年末インタビュー：人工知能技術と産業の発展と変革

ゲスト|Tan Zhongyi、Zhu Shihu

Compiled|Xu Jiecheng

#2022 年は、人工知能にとって記憶に残る年になるはずです。今年の半ば、人工知能は技術レベルと産業レベルの両方で大きな発展と大きな進歩を遂げ、多くの革新的な技術が概念から実践へと移行しました。年の初めには、AI を活用した冬季オリンピックがまったく新しい視聴体験をもたらし、年の半ばには、AI 絵画が幻想から現実へと移り、複数のコンテストで賞を受賞し、年末には、 ChatGPT の動向が再び 1 年全体を変えるでしょう。カーニバルは最高潮に達します...

基盤技術の躍進であれ、さまざまなアプリケーションの相次ぐ開花であれ、この 1 年は、人工知能は、何が可能であるかを示しました。人工知能分野の現在の開発状況と将来の傾向をより包括的に理解するために、51CTO コンテンツ センターは、業界の 2 人の上級専門家、第 4 パラダイムのアーキテクトである Tan Zhongyi と副パラダイムのアーキテクトである Zhu Shihu を特別に招待しました。 Everbright Trust の情報技術部門のゼネラルマネージャーが、人工知能の関連トピックについて話し合う予定で、インテリジェント テクノロジーと産業に関する 5 つのトピックについて、さらに多くの回答が得られることを期待しています。

1. 2022 年の人工知能分野のキーワード

Tan Zhongyi: 技術レベルで、2022 年に最もホットなキーワードは間違いなく「AIGC」です。産業レベルでは、「AI エンジニアリング」または MLOps になると思います。なぜなら、現在、国内外を問わず、テクノロジーメディア、プロダクト、ベンチャーキャピタルの各分野がAIエンジニアリングに非常に高い注目を集めているからです。 AI エンジニアリングと MLOps の中核となるコンセプトは、機械学習を企業内でより迅速に大規模に実装できるようにすることであり、これは過去 1 年間、人工知能関連業界でも注目されてきました。

Zhu Shihu: 政策の観点から見ると、政府は 2022 年にデータ要素に関する国家戦略を主導し、データ要素が世界資源の再編成、世界経済構造の再構築、競争力の変化における重要な力であると提案します。風景。現在、中国の基盤となるIT規格、アーキテクチャ、製品、エコロジーは主に外国技術メーカーによって決定されており、基盤技術や情報セキュリティなど多くの課題を抱えている。したがって、グローバルなITエコシステムがこれまでの単一レベルから将来的にはマルチレベルの方向に発展するにつれて、独自のIT基盤フレームワークを構築する必要があります。したがって、新荘の文脈で言えば、2022 年の人工知能、さらにはテクノロジー業界全体のキーワードは「テクノロジーには国境がある」であるべきだと私は考えています。

2. 最先端の人工知能分野における技術開発と応用の現状

Tan Zhongyi: AI エンジニアリング分野のアプリケーション レベルで, 第 4 のパラダイムは、過去 1 年間で多数のアプリケーションをもたらしました。自社開発の技術蓄積は、オンラインとオフラインの一貫性を備えた実稼働レベルの機能プラットフォームである OpenMLDB を含め、外部にオープンソース化されており、これにより、実際の機能を実現できます。 - 迅速な開発企業内での時間予測、リスク管理、シナリオの推奨、時系列機能、効率的な読み取り、オンラインおよびオンラインの一貫性の低下の問題を解決します。オープンソースがオープンになってから 1 年以上が経過したため、私たちは上流および下流のオープンソース テクノロジー エコシステムと良好な協力関係を築き、良好な結果を達成しました。

