産業用 AI も「ChatGPT モーメント」の到来をもたらします

ChatGPT の出現は、ここ数年で徐々に工業化のボトルネックに達したと考えられてきた AI 業界が依然として最も革新的な肥沃な土壌であり、大きなチャンスを秘めていることを示しているのかもしれません。

シングルモーダル GPT-3 に基づく ChatGPT の「地震」の余波は収まらず、マルチモーダル GPT-4 の「津波」が友人たちの輪を瞬時に押し広げました。

「人工知能の予測は非常に難しいということを思い出させてくれます。」 OpenAI CEO のサム アルトマンは、DALL-E 2 のリリース後にこう言いました。彼は正しかったことが判明した。象徴主義に基づくエキスパートシステムの衰退により、人工知能は終焉を迎えたと思われていましたが、2012 年のディープラーニングが再び希望を呼び起こし、現在では AI の分野を席巻しています。システムが大きくなるにつれて、トレーニング時間と資本コストは膨張し続けます。モデルにパラメーターを追加すると限界利益が減少するのではないかと誰もが心配していたとき、GPT-3 と GPT-4 は、より大規模で複雑な深層学習システムが実際にさらに驚くべき機能をリリースできること、そして ChatGPT の誕生を世界に次々と伝えました。さらに言えば、人々は「破壊的な」アプリケーション結果を見ることができます (GPT4 パラメータの数が 100 兆であるとさえフェイクニュースが主張しています)。

ChatGPT の登場は、ここ数年で徐々に産業化のボトルネックに達したと考えられてきた AI 業界が、依然として最も限界に達していることを示しているのかもしれません。革新的な肥沃な土地であり、大きなチャンスが含まれています。新しい生産性が形になり始めると、製造業に代表される産業は、より深い AI の変化をもたらし、業界の「ChatGPT の瞬間」を迎える可能性があります。このプロセスでは、技術トレンドに沿ったテクノロジー企業も、最初に、サークルから抜け出す。

1. 普遍性の勝利

これまでのところ、AI 分野を支配しているモデルは依然としてタスク固有のものです。 AI 企業によって開発されたモデルは、特定の範囲内では良好に機能しましたが、エンジニアは、その一般化機能が、より広範囲のシナリオへの展開をサポートするには不十分であることに気づきました。業界関係者の言葉によれば、多くのモデルがトレーニングされていますが、さらに多くのモデルがまだ必要とされています。

このボトルネックは、高度に細分化された工業製造の分野ではほぼ N 倍に拡大しています。工業生産には多くの細分化された分野があるため、各分野では生産工程、技術、生産ラインの構成、原材料、製品の種類などに大きな違いがあります。リチウム電池の生産は十数の工程に分かれ、数千の工程ポイントがあり、生産ラインには少なくとも2,500の重要な品質管理ポイントがあり、液晶パネルの生産は数百の工程があり、パネルの種類は120にも及ぶ携帯電話には数百のサプライヤーが関与する数百の部品があり、各部品にはテストすべき数十の欠陥がある場合があります。

既存の深層学習モデルは汎用性が低く、同じ業界内であってもモデルの再利用率が比較的低いです。たとえば、世界をリードする携帯電話ブランドのスマート生産ライン全体にサービスを提供したい場合は、数十万のアルゴリズム モデルを作成する必要がある場合があります (その後のソフトウェアとハ​​ードウェアの反復アップグレードを除く)。

現在、このやっかいな問題は、ChatGPT の背後にある基本モデル (大きなモデル) の典型的なシナリオになっています。

2022 年、Google、スタンフォード大学、ノースカロライナ大学チャペルヒル校、DeepMind などの機関からの研究論文 [1] では、大規模モデルの「創発能力」が紹介されました。小さなモデルには存在しないが、より大きなモデルには存在しており、モデルのこの能力は新たに出現したものであると彼らは主張しています。この能力は現在主に言語モデルに反映されていますが、視覚モデルやマルチモーダル モデルに関する将来の研究にも影響を与えます。

スタンフォード大学の人間中心人工知能 (HAI) センターの基本モデル研究センター (CRFM) によると、「これ (大規模モデル) は、AI システムを構築するための新しく成功したパラダイムを表しています」大量のデータ、モデルをトレーニングし、それを複数のアプリケーションに適応させます。」[2]。

