Masina sügava õppe revolutsioon
Masina sügavõppe revolutsioon on umbes kolm lainet läbi elanud, millest igaüks on suurem kui viimane. Esimeses laines, 2010. aasta paiku, nägi läbimurdeid kõnetuvastuses, asendades Markovi mudeleid sügava õppimisega, enneolematu tulemustega; Teine laine on 2012. aastal piltide tuvastamise konvolutsioonilise närvivõrgu läbimurre, mis on väljaspool inimeste kujutlusvõimet; Hiljutine kolmas keelemudelite laine, mis on lähedane inimtasandile või isegi sellest kaugemal, on viimase 40–50 -aastase arvutusliku keeleteaduse, looduslike keele töötlemise uuringute ümber tühistanud, on revolutsiooniline tehnoloogiline läbimurre.
Suurte mudelite võti on see, et meetodis on eelneva samm, kus varem masinõpe oli kas inimese suunatud või masinaga valmistatud. Eeltreening on maailma terve mõistuse süsteemi loomine, tuginedes maailma toimimise reeglitele. See seos on konstrueeritud terve mõistuse kaudu ja mõju on kujutlusvõimest väljaspool.
Suur mudel on uus metoodika, mis annab AI inimesesarnasele intelligentsusele. Tegelikult on suur mudel sisend domeeni ja mitme tööstuse teadmiste süsteemi sisestamine inimtaolise aju närvivõrgu matemaatilisse mudelisse ülimahuka arvutusvõimsuse kaudu ning arvutusparadigma kaudu on sellel sisutootmise ja loogiliste mõttekäikude võimalusi paljudes valdkondades.
Meie riik jälitab endiselt lava
Kas AI -võistluse uues voorus saab Hiina kiiresti püsida? Suure mudeli ehitamine nõuab vähemalt tuhandeid kiipe, suur arvutusvõimsus nõuab laastude vahelist ühendamist ja ühendamine nõuab ülikiire ribalaiust. Praegu on Hiina suure ulatusliku tugevuse ja innovatsiooni arendamise mudelil, võrreldes peaettevõtjatega, endiselt suur lõhe.
Suurtel mudelitel on ka rakendus- ja kuluprobleemid. Praegu on kiibi maksumus, eriti koolituse ja järelduste kulud, kõrged.
Aruannete kohaselt võib AI -kiibid jagada kahte kategooriasse: treeningkiibid ja põhjenduskiibid. Suurte mudelite ja AI algoritmide puhul pole koolitus eesmärk, järeldus ja rakendamine on lõppeesmärk. Treeningkiipide osas on paljud Hiina ettevõtted piiratud tootmis- ja tootmisseadmete ja protsesside tõttu endiselt järelejõudmisjärgus. Põhjenduste valdkonnas on palju võimalusi, stseeni killustatuse tõttu puuduvad rahvusvahelised standardid ja monopoolsed ettevõtted.
Tehisintellekt on tööstuslik revolutsioon ja kõik on väga mures selle pärast, kuidas tehisintellekti saab kombineerida tööstusliku digitaliseerimisega, et saavutada industrialiseerimine, ettevõte, spetsialiseerumine ja vertikaalne. Ehkki algse innovatsiooni järele jõudmiseks on vaja aega, on meie riigil suur elanikkond, palju ettevõtteid ja palju stseene, mis annavad palju innovatsioonivõimalusi.
Tööstusharu loodetakse plahvatusperioodil käivitada
Innovatsioon nõuab ökoloogia jõudu, uudishimu jõudu. Viimase kahe aasta jooksul on olnud palju häirivaid uuendusi ning tulevikus ilmnevad teaduslikumad ja tehnoloogilised uuendused. Hiina rakenduse stsenaariumi andmemaht on suur, kuid sellel puudub tööstusharu standardsüsteem ja diferentseerimise eelist ei mängita tegelikult tehniliste tööriistade kaudu. Erinevate stsenaariumide avamise eesmärkide ja mõjude mõõtmiseks on vaja kasutada tööstusstandardeid ja tehnilisi standardeid.
Kui ilmub iga uus põlvkond tehnoloogia, on suurimad kasusaajad inimesed, kes on tehnoloogia suhtes kõige tundlikumad, ja peamine on ühendada tööstuse vajadused tehnoloogiaga parimateks. Tehisintellekt on äärmiselt tõhus tootmisvahend, mis mõjutab peagi tuhandeid tööstusharusid.
Tulevikus võib igal inimesel olla kolm robotit: kodus robot, kontoris töörobot ja reisirobot - juhita auto või madala kõrgusega mehitatud droon. Neid kolme robotit võivad juhtida suured mudelid või uued tehnoloogilised teed ja AI -võimalused, mis on välja töötatud suurtest mudelitest, ja loodame, et neil kõigil on laastud, mille me iseseisvalt arendasime. Tulevikus aitavad robotid meil paremini töötada, elada ja reisida. Tehisintellekti, digitaalmajanduse, järgmise põlvkonna kiipide ja rakenduse stsenaariumide ümber loodetakse kogu tööstus tulevikus plahvatusohtlikul perioodil.