Jahresendinterview: Entwicklung und Transformation der Technologie und Industrie der künstlichen Intelligenz

​Gäste |. Tan Zhongyi, Zhu Shihu

Zusammenstellung |. Durch die enorme Entwicklung und den großen Fortschritt ist eine große Anzahl innovativer Technologien vom Konzept in die Praxis übergegangen. Zu Beginn des Jahres bescherten uns die KI-gesteuerten Olympischen Winterspiele ein völlig neues Seherlebnis. Mitte des Jahres wechselte die KI-Malerei von der Illusion zur Realität und gewann am Ende des Jahres mehrere Wettbewerbspreise von ChatGPT wird das ganze Jahr erneut seinen Höhepunkt erreichen...

Ob es die Durchbrüche in der zugrunde liegenden Technologie oder das sukzessive Aufblühen verschiedener Anwendungen sind, im vergangenen Jahr hat uns die künstliche Intelligenz ihre Unendlichkeit gezeigt Möglichkeiten. Um ein umfassenderes Verständnis des aktuellen Entwicklungsstands und zukünftiger Trends im Bereich der künstlichen Intelligenz zu erlangen, hat das 51CTO Content Center speziell zwei hochrangige Experten der Branche eingeladen, Tan Zhongyi, Architekt des Vierten Paradigmas, und Zhu Shihu, Stellvertreter General Manager der Informationstechnologieabteilung von Everbright Trust, um die Fragen im Zusammenhang mit künstlicher Intelligenz zu diskutieren. Fünf Themen zu intelligenter Technologie und Industrie. Ich hoffe, von ihnen weitere Antworten zu erhalten.

1. Schlüsselwörter im Bereich Künstliche Intelligenz im Jahr 2022

Tan Zhongyi: Das heißeste Schlüsselwort im Jahr 2022 auf technischer Ebene ist zweifellos „AIGC“, und auf industrieller Ebene sollte es meiner Meinung nach „KI-Engineering“ sein MLOps. Denn heutzutage widmen Technologiemedien, Produkte und Risikokapitalbereiche der KI-Technik im In- und Ausland sehr große Aufmerksamkeit. Das Kernkonzept von AI Engineering und MLOps besteht darin, maschinelles Lernen schneller in großem Maßstab im Unternehmen umzusetzen. Dies stand im vergangenen Jahr auch im Fokus der mit künstlicher Intelligenz verbundenen Branchen.

Zhu Shihu: Aus politischer Sicht leitete die Regierung die nationale Strategie für Datenelemente im Jahr 2022 und schlug vor, dass Datenelemente eine Schlüsselkraft bei der Neuorganisation globaler Ressourcen, der Neugestaltung der globalen Wirtschaftsstruktur und der Veränderung der Wettbewerbslandschaft sind. Derzeit werden Chinas zugrunde liegende IT-Standards, Architektur, Produkte und Ökologie größtenteils von ausländischen Technologieherstellern bestimmt. Daher gibt es viele zugrunde liegende Technologie-, Informationssicherheits- und andere Probleme. Da sich das globale IT-Ökosystem in der Vergangenheit von einer einzelnen Ebene hin zu einer mehrstufigen Richtung in der Zukunft entwickelt, müssen wir daher unser eigenes IT-Grundgerüst aufbauen. Daher glaube ich, dass im Zusammenhang mit Xinchuang das Schlüsselwort für künstliche Intelligenz und sogar die gesamte Technologiebranche im Jahr 2022 „Technologie hat nationale Grenzen“ lauten sollte.

2. Aktueller Stand der technologischen Entwicklung und Anwendung im Bereich modernster künstlicher Intelligenz

Tan Zhongyi: Auf der Anwendungsebene, im Bereich KI-Engineering, hat 4Paradigm eine große Anzahl selbst entwickelter Technologien entwickelt Im vergangenen Jahr für die Außenwelt verfügbar, einschließlich der Linie OpenMLDB, einer Feature-Plattform auf Produktionsebene mit Online- und Offline-Konsistenz, kann Echtzeitvorhersage, Risikokontrolle und Szenarioempfehlung in Unternehmen mit schneller Entwicklung realisieren und die Probleme der Timing-Features lösen , effizientes Lesen und Online- und Offline-Konsistenz. Da Open Source seit mehr als einem Jahr offen ist, haben wir eine gute Zusammenarbeit mit dem vor- und nachgelagerten Open-Source-Technologie-Ökosystem aufgebaut und gute Ergebnisse erzielt.

