Tänapäeval on tehisintellektist (AGI) saanud keskne märksõna nii teadus- kui ka tööstusringkondades. Veel paar aastat tagasi uskusid paljud, et AGI saavutamine võtab vähemalt 10–50 aastat, või pidasid seda isegi võimatuks. Tänapäeval kohtab nii pessimistlikke seisukohti harva. Võrreldes avalikkuse elevust selle tehnoloogiliste muutuste laine üle, usuvad paljud tehisintellekti valdkonna eesrindlikud teadlased ja tööstuse juhid, et praeguse tehisintellekti arendamiseks AGI-ks on veel pikk tee.
Fudani ülikooli silmapaistva professori, Shanghai tehisintellekti uurimisinstituudi (SAIRI) direktori ja usaldusväärse suure mudelifirma "Infinite Lightyear" asutaja Qi Yuani sõnul on "AGI üks kõrgemaid ilminguid tundmatu avastamine. seadused keerulises maailmas Lihtsamalt öeldes peaks see olema AI Einstein. See nõuab meilt "halli kasti" usaldusväärsete suurte mudelite loomist, mis ühendavad "musta kasti" tõenäosuslikud ennustused "valge kasti" loogilise arutluskäiguga ning edendame seeläbi alusuuringuid, talentide kasvatamist ja praktilisi rakendusi tehnoloogia ja tööstuse sügava integreerimise kaudu uuendusliku ökosüsteemi loomine teadusliku luure jaoks."
Hiljutisel 2024. aasta ülemaailmsel tehisintellekti konverentsil (WAIC) ja tehisintellekti ülemaailmsel kõrgetasemelisel kohtumisel korraldas SAIRI edukalt temaatilise foorumi pealkirjaga "Tehisintellekt: Paradigma muutus teadusuuringutes ja tööstusarengus". See oli selle uue uurimisasutuse esmakordne esinemine WAIC-is. SAIRI-t võib vaadelda mudelina Shanghai innovatsioonipõhise 1+1+N teadusliku luure ökosüsteemi uurimisel. See mudel hõlmab SAIRI-t kui keskset keskust, mis vastutab üldise strateegilise planeerimise, ressursside integreerimise ning võtmetähtsusega tehnoloogiauuringute ja innovatsiooni eest, koostöös teise "1" Fudani ülikooliga ning mitme "N" ülikooliga, teadusasutustega, tehnoloogiaettevõtetega, innovatsioonimeeskondadega, ja investeerimisasutused, et ühiselt edendada teadusuuringuid, talentide kasvatamist, tehnosiiret ning tööstuslikku innovatsiooni ja ajakohastamist.
AGI standardiks peaks olema "AI Einsteini" loomine.
Kas tehnilisest vaatenurgast viivad aina suuremad ja rohkemate parameetritega mudelid AGI-ni? Tänaseks ei ole AI-tehnoloogia enda ega energiatarbimise vaatenurgast piisavad Transformeri autoregressiivsel arhitektuuril põhinevad mudelid AGI-ni viimiseks. AI peab välja töötama uued "halli kasti" usaldusväärsed suured mudelid. See järeldus põhineb Qi Yuani aastatepikkusel praktilisel kogemusel nii akadeemilistes ringkondades kui ka tööstuses.
Kümme aastat tagasi juhtis Qi Yuan AI-kasulikuks muutmise ideega meeskonda, kes suurendas Alibaba põhilist masinõppesüsteemi esimest korda 2 miljonilt parameetrilt mitmesajale miljonile parameetrile, mis saavutas olulise paranemise äritegevuses ja andmete, algoritmide ja tehniliste võimaluste integreeritud teisendamise demonstreerimine. Just see on skaleerimisseaduse ilming, mida tänapäeval tehisintellekti kogukonnas laialdaselt arutatakse.
Qi Yuan meenutab, et meeskond maitses tõepoolest skaleerimisseaduse magusust: pärast mudeli parameetrite sajakordset suurendamist paranes üldefekt dramaatiliselt. "Aga nüüd mõtlen: miks me siis tehisintellekti mudeleid veel suuremaks ei teinud? Miks me lõpetasime, kui oleksime võinud sammu edasi teha?" ütles ta. "Isegi miljarditest parameetritest suurtes mudelites ei piisa, peame liikuma sadade miljardite, triljonite või isegi enama poole. Sel ajal puudus nii akadeemilistel ringkondadel kui ka tööstusel arvutusvõimsus ja isegi tööstussektoris nii kõrge saavutamine arvutusvõimsus nõudis väga suuri kulutusi, rääkimata akadeemilisest ringkonnast."
