8월 16일에 열린 Wave Summit 2023 딥 러닝 개발자 컨퍼런스에서 Baidu 최고 기술 책임자이자 딥 러닝 기술 및 응용 분야 국립 엔지니어링 연구 센터 소장인 Wang Haifeng은 대규모 언어 모델에는 이해, 생성, logic , memory네 가지 핵심 기본 능력이 일반 인공지능의 탄생을 가져옵니다.
Wang Haifeng의 관점에서 창작, 프로그래밍, 문제 해결, 계획 등과 같은 인공 지능의 일반적인 능력은 모두 이해, 생성, 논리 및 기억이라는 네 가지 핵심 기본 능력에 다양한 정도로 의존합니다. 문제 해결을 예로 들면, 질문을 읽는 것부터 질문에 답하고 최종적으로 답을 쓰는 것까지 인공지능은 이해, 기억, 논리, 생성이라는 4가지 주요 능력의 조합만을 사용합니다.
인공지능의 4가지 핵심 기본 능력을 어떻게 얻을 수 있나요? 첫째, 수조 개의 데이터와 수천억 개의 지식을 활용한 융합 학습, 사전 학습된 대규모 모델을 개발하고, 이를 기반으로 미세 조정과 피드백을 통해 강화 학습이 이루어지며, 마지막으로 대규모 모델이 강화됩니다. 지식과 검색, 대화 강화. 딥러닝 기술은 일반 인공지능을 달성할 수 있는 유일한 방법입니다.
바이두는 딥 러닝 프레임워크 기술을 탐구하면서 오픈 소스 Fei Paddle 딥 러닝 플랫폼을 출시했습니다. Feipiao 딥 러닝 플랫폼 + Wenxin 대형 모델, 서로 홍보하고 홍보하여 Baidu 인공 지능 전략의 기초를 형성합니다.
Wang Haifeng에 따르면 Baidu Fei Paddle 생태계는 수년간의 개발 끝에 800만 명의 개발자를 모으고 220,000개의 기업 및 기관에 서비스를 제공하며 Fei Paddle을 기반으로 총 800,000개의 모델을 만들었습니다.
Wave Summit 컨퍼런스에서 Baidu는 Flying Paddle 개발자 커뮤니티 AI Studio의 중국어 이름 "Galaxy Community"을 공식적으로 소개했습니다. Wang Haifeng은 Baidu가 Feipiao 딥 러닝 플랫폼 + Wenxin 대형 모델의 축복을 받아 개발자와 협력하여 Galaxy 커뮤니티를 구축하고 일반 인공 지능의 별이 빛나는 바다로 나아갈 의향이 있다고 말했습니다.
인공지능 시대에 IT 기술 스택은 칩-운영 체제-응용의 3계층 아키텍처에서 칩-프레임워크-모델-응용의 4계층 아키텍처로 근본적인 변화를 겪었습니다. 그중 딥러닝 프레임워크는 아래쪽으로는 다양한 칩과 클라우드 컴퓨팅 플랫폼을 연결하고 위쪽으로는 다양한 AI 비즈니스 모델과 산업 애플리케이션을 수행하는 인공지능 시대의 운영체제라고 할 수 있다.
국가 '14차 5개년 계획'에서 딥러닝 프레임워크는 '차세대 인공지능' 범주에 포함돼 지원 중심의 첨단 기술로 자리 잡았다.
2010년 Baidu는 풀 스택 인공 지능 배포인 All in AI를 발표했습니다. Baidu는 R&D에 수천억 달러를 투자한 후 인공 지능 분야에서 점차 획기적인 발전을 이루었습니다. 칩 수준에는 Kunlun 코어가 있고 모델 수준에는 Feipiao 딥 러닝 플랫폼이 있습니다. , 애플리케이션에는 Wenxin 대형 모델이 있습니다. 레이어에는 지능형 검색과 자동 운전이 있습니다.
2016년 오픈 소스 Feipiao 딥 러닝 플랫폼은 Baidu의 인공 지능 프레임워크 계층 기술에 있어서 획기적인 발전입니다. 이는 외국의 두 가지 주요 딥 러닝 프레임워크인 TensorFlow 및 PyTorch와 함께 국내 인공 지능 개발자가 선호하는 플랫폼 중 하나가 되었습니다. .
Wave Summit 컨퍼런스에서 Baidu AI 기술 생태계 총괄 관리자 Ma Yanjun은 Fei Paddle 오픈 소스 프레임워크 v2.5를 공식 출시했습니다. Fei Paddle의 인프라는 더욱 완전한 차등 기능과 보편적인 성능 최적화로 완전히 업그레이드되었습니다. 동시에 과학 컴퓨팅 도구 구성 요소인 PaddleScience v1.0이 공식 출시되었고 PaddleHelix는 HelixDock 단백질 화합물 구조 친화도 예측 대형 모델을 출시했습니다.