Auf technischer Ebene hat 4Paradigm immer auf eine tiefgreifende Entwicklung der KI bestanden. In dieser Phase konzentriert es sich hauptsächlich auf die Implementierung von zwei Arten von KI im Unternehmen. Eine davon ist die Implementierung wahrnehmungsbezogener KI wie CV und NLP. Das andere ist die Implementierung von Entscheidungs-KI, um Strategien für Unternehmen zu formulieren, wie z. B. Risikokontrolle, Empfehlungen, Vorhersagen und andere Szenarien, die eng mit dem Unternehmensbetrieb verbunden sind. In diesem Prozess gibt es zwei wichtige Punkte: Zum einen geht es darum, das Modell schnell und in hoher Qualität online zu bringen. Zum anderen muss das Modell kontinuierlich geschult, Feedback gegeben und angepasst werden.

Für Unternehmen mit vielen KI-Szenarien kann in diesem Fall ein Unternehmen große Vorteile generieren, den Übergang von quantitativen zu qualitativen Veränderungen realisieren und es dem Unternehmen ermöglichen, sich von einem traditionellen Datenunternehmen zu einem KI-Unternehmen zu entwickeln. , um das Ziel zu erreichen, die Kernwettbewerbsfähigkeit durch KI zu verbessern.

Zhu Shihu: Die Anwendung der Technologie der künstlichen Intelligenz in der Finanzbranche ist in den letzten Jahren relativ ausgereift. Das Wichtigste, was wir im vergangenen Jahr und in den nächsten Jahren getan haben, besteht darin, das Finanzgeschäft zu nutzen, um die Entwicklung der Finanztechnologie voranzutreiben . Wenn Banken beispielsweise im Bereich Verbraucherfinanzierung Zugangsmodelle für Verbraucherfinanzierungen entwickeln, ist die erste Generation ein regelgesteuertes Modell, die zweite Generation ein regel- und datengesteuertes Modell und die dritte Generation ist ein Big Data-Modell -getriebenes Modell.

Ein Kernproblem, das intelligente Algorithmen in diesem Stadium lösen müssen, sind unzureichende Stichproben. Im eigentlichen Prozess der intelligenten Risikokontrolle habe ich eine Reihe von Handbüchern zusammengefasst. Wenn beispielsweise die Dimensionen der Daten nicht ausreichen, besteht die erste Möglichkeit darin, die Dimension mithilfe der neuen Feature-Kombinationsmethode AutoCross zu erhöhen. Die zweite Möglichkeit besteht darin, Transferlernen zu verwenden, wenn nicht genügend Stichproben vorhanden sind. Wenn die Kosten für die Kennzeichnung von Proben hoch sind und viele Proben nicht gekennzeichnet sind, kann die Methode des aktiven Lernens verwendet werden. Wenn die Fehlerrate bei der Probenbeschriftung relativ hoch ist, wenn beispielsweise einige externe Daten vorhanden sind und die Fehlerrate bei der Datenbeschriftung relativ hoch ist, müssen wir den Confident-Learning-Algorithmus verwenden. Wenn nur sehr wenige Beispieletiketten vorhanden sind, beispielsweise zur Verhinderung von Transaktionsbetrug, können Sie einen halbüberwachten Lernalgorithmus verwenden. Dies ist auch ein relativ ausgereifter Reaktionsplan, der in den letzten ein oder zwei Jahren zusammengefasst wurde.

