες παραγωγής περιεχομένου και λογικής συλλογιστικής σε πολλούς τομείς.
Η χώρα μας εξακολουθεί να κυνηγάει μια σκηνή
Στον νέο γύρο του διαγωνισμού AI, μπορεί η Κίνα να συνεχίσει γρήγορα; Η οικοδόμηση ενός μεγάλου μοντέλου απαιτεί τουλάχιστον χιλιάδες μάρκες, η μεγάλη υπολογιστική ισχύς απαιτεί διασύνδεση μεταξύ των τσιπ και η διασύνδεση απαιτεί εύρος ζώνης εξαιρετικά υψηλής ταχύτητας. Επί του παρόντος, το μεγάλο μοντέλο της Κίνας στη συνολική ολοκληρωμένη ανάπτυξη δύναμης και καινοτομίας, σε σύγκριση με τις επιχειρήσεις κεφαλής, εξακολουθούν να έχουν μεγάλο κενό.
Τα μεγάλα μοντέλα έχουν επίσης προβλήματα εφαρμογής και κόστους. Επί του παρόντος, το κόστος του τσιπ, ειδικά το κόστος της κατάρτισης και του συμπεράσματος, είναι υψηλό.
Σύμφωνα με αναφορές, τα τσιπ AI μπορούν να χωριστούν σε δύο κατηγορίες: τσιπ εκπαίδευσης και τσιπ λογικής. Για τα μεγάλα μοντέλα και τους αλγόριθμους AI, η εκπαίδευση δεν είναι ο στόχος, η συμπερίληψη και η εφαρμογή είναι ο απώτερος στόχος. Όσον αφορά την κατάρτιση των τσιπ, πολλές επιχειρήσεις στην Κίνα εξακολουθούν να βρίσκονται στο στάδιο της κάλυψης λόγω του περιορισμένου εξοπλισμού και παραγωγής παραγωγής και παραγωγής. Υπάρχουν πολλές ευκαιρίες στον τομέα της συλλογιστικής, λόγω του κατακερματισμού της σκηνής, δεν υπάρχουν διεθνή πρότυπα και μονοπωλιακές επιχειρήσεις.
Η τεχνητή νοημοσύνη είναι μια βιομηχανική επανάσταση και όλοι ανησυχούν πολύ για το πώς η τεχνητή νοημοσύνη μπορεί να συνδυαστεί με τη βιομηχανική ψηφιοποίηση για να επιτευχθεί η εκβιομηχάνιση, η επιχείρηση, η εξειδίκευση και η κάθετη. Παρόλο που χρειάζεται χρόνος για να καλύψει την αρχική καινοτομία, η χώρα μας έχει μεγάλο πληθυσμό, πολλές επιχειρήσεις και πολλές σκηνές, οι οποίες θα παράγουν πολλές ευκαιρίες καινοτομίας.
Η βιομηχανία αναμένεται να προωθήσει μια περίοδο έκρηξης
Η καινοτομία απαιτεί τη δύναμη της οικολογίας, τη δύναμη της περιέργειας. Τα τελευταία δύο χρόνια, υπήρξαν πολλές αναστατωμένες καινοτομίες και θα προκύψουν πιο επιστημονικές και τεχνολογικές καινοτομίες στο μέλλον. Ο όγκος δεδομένων σεναρίων εφαρμογής της Κίνας είναι μεγάλος, αλλά δεν διαθέτει ένα σύνολο βιομηχανικών τυποποιημένων συστήματος και το πλεονέκτημα διαφοροποίησης δεν διαδραματίζεται πραγματικά μέσω τεχνικών εργαλείων. Είναι απαραίτητο να χρησιμοποιηθούν τα πρότυπα της βιομηχανίας και τα τεχνικά πρότυπα για τη μέτρηση των στόχων και των επιπτώσεων του ανοίγματος διαφόρων σεναρίων.
Όταν εμφανίζεται κάθε νέα γενιά τεχνολογίας, οι μεγαλύτεροι δικαιούχοι είναι οι άνθρωποι που είναι πιο ευαίσθητοι στην τεχνολογία και το κλειδί είναι να συνδυάσουν τις ανάγκες της βιομηχανίας με την τεχνολογία για να κάνουν το καλύτερο. Η τεχνητή νοημοσύνη είναι ένα εξαιρετικά αποτελεσματικό εργαλείο παραγωγής που σύντομα θα έχει αντίκτυπο σε χιλιάδες βιομηχανίες.
Στο μέλλον, κάθε άτομο μπορεί να έχει τρία ρομπότ: ένα ρομπότ υπηρεσιών στο σπίτι, ένα ρομπότ εργασίας στο γραφείο και ένα ρομπότ ταξιδιού - ένα αυτοκίνητο χωρίς οδηγό ή ένα χαμηλό υψόμετρο. Αυτά τα τρία ρομπότ μπορούν να οδηγηθούν από μεγάλα μοντέλα ή νέες τεχνολογικές διαδρομές και δυνατότητες AI εξελίχθηκαν από μεγάλα μοντέλα και ελπίζουμε ότι όλοι έχουν μάρκες που αναπτύξαμε ανεξάρτητα. Στο μέλλον, τα ρομπότ θα μας βοηθήσουν να εργαστούμε, να ζούμε και να ταξιδεύουν καλύτερα. Γύρω από την τεχνητή νοημοσύνη, την ψηφιακή οικονομία, τις μάρκες επόμενης γενιάς και τα σενάρια εφαρμογής, ολόκληρη η βιομηχανία αναμένεται να προωθήσει μια εκρηκτική περίοδο στο μέλλον.