Põhjus, miks AGI standardiks peaks olema "AI Einsteini" loomine, selgitab Qi Yuan, et see peab olema nii tõhus kui ka intelligentne. Esiteks avastas Einstein mõne võtmeandmepunkti kaudu "20. sajandi alguse füüsika pilved". Samuti peaks AGI suutma avastada ja mõista keerulise maailma tundmatuid seadusi. Praegused suured mudelid seda aga saavutada ei suuda. Näiteks kuigi visuaalne suurmudel SORA simuleerib füüsilist maailma enneolematul määral, konstrueerib see siiski kolmemõõtmelise maailma kahemõõtmelise maailma simulatsiooni põhjal ega ole kaugeltki füüsilise maailma täielikust mõistmisest. Teiseks on küsimus energiatarbimises. Inimese aju töötab umbes 15 vatti, samal ajal kui üks GPU võib haripunkti jõuda mitusada vatti, rääkimata tuhandetest või kümnetest tuhandetest GPU-de klastritest, mida on vaja üldiste suurte mudelite koolitamiseks. Praegu, kui jätkame olemasolevate arhitektuuride kasutamist, oleks vajaminev energiatarve astronoomiline, mis muudab tõhusa ja intelligentse eesmärgi saavutamise keeruliseks.
"AI Einstein" on ka AI for Science (AI4S) peamine eesmärk. Teaduslik intelligentsus on mänginud olulist rolli teadaolevate füüsikaliste võrrandite lahendamise kiirendamisel, kuid see peab ka kombineerima teadaolevaid reegleid andmetega, et vähendada tõsist sõltuvust andmetest ja arvutusvõimsusest, parandada arutluskäigu ja prognoosimise täpsust ning pakkuda välja uusi teaduslikke teooriaid. põhineb andmetega kohandatud teadmiste reeglitel. See on kooskõlas Qi Yuani pikaajalise eesmärgiga Fudani ülikoolis ja SAIRIs – kasutada tehisintellekti keerulise maailma mõistmiseks ja tundmatute seaduste avastamiseks.
"Halli kasti" usaldusväärsed vertikaalse domeeni suured mudelid annavad võimaluse erinevatele tööstusharudele.
Milliseid probleeme tuleb lahendada, et suured mudelid saaksid tehisintellekti tööriistadest uuteks tootmisjõududeks? Qi Yuani sõnul seisab suur mudelitööstus silmitsi paljude ühiste väljakutsetega, mis muudab tehnoloogia, toodete ja turu vajaduste ühtlustamise keeruliseks.
"Tänapäeva suurte mudelite rakendamise suurim probleem on see, et see tundub esmapilgul kasulik, kuid praktilises kasutuses ebaõnnestub," selgitab Qi Yuan. Tänapäeva suured keelemudelid ennustavad peamiselt järgmist sõna mitme eelneva sõna põhjal, kuid see lähenemine ei sobi rangeks mitmeastmeliseks arutlemiseks. "Keel on vahend suhtlemiseks, mitte mõtlemiseks." Hiljuti avaldati kõrgeimas akadeemilises ajakirjas instituut, sealhulgas MITLoodusjuhtis tähelepanu sellele, et keel on võimas vahend kultuuriteadmiste edastamiseks ning see võib olla arenenud koos meie mõtlemis- ja arutlusvõimega, peegeldades inimese tunnetuse keerukust. Kuid keel ei tekita arutluse keerukust.
Olemasolevate suurte mudelite ebausaldusväärsuse, vähese tõlgendatavuse ja kõrgete kulude probleemi lahendamiseks on tõhus lahendus ühendada tõenäosusliku närvivõrgu arutluskäik loogilise sümboolse arvutamisega, mis sarnaneb instinktil põhineva kiire mõtlemise ja loogilisel arutluskäigul põhineva aeglase mõtlemise kombinatsiooniga, mida kirjeldatakse artiklis. Nobeli preemia laureaadi Daniel Kahnemani raamatMõtlemine, kiire ja aeglane. "Seda võib nimetada "halli kasti" suureks mudeliks," usub Qi Yuan. Sümboolse arvutuse kombineerimine närvivõrkudega "halli kasti" usaldusväärses suures mudelis võib vähendada tehisintellekti "hallutsinatsioone" ja lahendada professionaalseid probleeme vertikaalsetes valdkondades, andes seeläbi jõudu erinevatele tööstusharudele ja vabastades suurte mudelite tootlikkuse.