技術レベルでは、4Paradigm は常に AI の徹底的な育成を主張しており、現段階では主に 2 種類の AI を企業内に導入することに重点を置いています。 1 つは、CV や NLP などの知覚 AI の実装です。もう 1 つは、リスク管理、推奨、予測、企業運営に密接に関連するその他のシナリオなど、企業向けの戦略を策定するための意思決定 AI の実装です。このプロセスには 2 つの重要なポイントがあります。1 つは、モデルを高品質で迅速にオンラインにすることです。もう 1 つは、モデルのトレーニング、フィードバック、調整を継続的に実施して、モデルを最先端かつ効率的に保つことです。

多くの AI シナリオを持つ企業の場合、この場合、企業は大規模なメリットを生み出し、量的変化から質的変化への移行を実現し、企業が従来型から変革できるようになります。データ企業は、AI を通じて核となる競争力を向上させるという目的を達成するために、AI 企業に進化しました。

朱石胡氏: 金融業界における人工知能技術の応用は近年比較的成熟してきており、過去1年と今後数年間で私たちが行った主な取り組みは、金融ビジネスを活用して金融業界をリードすることです。金融テクノロジーの発展。たとえば、消費者金融の分野で、銀行が消費者金融のアクセス モデルを開発する場合、第 1 世代はルール駆動モデル、第 2 世代はルール駆動モデル、第 3 世代はビッグデータ駆動モデルになります。モデル。

現段階で、インテリジェントなアルゴリズムが解決しなければならない中心的な問題は、サンプルが不十分であることです。インテリジェントなリスク管理を実際に行う過程で、一連のマニュアルをまとめました。たとえば、データの次元が不十分な場合、最初の方法は、新しい特徴組み合わせ手法 AutoCross を使用して次元を増やすことです。 2 番目の方法は、サンプルが不十分な場合に転移学習を使用することです。サンプルのラベル付けのコストが高く、多くのサンプルがラベル付けされていない場合は、能動学習方法を使用できます。サンプルのラベル付けエラー率が比較的高い場合、たとえば、外部データがあり、データのラベル付けエラー率が比較的高い場合は、信頼学習アルゴリズムを使用する必要があります。トランザクション詐欺を防ぐために使用される場合など、サンプル ラベルが非常に少ない場合は、半教師あり学習アルゴリズムの使用を選択できます。これは、過去 1 ～ 2 年でまとめられた比較的成熟した対応計画でもあります。

3. 人工知能産業の上流と下流における市場環境の進化の方向

Tan Zhongyi: 将来的に AI アプリケーションに携わるテクノロジー企業は 3 つのタイプに分類される可能性があります。 1 つ目は、大量のデータや膨大な計算能力など、大規模なモデルを構築するためのリソースを備えた企業です。業界トップの科学者を擁する企業は、AutoAI のような高精度で汎用性の高い大規模なモデルを構築でき、外部サービスを提供する可能性があります。 APIの形式。

2 番目のカテゴリは、豊富なシナリオを備えた企業であり、さまざまなシナリオに対して、たとえば、さまざまなアプリケーションを作成するためにコンテンツが必要なさまざまな場所で AIGC を使用できます。

3 番目のカテゴリは 2 つの中間にあり、データの正確性の確保、オンライン サービスの安定性や監視、モデルなどの企業回線の確保など、2 つの接続を改善するためのツールをさらに提供します。バージョンとベータ版。

業界の観点から見ると、現在中国で AI が導入されているのは、主に企業のインテリジェントな変革に関連する業界に集中しています。現在最も人気のある業界は金融業界です。シナリオもお金も。これは、ほぼすべての AI テクノロジー企業が競争しなければならない業界です。

2 番目に有望な選択肢は、新たな消費と新たな小売です。新しい消費と新しい小売の現状では、多くの企業と多くの業界が絶えず新製品を発売しています。新製品の爆発的なスピードは非常に速く、多くの新しいメディアや新しいチャネルを通じて行われます。マーケティング、物流、サプライチェーンでは AI に対する非常に多くの需要があります。

3 番目のタイプは、一部の製造業です。現在、依然として安全検査、安全な生産、障害検出などの従来の CV 分野に焦点が当てられています。CV 分野では、システムの改善も可能です。しかし、業界の作業モデルを完全に変える時期にはまだ至っておらず、完全に混乱するまでには数年かかる可能性があります。