この種の一般的な機能は、まさに工業生産に必要なものです。工業生産現場はさまざまなシナリオに直面しており、高度に細分化された需要の中で、安定した技術体系を通じて普遍的な技術力をいかに創出するかは、ここで才能を発揮しようとするテクノロジー企業にとって最大の課題となっています。

Simou Technology の創設者である Jia Jiaya 氏は、会社設立当初に AI 2.0 の概念について言及しましたが、AI 1.0 を広く採用している現在の AI 企業と異なる核心的な点の 1 つは、AI 1.0 を重視していることです。汎用性について。 Jia Jiaya 氏は、「私たちは新世代の AI システム アーキテクチャを構築し、統一されたアーキテクチャを使用して、他の人が以前に単一のシナリオで行っていたことを解決し、それをさまざまなシナリオで普遍的にしたいと考えています。」と述べました。 「ボトムアップから。アルゴリズムは標準化された手段を使用して、分散した産業シナリオを解決し、複製可能性や標準化などの重要な問題を克服します。」

SMore ViMo Industrial Platform は、Simou Technology の最も人気のある製品であり、ユニバーサル プラットフォームの典型的な例です。デザイン思考 たとえば、これは産業シナリオ向けに構築された初の業界横断的な中央プラットフォームであり、マルチシナリオの汎用性を備えています。新エネルギー、半導体、自動車、家電など複数の業界における1,000以上の細分化されたアプリケーションシナリオのニーズを満たすだけでなく、マテリアルトラッキング、生産ラインにおける欠陥箇所やワークの個数計測、外観欠陥検出など

SMore ViMo インテリジェント産業プラットフォームのシステム アーキテクチャ。

このパスの重要な特徴は、俊敏性、パーソナライゼーション、および低い限界費用の間の比較的良好なバランスであることです。 SMore ViMo プラットフォームの助けにより、SMore Technology はすでに同業界のさまざまな業界の数百のプロジェクトを同時にサポートできますが、将来的には 10 倍に拡張して数千のプロジェクトを同時にサポートし、効率性をもたらすことが期待されていますAI 産業アプリケーションへのブレークスルー。

Simou は、インテリジェント製造の効率を大幅に向上させるために大規模な産業シナリオで Transformer テクノロジーを初めて使用した後、再び大規模モデルを初めて採用しました。 Simou チームは、産業分野で大規模モデルの創発能力の研究と産業化を行った最初のチームであり、その産業大規模モデルは、コンテキスト学習に少数の欠陥サンプルを使用するため、基本モデルは迅速に適応できます。特定の産業シナリオと特定のタスクの完了。

一部の業界関係者の見解では、ChatGPT の成功とその背後にあるより汎用性の高いテクノロジによって、AI アプリケーションは新たな段階に押し上げられるでしょう。工業製造業に代表されるあらゆる分野の中で、過去にこの業界に根付き、この傾向を受け入れ、データとテクノロジーのクローズドループ実装を完了した企業は、より多くの利点を持ち、将来の爆発的な成長においてより有利になるでしょう。アプリケーション。

2. AI の包括的な開発を加速する

工業製造の分野でも、異なる「言語」の間には大きなギャップがあります。業界関係者によると、製造業は多くのデータを蓄積しているが、製造技術者（機械技術者や材料技術者など）がこのデータを活用するプログラムを書くことはまだほとんどなく、AI開発者も産業上の問題を理解するという課題に直面しているという。テクノロジーの導入が大幅に制限されます。

Simou Technology のアルゴリズム エンジニアは、RLHF (Reinforcement Learning from Human Feedback、人間のフィードバックに基づく強化学習) など、ChatGPT の背後にあるテクノロジーにより、既存の作業をさらに進めることができることがわかると述べました。

RLHF は、人間のフィードバックを大規模モデルのトレーニング プロセスに組み込む強化学習の拡張であり、人間が別の専門家から学習するのと同じように、機械に自然で人道的な対話型学習プロセスを提供します。専門知識を学ぶのと同じ方法です。 。 RLHF は、AI と人間の間に架け橋を構築することで、AI が人間の経験を迅速に習得できるようにします。

彼らは、産業用 AI が将来、アクティブ ラーニング AIaaS (AI As a Service、サービスとしての人工知能) プラットフォームを生み出す可能性があると述べており、アルゴリズム エンジニアとアノテーション専門家の協力を通じて、RLHF テクノロジーは大規模なモデルと人間の知識を利用して AI が産業上の問題を理解し、特定の産業タスクの要件を満たすことができるため、プログラミングができない産業専門家でも AI モデルをトレーニングできるようになります。