3. Die Entwicklungsrichtung des Marktumfelds der vor- und nachgelagerten Künstliche-Intelligenz-Branche

Tan Zhongyi: Technologieunternehmen, die sich in Zukunft mit KI-Anwendungen befassen, können in drei Typen unterteilt werden. Das erste sind Unternehmen, die über die Ressourcen verfügen, um große Modelle zu erstellen, wie z. B. riesige Datenmengen und enorme Rechenleistung; Unternehmen mit Top-Wissenschaftlern in der Branche können große Modelle mit hoher Genauigkeit und guter Universalität erstellen, wie z. B. AutoAI, sie können externe Dienste bereitstellen Form einer API.

Die zweite Kategorie sind Unternehmen mit umfangreichen Szenarien. Beispielsweise kann AIGC an verschiedenen Orten eingesetzt werden, an denen Inhalte für die Erstellung verschiedener Anwendungen benötigt werden.

Die dritte Kategorie liegt zwischen den beiden und bietet mehr Tools, um die beiden besser miteinander zu verbinden, z. B. die Gewährleistung der Genauigkeit von Daten, die Gewährleistung der Stabilität und Überwachung von Online-Diensten sowie Modellversionen und Beta-Geschäfte.

Aus Branchensicht konzentriert sich die aktuelle Implementierung von KI in China hauptsächlich auf Branchen, die mit der intelligenten Transformation von Unternehmen zu tun haben. Die beliebteste Branche ist derzeit die Finanzbranche, die über Szenarien und Geld verfügt. Es ist eine Branche, um die fast jedes KI-Technologieunternehmen konkurrieren muss.

Die zweite vielversprechende Option ist neuer Konsum und neuer Einzelhandel. Im aktuellen Zustand des neuen Konsums und des neuen Einzelhandels bringen viele Unternehmen und viele Branchen ständig neue Produkte auf den Markt, und zwar über viele neue Medien und neue Kanäle Es gibt viele, viele Anforderungen an KI in der Lieferkette.

Die dritte Kategorie sind einige Fertigungsindustrien. Derzeit liegt der Schwerpunkt noch auf den traditionellen CV-Bereichen wie Sicherheitsinspektionen, sichere Produktion und Fehlererkennung ist noch nicht an dem Punkt angelangt, an dem es vollständig geändert werden kann. Wenn das Arbeitsmodell der Branche vollständig gestört ist, kann es mehrere Jahre dauern.

Zhu Shihu: Anhand der beruflichen Veränderungen eines KI-Praktikers können wir die sich ändernden Trends in der Branche der künstlichen Intelligenz leicht verstehen. Um ein persönliches Beispiel zu nennen: Ich habe zuerst in der Algorithmenbranche für künstliche Intelligenz gearbeitet, dann von Algorithmen zu Technologie, dann von Technologie zu Daten und jetzt von Daten zu Unternehmen. Darin liegt tatsächlich eine sehr tiefgreifende Logik.

Als ich das Modell zum ersten Mal erstellte, stellte ich fest, dass das Modell nur in das Risikomanagement des Unternehmens eingebettet werden kann, wenn es keine Technologie gibt, die es trägt, und nicht Das Modell muss in das spezifische Unternehmen eingebettet sein. Nur wenn man im Technologiesystem arbeitet, kann man in bestimmte Unternehmen eintauchen, also bin ich von der Modellierung zur Technologie übergegangen.

Nachdem ich in der Technologie gearbeitet hatte, entdeckte ich das zweite Problem: Bei Modellen und Algorithmen ist der Beitrag von Daten zum Modell weitaus größer als der Beitrag des Algorithmus zum Modell. Nachdem ich die Bedeutung von Daten erkannt hatte, Ich wechselte zu „Und nutze Technologie, um Daten zu erstellen“. Nachdem wir die Daten fertiggestellt hatten, wandten wir uns dem Geschäft zu. Dabei gibt es zwei Logiken. Erstens basiert das Modell auf Daten, die Daten basieren auf Statistiken, die Statistiken basieren auf Kaliber und das Kaliber wird von der Geschäftsabteilung bestimmt. Wenn Fachabteilungen jedoch Geschäftsgrundsätze formulieren, verwischen sie die Geschäftsgrundsätze oft strategisch aus den Geschäftsanforderungen. Zweitens wird die digitale Transformation in den meisten Branchen im Wesentlichen von der Wirtschaft vorangetrieben, und das Gleiche gilt auch für die industrielle Entwicklung.