Mis on "halli kasti" usaldusväärne suur mudel? "Algselt peeti süvaõpet "mustaks kastiks". Nüüd, ühendades loogilise arutluse sügava õppimisega, on meil "hall kast", " selgitab Qi Yuan. "Algne "must kast" jättis inimesed teadmatuse protsessist, mille käigus andmed andsid tulemusi, samas kui "halli kasti" suur mudel, mida toetab loogiline arutlus, võimaldab inimestel "teada nii tulemusi kui ka nende taga olevaid põhjuseid". Teisest vaatenurgast võivad "halli kasti" suured mudelid kasutada sügavat õppimist, et vähendada reegleid, mis ei vasta reaalses maailmas vaadeldavatele andmetele."
Qi Yuan väidab, et tehisintellekti mängimiseks keerulistes stsenaariumides erinevates tööstusharudes – olgu siis rahanduses ja kindlustuses, tuuleenergias ja energias või ookeanilaevanduses ja farmaatsiavaldkonnas – on vaja ühendada süstemaatilised teadmised tööstusest, arutlusloogika ja otsustusvõime. -suurte mudelitega mehhanismide valmistamine. "Halli kasti" suur mudel pole mitte ainult AGI suund, vaid ka võimas tööriist vertikaalsetesse väljadesse sügavale tungimiseks ja reaalsete probleemide tõeliseks lahendamiseks. "Tööstuslikust vaatenurgast on see arusaam väga intuitiivne, " illustreerib Qi Yuan. Arstid ei pea saama juristiks ega ka juristid investeerimiseksperdiks. Iga ametialane roll peaks keskenduma oma valdkonnale ja suurendama oma tootlikkuse tööriistu. Tehnilisest vaatenurgast võib öelda, et kui suur mudel õpib üle ebaolulisi ülesandeid, võib see kogeda "katastroofilist unustamist". Näiteks kui Li Bai kulutaks luule kirjutamise asemel kogu oma aja raamatupidamisele, võib tema poeetiline inspiratsioon järk-järgult tuhmuda. "Oleme juba täheldanud, et vertikaalsete domeenide jaoks suurte mudelite koolitamisel, kui mudel õpib liiga palju omavahel mitteseotud funktsioone, võib see häirida oma esialgseid võimalusi. Seetõttu on vertikaalsete domeenide jaoks tõhusate "halli kasti" suurte mudelite väljatöötamine tööstuses väga väärtuslik. rakendamine."
"Usun, et "halli kasti" suured mudelid mängivad üha olulisemat rolli teel AGI poole ja vertikaalsete domeenide valdkondade juurutamisel. Bayesi metodoloogilisest vaatenurgast ühendab see meie teadaolevad teadmised andmetes peituva teabega, et avastada uusi seadusi. ning lahendada teaduslikke ja tööstuslikke probleeme," ütleb Qi Yuan. Tulevikus võiks "AI Einstein" olla ka "AI Buffett".
Innovatsiooniahela ühendamine ja teadusliku luure innovatsiooni ökosüsteemi loomine.
Tänavusel ülemaailmsel tehisintellekti konverentsil tõi Qi Yuani meeskond turule usaldusväärsed finants- ja meditsiinilised sadade miljardite parameetritega suured mudelid. Need vertikaalse domeeni suured mudelid ületasid testimisel OpenAI triljoniparameetrilise mudeli GPT-4 Turbo, juhtides taas tööstuse tähelepanu suurte mudelite rakendamisele.
"Tänased tehisintellekti läbimurded ei ole ajendatud mitte ainult aluspõhimõtete uuendustest, vaid ka tootepõhistest lähenemisviisidest, mis vastavad ühiskonna vajadustele. Ühiskond nõuab lisaks teoreetiliste paberite avaldamisele või ärimudelite uuendustele ka tehnoloogiliste ja tööstuslike uuenduste sügavat integreerimist, mis põhinevad Esimesed põhimõtted Kui need kaks elementi on ühendatud, võime jõuda sinisematesse vetesse,“ ütleb Qi Yuan.