Feipiao 딥 러닝 플랫폼과 Wenxin 대형 모델을 공개한 후 Baidu는 Feipiao + Wenxin 생태계를 만들기 위해 열심히 노력하고 있으며, 소프트웨어 및 하드웨어 적응과 Galaxy 커뮤니티 구축이 개발의 초점이 되었습니다.
중국전자표준화연구소(China Electronics Standardization Institute)가 주도하는 소프트웨어 및 하드웨어 적응 측면에서 Baidu, Sugon, Feiteng 및 Inspur는 공동으로 국가 표준 "인공 지능 딥 러닝 프레임워크 다중 하드웨어 플랫폼 적응 기술 사양" 초안을 작성했습니다. 이 국가 표준을 기반으로 Baidu Feipiao 및 Wenxin Large Model은 NVIDIA, Sugon, Kunlun Core, Cambrian, Huawei, Tianshu Zhixin, Biren Technology, Qualcomm, Intel, MediaTek, Moore Thread 및 ARM Technology와 협력하여 12개 하드웨어 파트너가 적응을 수행했습니다. , 다양한 클라우드 및 장치 측 하드웨어 유형을 다룹니다.
커뮤니티 측면에서 AI Studio(Galaxy Community)는 이미 609만 건의 개발 프로젝트를 모으는 중국 최대 규모의 AI 커뮤니티입니다. 대형 모델 기술이 발전하면서 대형 모델 개발자들도 갤럭시 커뮤니티에 급속도로 모여들고 있다. Wave Summit 컨퍼런스에서 Baidu Group의 부사장이자 국립 딥러닝 기술 및 응용 엔지니어링 연구 센터의 부국장인 Wu Tian은 Galaxy 커뮤니티의 최신 업그레이드를 발표하고 Galaxy 대형 모델 커뮤니티를 공식적으로 시작했습니다. 보도에 따르면 갤럭시 대형 모델 커뮤니티에는 300개 이상의 대형 모델 크리에이티브 애플리케이션이 축적되어 있습니다.
컨퍼런스에서 Wu Tian은 Wenxin Big Model Galaxy 공동 제작 계획도 발표했습니다. Baidu는 개발자와 함께 인공 지능 애플리케이션 혁신을 촉진하기 위해 생태학적 및 산업적 자원을 제공할 예정입니다.
3월 16일, Baidu는 지식이 강화된 대형 모델 Wen Xinyiyan을 공식 출시했습니다. 진화와 반복을 가속화한 Wenxinyiyan은 반년도 채 안 되어 버전 3.5를 출시했습니다.
Wenxin Yiyan의 빠른 발전은 Fei Paddle의 산업용 딥 러닝 오픈 소스 오픈 플랫폼과 Wenxin의 대형 모델의 상호 홍보 덕분입니다. Wu Tian에 따르면 효율성 측면에서 Fei Paddle의 엔드투엔드 적응형 하이브리드 병렬 훈련 기술과 압축, 추론 및 서비스 배포의 협업 최적화를 통해 Wenxin 대형 모델의 훈련 속도가 원래 속도의 3배에 도달했습니다. 속도와 추론 속도가 30배 이상에 도달했습니다.
Wave Summit 컨퍼런스에서 Wu Tian은 Baidu 검색, 문서 찾아보기(문서 기반 상호 작용), E Yan Yi Tu(데이터 통찰력 차트 생성), Shuo Tu Jie Hua(이미지) 등 Wen Xin Yi Yan의 5가지 기본 플러그인을 출시했습니다. 기반 상호 작용), Yijingliuying(텍스트를 비디오로). Wen Xin Yi Yan은 동시에 3개의 플러그인 사용을 지원하여 대형 모델의 기능을 확장할 뿐만 아니라 장면 요구 사항에 더 잘 적응합니다.
플러그인의 도움으로 Wenyan Yiyan은 몇 초 만에 광고를 제작하고 단 몇 문장만으로 코드를 완성하는 블랙 테크놀로지를 시연했습니다.
Baidu 최고 기술 책임자 Wang Haifeng은 앞으로 Baidu가 개발자들과 함께 플러그인 생태계를 구축하고 기술 혁신 결과를 공유할 것이라고 말했습니다. 기술 + 생태학을 양손으로 파악하고 Fei Paddle + Wenxin의 적용이 구현되어 가속화되고 있습니다. 작성자: Bugle-X
/Data Monkey
위 내용은 일반 인공 지능을 향한 Baidu Feipiao + Wenxin은 중국 최대의 AI 커뮤니티를 만듭니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