4. Der Entwicklungspfad und mögliche Implementierungsszenarien der generativen KI

Tan Zhongyi: Generative KI hat in der Branche in letzter Zeit große Aufmerksamkeit erhalten, was in der Tat eine gute Sache ist. In den letzten zwei Jahren waren im Bereich der KI relativ wenige neue Szenarien für große Modelle vorhanden. Der Grund, warum ChatGPT jetzt für alle erfrischend ist, liegt darin, dass es den Benutzern wirklich das Gefühl gibt, dass es viele Probleme gelöst hat, die zuvor nicht durch mehrere Dialogrunden gelöst werden konnten, und dass es auch große Modelle verwendet hat, um einige praktischere Antworten zu generieren, die allen gegeben werden mehr Informationen. Der Markt braucht immer technologische Hotspots. Die Existenz technologischer Hotspots kann das Vertrauen der Kapitalisten aufrechterhalten, und das Vertrauen der Kapitalisten kann sie dazu bringen, Geld auszugeben, um diese Technologien schneller umzusetzen.

Für die Kommerzialisierung generativer KI kann es drei Arten geben. Der erste Grund ist, dass OpenAI, das über Geld, Leute und Algorithmen verfügt, über die API genügend Einnahmen generieren kann. Beispielsweise haben AutoCAD, ein Unternehmen, dessen Photoshop inzwischen einige Funktionen von AIGC integriert hat, und mehrere andere AIGC-Unternehmen ebenfalls einen Umsatz in zweistelliger Millionenhöhe erwirtschaftet. Das können nur wenige Unternehmen, die große Modelle herstellen.

Die zweite Kategorie besteht darin, die Fähigkeiten von AIGC mit Geschäftsszenarien zu kombinieren und dann über Themen wie Kosten, Effizienz usw. nachzudenken, was viel Design erfordert Starre Bedürfnisse, Gewinne und Förderung. Nur wenn in allen drei Aspekten Fortschritte erzielt werden können, kann ein gutes Modell entstehen.

Der dritte Modelltyp wurde kürzlich auch vom CEO von OpenAI erwähnt. Zwischen den beiden gibt es einen Technologieanbieter, der Finetune für normale und universelle große Modelle durchführen kann Szenario und anschließende Feinabstimmung des großen Modells für dieses spezifische Geschäftsszenario können auch eine kommerzielle Implementierung erreichen.

Um auf das Wesentliche zurückzukommen: Wir müssen immer noch das Geschäft oder die tatsächlichen Probleme der Benutzer lösen, und dies erfordert ständige Erkundung und Experimente. Ich freue mich sehr über die Popularität von AIGC, die allen mehr Vertrauen in die Sache der KI gibt und es mehr Risikokapital ermöglicht, Geld zu investieren. Ich denke, das ist alles eine gute Sache.

Zhu Shihu: Am Beispiel von OpenAIs ChatGPT ist das Attraktivste daran, dass man jedes Mal, wenn man damit kommuniziert, andere Inhalte erhält. Das ist auch das Interessanteste daran. Aus Anwendungssicht besteht hier jedoch ein sehr ernstes Problem. Wenn der Benutzer jedes Mal dieselbe Variable in das System eingibt, sind die zurückgegebenen Variablen unkontrollierbar, was bedeutet, dass es für die KI schwierig ist, die Verantwortung zu übernehmen.

