8 月 16 日に開催された Wave Summit 2023 ディープラーニング開発者カンファレンス で、百度最高技術責任者兼ディープラーニング技術および応用国家工学研究センター所長 王海峰 氏は次のように述べています。 , 大規模言語モデルには、理解、生成、論理、記憶という 4 つのコアとなる基本機能があり、一般的な人工知能の夜明けをもたらします。
王海峰氏の見解では、創造、プログラミング、問題解決、計画などの人工知能の典型的な能力はすべて、程度の差こそあれ、理解、生成という4つの核となる基本能力に依存しています。 、ロジック、メモリ。問題解決を例に挙げると、問題を読んでから、その質問に答え、最終的には答えを書くまで、人工知能は理解、記憶、論理、生成という 4 つの主要な能力の組み合わせにすぎません。
人工知能の 4 つの主要な基本機能を取得するにはどうすればよいですか?まず、 数兆のデータと数千億の知識からの学習を統合し、 大規模な事前トレーニング済みモデルを開発します。これに基づいて、微調整とフィードバックを通じて強化学習を実装し、最後に大型モデルの取得 知識の強化、検索の強化、対話の強化。 深層学習テクノロジーは、一般的な人工知能を実現する唯一の方法です。
ディープ ラーニング フレームワーク テクノロジーの探求において、Baidu は オープンソースおよびオープン フライング パドル ディープ ラーニング プラットフォームを立ち上げました。 フライングパドル深層学習プラットフォーム Wenxin 大型モデル、 相互に促進し、相互に促進し、Baidu の人工知能戦略の基礎を形成します。
Wang Haifeng 氏によると、長年の開発を経て、Baidu Fei Paddle Ecosystem は 800 万人の開発者を集め、22 万の企業や機関にサービスを提供し、Fei Paddle に基づいて合計 80 万のモデルを作成しました。
Wave Summit カンファレンスで、Baidu は Flying Paddle 開発者コミュニティ AI Studio に中国名「Galaxy Community」を正式に導入しました。王海峰氏は、百度は開発者と協力してギャラクシーコミュニティを構築し、フェイピャオ深層学習プラットフォームウェンシンビッグモデルの恩恵を受けて一般人工知能の星空に乗り出す用意があると述べた。
人工知能の時代において、IT テクノロジー スタックは、チップ、オペレーティング システム、アプリケーションの 3 層アーキテクチャから、チップ、フレームワーク、モデル、アプリケーションの 4 層アーキテクチャへと根本的な変化を遂げました。その中でも、ディープラーニングフレームワークは人工知能時代のオペレーティングシステムと呼ぶことができ、下流ではさまざまなチップやクラウドコンピューティングプラットフォームに接続し、上流ではさまざまなAIビジネスモデルや産業アプリケーションを担います。
国家の「第14次5カ年計画」において、ディープラーニングフレームワークは「新世代人工知能」のカテゴリーに含まれ、サポートに重点が置かれている最先端技術となっています。
2010 年、Baidu はフルスタックの人工知能戦略である All in AI を発表しました。研究開発に数千億ドルを投資した後、Baidu は人工知能の分野で徐々に進歩を遂げてきました。チップ レベルでは Kunlun コアがあり、フレームワーク レベルでは Feipiao 深層学習プラットフォームがあり、モデル レベルでは、Wenxin の大型モデルがあり、アプリケーションにはインテリジェントな検索と自動運転のレイヤーがあります。
2016 年のオープンソースの Fei Paddle 深層学習プラットフォームは、Baidu にとって人工知能フレームワーク層テクノロジーにおける大きな進歩であり、海外の 2 つの主要な TensorFlow および PyTorch と並んで、国内の人工知能開発者にとって推奨されるプラットフォームの 1 つとなっています。深層学習フレームワーク 1 つ。
Wave Summit カンファレンスで、Baidu AI テクノロジー エコロジーのゼネラル マネージャーである Ma Yanjun 氏は、 Flying Paddle オープン ソース フレームワーク v2.5 バージョン を正式にリリースしました。Flying Paddle のインフラストラクチャは完全にアップグレードされました。差動機能が改善され、パフォーマンスの最適化が普遍化されました。同時に、科学計算ツールコンポーネントである PaddleScience v1.0 が正式にリリースされ、PaddleHelix は HelixDock タンパク質-化合物の構造親和性予測大型モデルをリリースしました。