Zhu Shihu: AI 実践者のキャリアの変化から、人工知能業界の変化する傾向を簡単に理解できます。個人的な例を挙げると、私は最初に人工知能アルゴリズム業界で働き、その後アルゴリズムからテクノロジーへ、次にテクノロジーからデータへ、そして今ではデータからビジネスへと移りましたが、これには実は非常に奥深いロジックがあります。

最初にモデルを作成したとき、それを実行するテクノロジーがなければ、そのモデルは企業のリスク管理に組み込むことしかできないことがわかりました。ビジネスでは、モデルを特定のビジネスに移す前にテクノロジー システムに組み込む必要があるため、モデリングからテクノロジーに切り替えました。

テクノロジーの分野で働き始めた後、2 番目の問題に気づきました。それは、モデルとアルゴリズムに関して、モデルに対するデータの寄与が、アルゴリズムの寄与よりもはるかに大きいということです。データの重要性を認識してからは、テクノロジーを活用してデータを作成することに目を向けました。データが完成したらビジネスに移りますが、これには 2 つのロジックがあります。まず、モデルはデータに基づいており、データは統計に基づいており、統計は口径に基づいており、口径は事業部門によって決定されます。ただし、ビジネス部門がビジネスの基準を策定するとき、戦略的にビジネスのニーズからビジネスの基準をぼかしてしまうことがよくあります。第二に、ほとんどの業界のデジタルトランスフォーメーションは本質的にビジネス主導で行われており、産業発展の観点からも同様です。

4. 生成 AI の進化の軌跡と考えられる実装シナリオ

Tan Zhongyi: 生成 AI は最近、業界から広く注目を集めています。これは確かに良いことです。 。過去 2 年間、AI の分野では、大規模モデルの新しいシナリオは比較的稀でした。今日、ChatGPT が誰にとっても新鮮である理由は、以前は複数ラウンドの対話では解決できなかった多くの問題を解決したとユーザーが実感できること、また、大規模なモデルを使用してより実用的な答えを生成していることです。皆さん、もっと詳しい情報、自信を持ってください。市場は常に技術的なホットスポットを必要としています。技術的なホットスポットの存在は資本家の信頼を維持することができ、資本家の信頼はこれらの技術をより迅速に実装するために資金を投じるよう促すことができます。

生成 AI の商用化は 3 つのタイプに分類できます。 1つ目は、お金も人もアルゴリズムもあるOpenAIはAPIを通じて十分な収益を上げられるということ。たとえば、Photoshop に AIGC の一部の機能が統合された AutoCAD や、その他の AIGC 企業数社も数千万の収益を上げています。これは、大型モデルを製造する少数の企業だけができることです。

2 番目のタイプは、AIGC の機能とビジネス シナリオを組み合わせることです。ビジネス インテグレーターは、多くの具体的なビジネス シナリオを見つけてから、コストや効率などの問題について考える必要があり、それには多くの労力が必要です。堅実な需要、利益、プロモーションという 3 つの側面で進歩が達成できた場合にのみ、優れたモデルを形成することができます。

3 番目のタイプのモデルについては、最近 OpenAI の CEO も言及しましたが、この 2 つのモデルの間には、通常の汎用的な大規模モデルに対して Finetune を実行できる 3 番目のタイプの会社があります。テクノロジー プロバイダーであれば、特定のビジネス シナリオをターゲットにし、この特定のビジネス シナリオに合わせて大規模なモデルを微調整し、商用実装を実現することもできます。

基本に立ち返ると、ビジネス上の問題やユーザーの実際的な問題を解決する必要があり、そのためには継続的な探索と実験が必要です。 AIGC の人気が高まり、AI の理念に対する誰もがより自信を持ち、より多くのベンチャー キャピタルが資金を投資できるようになったのをとても嬉しく思います。これはすべて良いことだと思います。