In der Vergangenheit und heute hat der intelligente Kundenservice, den wir nutzen, den Benutzern das Gefühl gegeben, sehr dumm zu sein, und sein Korpus ist voreingestellt. Doch genau diese Art von „Albernheit“ bringt viele Branchen dazu, sich an intelligenten Kundenservice zu wagen, denn jede Information, die er an die Nutzer zurückmeldet, unterliegt der Kontrolle und jedes Wort, das er sagt, liegt in der Verantwortung des Unternehmens. Doch wenn intelligenter Kundenservice nicht kontrollierbar ist, werden in der Praxis viele Probleme auftreten. Wenn beispielsweise ein föderiertes Lernunternehmen einen föderierten Lernalgorithmus empfiehlt, stellt es vor, was dieser Algorithmus leisten kann. In vielen Branchen liegt der Schwerpunkt jedoch darauf, dass ich meine Daten föderiert habe und der Umfang meiner Datennutzung sicher ist Um kontrolliert zu werden, muss es bestimmte Dinge nicht tun können. Ich konzentriere mich darauf, was es nicht tun kann.

Ebenso mache ich mir bei ChatGPT Sorgen, dass Ihre Aussage innerhalb des Bereichs liegen muss, den wir ertragen können, Ihre Aussage muss unter unserer Kontrolle sein und Sie dürfen keine eigenen skurrilen und abweichenden Ideen umsetzen. Aber technisch gesehen gelingt uns das leider immer noch nicht. Eine zu flexible und zu intelligente KI kann viele Dinge tun, die wir uns nicht vorstellen können, und kann die Konsequenzen nicht ertragen. Das ist der Unterschied zwischen Technologie und Industrie.

Generative KI kann uns in dieser Phase zwar bei der kreativen Arbeit helfen, aber das Geschäftsmodell ist derzeit noch nicht vollständig unklar durchlaufen. Bei Arbeiten, die eine höhere Genauigkeit erfordern, hat die generative KI noch einen langen Weg vor sich.

5. Der zukünftige Trend der Integration von künstlicher Intelligenz und Industrie

Tan Zhongyi: KI ist ein Algorithmus, und seine Integration in verschiedene Unternehmen ist unvermeidlich, insbesondere da jedes Unternehmen eine Digitalisierung und intelligente Transformation durchläuft Unternehmen + verschiedene Szenarien, also KI + alles, hat einen immer schnelleren Trend gezeigt.

Ich persönlich denke, dass autonomes Fahren eine Anwendung sein wird, die KI integriert. Es ist eine Anwendung, die das Reisen der Menschen erheblich erleichtern kann , Verschiedene Algorithmen können eine sehr gute Rolle spielen, und gleichzeitig werden diese Art von Regeln und Vorschriften verbessert, die in den nächsten fünf Jahren in großer Zahl auf den Markt kommen und wahrscheinlich jeden auffrischen werden L4 oder sogar autonomes Fahren auf L5-Niveau.

Zhu Shihu: In den nächsten fünf Jahren wird der automatisierte Handel mit Wertpapieren und Aktien ausgereifter werden und sogar den Menschen ersetzen. Es ist ein ganz offensichtlicher Trend, dass Maschinen in diesem Bereich Menschen ersetzen. Bemerkenswert ist, dass die bisherigen Algorithmen, die auf der Aktienkursfaktorbibliothek basieren, nach und nach aufgegeben werden. Das größte Problem, mit dem KI im Bereich des automatisierten Handels in Zukunft konfrontiert sein wird, wird nicht mehr darin bestehen, dass sich die Aktienkurse ändern, sondern dass AI1 und AI2 zu Kontrahenten werden und es zu einer Musterkonfrontation zwischen beiden kommt.

Das heißt, erfahren Sie, wie Ihr Gegner mit dieser Aktie umgeht. Wenn die KI-Simulation fast gleich ist, kann der Benutzer Geld verdienen. Daher werden KI-Algorithmen in Zukunft 90 % oder sogar 99 % der Menschen im Bereich des automatisierten Handels ersetzen, und die Algorithmen für den automatisierten Handel werden in Zukunft nicht mehr die häufig verwendeten faktorbibliotheksbasierten Modelle sein, sondern eine Satz von Theorien, die auf der Konfrontation mit spieltheoretischen Modellen basieren. Der Mensch muss lediglich Ziele und Strategien auswählen und den Rest der KI überlassen.

Das obige ist der detaillierte Inhalt vonJahresendinterview: Entwicklung und Transformation der Technologie und Industrie der künstlichen Intelligenz. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!