Entrevista con Huang Tiejun: ¿Cómo conecta la inteligencia artificial la tecnología y la industria en la era de los grandes modelos?
La primera reunión del Foro de Boao para Asia, Foro de Seguridad y Desarrollo Económico Global, con el tema "Seguridad Económica y Desarrollo Sostenible bajo Grandes Cambios", se llevará a cabo en Changsha, Hunan, del 65438 de junio al 6 de octubre. 18-20 Su objetivo es explorar cómo abordar los riesgos económicos globales y las cuestiones estructurales, y discutirá temas como la fabricación inteligente y la revolución tecnológica.
Beijing Business Daily de hoy: Los modelos grandes se consideran el núcleo de la nueva generación del ecosistema de inteligencia artificial. ¿Puedes presentarnos brevemente qué es un modelo grande? ¿Qué problemas se resolverán?
Huang Tiejun: El modelo grande es el modelo universal básico que potencia diversas aplicaciones de la inteligencia. En general, es una plataforma básica que aprende el conocimiento y las reglas contenidas en los datos a partir de big data masivos y los condensa en un modelo grande en una red neuronal para proporcionar servicios para diversas tareas inteligentes generales.
Por ejemplo, en Internet móvil, los proveedores de servicios en la nube pueden tener muchas capacidades de servicio, pero sin un operador como la aplicación, es difícil para los usuarios obtener varios servicios en la nube. Desde esta perspectiva, la aplicación en sí es un ecosistema industrial. De hecho, actualmente los modelos grandes necesitan resolver problemas similares.
El modelo a gran escala es un servicio público con fuerte radiación y tecnología. En el futuro, varias industrias tendrán necesidades específicas y algunas empresas necesitarán desarrollar conversiones de modelos a gran escala e interfaces personalizadas.
Beijing Business News Today: ¿Cómo conectarán los modelos grandes la ecología de la tecnología de inteligencia artificial y la ecología industrial? ¿Cuál será la dirección de aplicación de la inteligencia artificial en el próximo campo de la información?
Huang Tiejun: La comprensión y aplicación de la inteligencia artificial en muchas industrias aún se encuentran en la etapa exploratoria y existe una cierta distancia entre las dos. Cómo conectar esta interfaz en realidad requiere un grupo de empresas que puedan transformar las capacidades de modelos grandes en contenido necesario para diversas industrias.
Es difícil predecir la próxima aplicación en el campo de la información. Creo que, en realidad, la redacción, el procesamiento de información y otras tareas serán reemplazadas por la inteligencia artificial, o la mayoría de ellas se resolverán con grandes modelos de inteligencia artificial, lo que traerá grandes posibilidades de aplicación.
Las diversas aplicaciones de los motores de búsqueda son en definitiva la aplicación de organización y minería de información. Por ejemplo, los individuos pueden recopilar datos a través de motores de búsqueda y realizar cierto procesamiento de información, pero ahora los modelos grandes resuelven el problema de la recopilación masiva de datos. Sus datos no son producidos por una sola persona o grupo de personas, sino que recopilan todos los datos, que a su vez sirven para diversas aplicaciones de procesamiento de información de redacción publicitaria. Quizás la salida final siga siendo humana, pero la mayoría de las tareas detrás de ella las completa la inteligencia artificial. Las posibilidades para esta dirección de aplicación son enormes.
Beijing Business Daily Today: ¿Cómo se desarrolló la tecnología de inteligencia artificial en la era de los grandes modelos? ¿Cuáles son las diferencias respecto al pasado?
Huang Tiejun: El desarrollo de la inteligencia artificial en modelos grandes está determinado por las leyes básicas del desarrollo de la tecnología de inteligencia artificial. Hay dos escuelas de pensamiento sobre la inteligencia artificial. Un grupo cree que los mecanismos científicos, las teorías, las matemáticas y los algoritmos detrás de la inteligencia artificial son muy importantes, el otro grupo cree que la inteligencia artificial es una tecnología general que requiere construir un sistema inteligente y luego comprender su mecanismo. Esta última es la visión generalizada de la inteligencia artificial.