Zhu Shihu: OpenAI の ChatGPT を例に挙げると、これの最も魅力的な点は、通信するたびに異なるコンテンツが得られることであり、これが最も興味深い点でもあります。しかし、アプリケーションの観点から見ると、ここには非常に深刻な問題があり、ユーザーが毎回同じ変数をシステムに入力すると、返される変数は制御不能になり、AI が責任を負うことが困難になります。

過去も現在も、私たちが使用しているインテリジェントな顧客サービスはユーザーを非常に愚かに感じさせており、そのコーパスはあらかじめ設定されています。しかし、多くの業界がインテリジェントな顧客サービスをあえて利用するのは、まさにこの種の「愚かさ」があるためであり、ユーザーにフィードバックされるすべての情報は管理されており、その発言のすべてが企業の責任であるためです。しかし、インテリジェントな顧客サービスが制御できない場合、実際には多くの問題が発生します。たとえば、フェデレーテッド ラーニング企業がフェデレーテッド ラーニング アルゴリズムを推奨する場合、このアルゴリズムで何ができるかを紹介しますが、多くの業界では、データをフェデレーションしたことと、データの使用範囲が確実であることが重視されます。制御されるためには、特定のことができない必要があります。私が注目するのは、何ができるかではなく、何ができないかです。

同様に、ChatGPT に関して私が懸念しているのは、あなたの発言は私たちが耐えられる範囲内であり、あなたの発言は私たちの管理下にある必要があるということです。あなた自身の多様なアイデアをいくつか実行してください。しかし、技術的に言えば、残念ながら、私たちはまだこれを達成できていません。柔軟性があり、賢すぎる AI は、私たちが想像できない多くのことを実行でき、その結果に耐えることができません。これがテクノロジーを行うことと産業を行うことの違いです。

一般的に言えば、テクノロジーとビジネス モデルの関係はより間接的です。生成 AI は確かにこの段階で創造的な作業を行うのに役立ちますが、ここでのビジネス モデルは現在完全には機能していません。 。より高い精度が要求される仕事において、生成 AI の実現にはまだ長い道のりがあります。

5. 人工知能テクノロジーと産業の統合の将来の傾向

Tan Zhongyi: AI はアルゴリズムであり、さまざまな企業との統合は避けられません。さまざまな企業がデジタル化とインテリジェントな変革を実行するにつれて、さまざまな企業シナリオにおける AI、つまりすべての AI がますます加速する傾向を示しています。

個人的には、今後数年間のキラーアプリは自動運転になると考えています。自動運転はAIを統合したアプリケーションであり、人々の移動を大幅に促進することができるアプリケーションです。車との組み合わせ、道路との組み合わせ、さまざまなアルゴリズムが非常に良い役割を果たし、同時にこの種のルールや規制も改善され、今後5年間で大量に実装されるキラーアプリこれにより、誰もが L4 または L5 レベルの自動運転を行う可能性が高くなります。

Zhu Shihu: 今後 5 年間で、証券や株の自動取引はさらに成熟し、人間に取って代わられるでしょう。この分野では機械が人間に取って代わることは明らかな傾向です。そして注目に値するのは、株価要因ライブラリに基づく以前のアルゴリズムが徐々に放棄されつつあることです。今後、自動売買の分野でAIが直面する最大の問題は、株価の変動ではなく、AI1とAI2がカウンターパーティとなり、両者のモデル対決が起こることだろう。

つまり、相手がこの銘柄にどう対処するかを学習し、AI によるシミュレーションがほぼ同じであれば、ユーザーは利益を得ることができます。したがって、将来的には、自動取引の分野では AI アルゴリズムが人間の 90%、さらには 99% に取って代わることになり、将来の自動取引のアルゴリズムは、ファクター ライブラリに基づいた一般的に使用されるモデルではなくなり、ゲーム理論に基づく一連の理論モデルの対決です。人間がやるべきことは目標と戦略を選択することだけで、残りは AI に任せます。

以上が年末インタビュー：人工知能技術と産業の発展と変革の詳細内容です。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。