Akadeemilisel ringkonnal ja tööstusel on erinevad missioonid. Akadeemiline ringkond uurib uusi nähtusi, tööstus aga lahendab eelkõige praktilisi probleeme. Kogu maailmas on levinud probleem, et teadusasutused peavad tegelema paljude tehnoloogilise innovatsiooni probleemidega, kuid kui nad jätavad tähelepanuta produktsiooni ja ühiskondlikud vajadused, seisavad nad silmitsi kahe puudusega: tegeliku konkurentsisurve puudumine, mis takistab uuenduslike tehnoloogiate täiustamist, ja tõhusate tehnoloogiate puudumine. turutagasiside tehnoloogiauuringute suunamiseks.
Selleks on Qi Yuan pikka aega püüdnud ühendada innovatsiooniahelat "ülikoolid-teadusinstituudid-idufirmad", et luua hea innovatsiooni ökosüsteem, mis arvestab nii põhitehnoloogia kui ka turuvajadustega. Toote suund peaks juhinduma turunõudlusest ja stsenaariumidest, luues põhilise innovatsiooni kaudu toote põhilise konkurentsivõime.
Aastal 2023 asutatud SAIRI on pühendunud originaalsetele AI for Science uuendustele, mis ühendavad teadmised ja andmed. Hiljuti tõi SAIRI turule Fuxi suurte meteoroloogiliste mudelite seeria 2.0 uute energia-, kindlustus- ja linnahaldusrakenduste jaoks ning algatas Smart Meteorological Innovation Ecosystem Alliance'i. Selle liidu eesmärk on järk-järgult edendada Fuxi seeria meteoroloogiliste suurte mudelite 2.0 tööstuslikku rakendamist. "Halli kasti" usaldusväärsed suured mudelid edenevad ka toodete juurutamisel, kuna Qi Yuani asutatud usaldusväärne suur mudeliettevõte Infinite Lightyear on juba loodud.
Teadusteabe innovatsiooni ökosüsteemi edasiseks edendamiseks korraldavad SAIRI ja Fudani ülikool ühiselt teist ülemaailmset teadusliku luurevõistlust, mida juhivad mitmed osakonnad, sealhulgas Shanghai teadus- ja tehnoloogiakomitee, Shanghai arengu- ja reformikomisjon, Shanghai majandus- ja infotehnoloogiakomitee, ja Shanghai hariduskomitee on käivitatud. Võistlus pakub miljoneid auhindu, et värvata ülemaailmseid osalejaid, et uurida teadusliku luure eesrindlikke valdkondi. Lisaks on SAIRI välja töötanud multimodaalseid teadusandmeid hõlmava teadusliku andmeplatvormi, mis toetab kogu ahelat andmete kogumisest ja töötlemisest kuni haldamise ja modelleerimiseni, tagades tõhusa andmetöötluse, usaldusväärsuse ja turvalise suhtluse. Selle platvormi alusel on SAIRI ja tema partnerid loonud mitmeid kvaliteetseid teadusandmekogumeid bioteaduste, materjaliteaduste, atmosfääriteaduste ja muude valdkondade jaoks, pakkudes väärtuslikke ressursse teadusliku luureuuringute jaoks. Lisaks on SAIRI algatanud ülemaailmse teadusandmete ökosüsteemide liidu, mille esimeste liikmete hulka kuuluvad China Telecom Corporation, COSCO Shipping Insurance Captive, Shanghai Lingang New Area piiriülene andmetehnoloogia ja rohkem kui kümme muud üksust. Alliansi eesmärk on valitsuse, ettevõtete, ülikoolide ja teadusasutuste vahelise koostöö kaudu luua globaalne, mitut valdkonda hõlmav teadusuuringute suurandmete ressursside avatud ja jagamise platvorm.
"Olgu see teadusuuringutes või tööstuses, ei tohiks me uuenduste nimel uuendusi teha. Loodame luua tulevasi AGI-d ja rakendusi, mis lahendavad reaalseid probleeme," ütleb Qi Yuan.