En el proceso de construcción de la inteligencia artificial, inicialmente fue trabajo de unos pocos investigadores científicos, y posteriormente poco a poco fueron participando algunas empresas. En el futuro, la industria, la academia, la investigación y toda la sociedad construirán conjuntamente un modelo. ¿Por qué haces esto? De hecho, la razón es muy sencilla. Si los datos aprendidos por un sistema o modelo de inteligencia artificial no son completos y oportunos, es difícil creer que su modelo inteligente sea muy capaz. El llamado gran modelo consiste en integrar diversos recursos de datos, los algoritmos más potentes y la potencia informática de la sociedad en una plataforma pública básica que todos puedan utilizar. Ésta es la dirección inevitable para que construyamos sistemas de inteligencia artificial.
En este proceso, las habilidades de los grandes modelos se fortalecen, lo que a su vez desempeñará un papel en todos los aspectos de la sociedad.
Si funciona, más personas lo construirán y es un efecto iterativo virtuoso.
De hecho, el potencial de la inteligencia artificial depende de los datos que pueda obtener. Al igual que la gente "lee miles de libros y viaja miles de kilómetros", lo mismo ocurre con la inteligencia artificial. El mundo físico e incluso el universo son tan vastos. Si se puede convertir en datos e información y la inteligencia artificial puede aprender, el espacio será muy grande.
No me atrevo a decir si el gran modelo superará a todos, pero al menos nadie ha obtenido toda esta información, y mucho menos ha descubierto las leyes detrás de ella. Cada uno de nuestros cuerpos y ciclos vitales determinan que los datos que podemos obtener sean aún relativamente limitados.
Beijing Business News Today: ¿Qué desafíos aún deben superarse en el desarrollo de modelos a gran escala? ¿Cuál es el camino de desarrollo futuro?
Huang Tiejun: Ya existe un conjunto de tecnologías y algoritmos para entrenar modelos grandes, pero la academia y la industria todavía están buscando y explorando si existen mejores algoritmos. Actualmente, entrenar un modelo inteligente requiere una gran cantidad de emisiones de carbono. En el futuro, entrenar un modelo puede requerir menos emisiones de carbono. Creo que algún día el entrenamiento en inteligencia artificial puede costar menos que el de los humanos, lo cual es otro hito.
Entonces, a medida que la inteligencia artificial entre en contacto con más y más datos, y que el aprendizaje y la capacitación se vuelvan cada vez más eficientes, el resultado será un modelo grande, y puede ser un modelo muy grande en el futuro. futuro. Un modelo enorme que está en constante iteración. El camino ya está claro.
Pero actualmente no existe ninguna base para su límite superior. Por ahora, cuanto más grande, mejor. Es posible que después de la expansión hasta cierto punto, no sea un simple crecimiento lineal, y también es posible que el crecimiento comience a desacelerarse después de la expansión hasta cierto punto, pero esto no deja de ser especulaciones.
Beijing Business Daily Today: ¿Cómo considerar algunas cuestiones éticas y de seguridad durante el desarrollo de modelos grandes? ¿Cómo se puede evitar esto?
Huang Tiejun: Las cuestiones éticas y de seguridad de la inteligencia artificial no se pueden resolver de la noche a la mañana. Por ejemplo, los problemas de seguridad de la información siguen surgiendo con el desarrollo de la información y tenemos que resolverlos una vez que surgen.
En el proceso de desarrollo de modelos grandes, también existen algunos riesgos inherentes, como si el conocimiento aprendido por el modelo no está en línea con la ética y los principios, pero estos riesgos se pueden controlar de antemano; También existen algunos riesgos, que son provocados por el avance continuo de la tecnología, y sus soluciones deben resolverse continuamente a través de medios técnicos. "Hay que desatar la campana y hay que atar la campana". Si esta tecnología no se desarrolla debido a algunos problemas potenciales, va en contra de las leyes del desarrollo tecnológico.