Feipiao 深層学習プラットフォームと Wenxin 大型モデルを公開した後、Baidu は Feipiao Wenxin エコシステムの構築に熱心に取り組んでおり、ソフトウェアとハードウェアの適応と Galaxy コミュニティの構築が開発の焦点となっています。
ソフトウェアとハードウェアの適応に関しては、中国電子標準化研究所が主導し、Baidu、Sugon、Feiteng、Inspur が共同で国家標準「人工知能ディープラーニングフレームワークマルチハードウェアプラットフォーム適応技術仕様」を起草しました。この国家標準に基づいて、Baidu Feipiao と Wenxin Large Model は、NVIDIA、Sugon、Kunlun Core、Cambrian、Huawei、Tianshu Zhixin、Biren Technology、Qualcomm、Intel、MediaTek、Moore Thread、ARM Technology と協力し、12 のハードウェア パートナーが適応を実施しました。 、さまざまなクラウドおよびデバイス側のハードウェア タイプをカバーします。
コミュニティという点では、AI Studio (Galaxy Community) はすでに中国最大の AI コミュニティであり、609 万の開発プロジェクトが集まっています。大型モデルのテクノロジーの進歩に伴い、大型モデルの開発者も急速に Galaxy コミュニティに集まりつつあります。 Wave Summit カンファレンスで、Baidu Group 副社長兼深層学習技術応用国家工学研究センター副所長の Wu Tian 氏は、Galaxy コミュニティの最新アップグレードを発表し、Galaxy ラージ モデル コミュニティを正式に開始しました。レポートによると、Galaxy 大型モデル コミュニティには 300 を超える大型モデルのクリエイティブ アプリケーションが蓄積されています。
カンファレンスで、Wu Tian 氏はまた、Wenxin Big Model Galaxy 共創計画を発表し、Baidu は環境および産業リソースを提供し、開発者と共同で人工知能アプリケーションのイノベーションを促進します。
3 月 16 日、Baidu は知識を強化した大型モデル Wen Xinyiyan を正式にリリースしました。半年も経たないうちに、Wenxinyiyan は進化と反復を加速し、バージョン 3.5 をリリースしました。
Wenxin Yiyan の急速な進歩は、 Feipiao の産業グレードの深層学習オープンソース オープン プラットフォームと Wenxin の大規模モデル の相互促進によるものです。 Wu Tian 氏によると、効率の面では、Fei Paddle のエンドツーエンドの適応型ハイブリッド並列トレーニング テクノロジーと、圧縮、推論、サービス展開の協調的な最適化により、Wenxin の大規模モデルのトレーニング速度は 3 倍に達し、推論速度は30倍以上に達しました。
Wave Summit カンファレンスで、Wu Tian は Wen Xinyiyan の 5 つのネイティブ プラグインをリリースしました: Baidu Search、Browsing Documents (ドキュメントベースのインタラクション)、Eyan Yitu (データ インサイト チャート生成)、Shuo Diagram Painting (画像ベースのインタラクション) )、Yijingliuying (テキストからビデオへ)。 Wen Xin Yi Yan は 3 つのプラグインの同時使用をサポートしており、大規模モデルの機能を拡張するだけでなく、シーンのニーズによりよく適応します。
Wen Yanyiyan は、プラグインの助けを借りて、数秒でコマーシャルを制作し、数文でコードを取得する ブラック テクノロジーを実証しました。
Baidu 最高技術責任者の Wang Haifeng 氏は、Baidu は将来、開発者とプラグイン エコシステムを構築し、技術革新の結果を 共有する予定であると述べました。テクノロジーとエコロジーを両手でつかんで、フライングパドルWenxinの応用が実装され、加速しています。
テキスト: Bugle-X/ データ モンキー
以上が一般的な人工知能に向けて、Baidu Feipiao + Wenxin が中国最大の AI コミュニティを構築の詳細内容です。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。
![[Web フロントエンド] Node.js クイック スタート](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