現在、Simou Technology はすでに RLHF と産業を組み合わせたアプリケーション シナリオを検討しています。

さらに、ChatGPT の単純な対話モードは、工業製造における AI の実装戦略と非常によく似ています。産業分野のシナリオは複雑であり、優れた製品にはシンプルで使いやすいことが求められます。たとえば、簡潔なインタラクションとワンクリック導入ソリューションにより、配信プロセス中のトレーニング コストと学習負担を軽減できます。

多くのプログラマは、ChatGPT は壮大なバベルの塔を再構築するのと同じだと言います。コンピュータとの通信は、もはやプログラマの独占的な権限ではありません。すでにいくつかの要件を理解し、単純なコード ソリューションを作成できます。しかし今では、近い将来、製造分野の実務者も AI プラットフォーム上で自己プログラミングを実装し、生産ラインのニーズに基づいたモデルを開発できるようになると予測できます。これは、製造業における AI 人材不足の解決にも役立ちます。

「コンピュータ システムが産業実装におけるいくつかの大きな問題を突破し、自動アルゴリズムの組み合わせと展開を実現でき、人間が少量のカスタマイズされたアルゴリズム設計に参加するだけで済む場合にのみ、クロスドメインの大規模なAI の大規模な産業化は実現するでしょうか? 可能性はあります」と Jiajiaya 氏はかつて言いました。

実際、Simou Technology は、非常に早い段階から、迅速なテクノロジーの反復を実現できる開発プラットフォームの構築を構想していました。イメージをアップロードするだけで、自動的に欠陥をマークし、製品レベルのモデルまたは SDK を取得できます。 -クリック テスト: プロジェクトに多額の投資が費やされるアルゴリズムのコストを削減します。

プロジェクトを繰り返すうちに、Simou Technology はより成熟した業界ソリューションと実践的な経験を徐々に自社製品に統合し、その後、顧客が Simou Technology 従業員の助けを借りずに自分でできるようにする完全な製品タイプを発売しました。経験と使用により、製品の最も初期の商業用途が形成されました。

テクノロジーの進歩に伴い、それが消費者向けであれ、工業生産などの産業向けであれ、より包括的なテクノロジーの応用が見られ、それが大きなチャンスをもたらしています。

3. ChatGPT は単なる出発点です

過去 10 年間、AI テクノロジーの商用化には多くの人が疑問を抱いてきました。今回、ChatGTP の背後にある技術的進歩は革命の到来を告げており、AI が真に普遍的な生産性インフラストラクチャーになる可能性があります。

「GPT (Generative Pre-Trained Transformer) は、general-Purpose technology (汎用技術) の略語であることもあります」、「The Economist」の記事では、「画期的なイノベーションは蒸気エンジンのようなものになり得る」と書かれています。 、電気、コンピューターの普及により、あらゆる分野で生産性が向上しました。」[3]。

1980 年代に始まったパーソナル コンピューター革命は、1990 年代後半にこれらのマシンがより安価でより強力になり、インターネットに接続されるようになり、生産性を実際に向上させ始めました。 2012 年に AlexNet ニューラル ネットワークが ImageNet コンペティションで優勝したことがディープラーニングの転機となり、それ以来、大量の研究が行われ始め、さまざまな分野でディープラーニングを応用するきっかけとなりました。 10 年以上にわたり、ディープラーニング テクノロジーは大規模な産業を実現する限界を超えています。

インテリジェントな工業製造の開発の歴史を振り返ると、実際のアプリケーションのニーズを満たす技術的能力とアルゴリズムの無力、再現性の低さとソリューションの実装の難しさ、企業間での高い通信コストなどの課題が常にありました。新しいテクノロジー企業や製造会社。現在の基本モデル (大規模モデル) は、マルチドメインおよびマルチタスクの一般的な能力を示しており、これらの業界の「障壁」を打ち破り、耐障害性が極めて低く、低コストでコスト重視の産業アプリケーションを「全面的に」導入しています。 -コストと包括的な方法。

AI を使用して産業上の問題を解決することにはチャンスが含まれており、ChatGPT はその出発点です。業界に根ざした一部のテクノロジー企業の継続的な深化に伴い、ますます多くの業界が AI アプリケーションの「ChatGPT の瞬間」を迎えています。 。

以上が産業用 AI も「ChatGPT モーメント」の到来をもたらしますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。