


Di Sebalik Ledakan Kepintaran Buatan—Perspektif tentang Aliran Baharu dalam Kuasa Pengkomputeran
Pembangunan teknologi kecerdasan buatan seperti ChatGPT telah membawa kepada peningkatan lagi dalam permintaan global untuk kuasa pengkomputeran. Untuk mengalu-alukan pusingan baharu ledakan kecerdasan buatan, di manakah kuasa pengkomputeran China akan berkembang? Apakah jenis kuasa pengkomputeran yang lebih tepat dan cekap? Wartawan baru-baru ini menemu bual pakar industri untuk menantikan trend pembangunan kuasa pengkomputeran.
Model besar memerlukan "kuasa pengkomputeran besar"
Dalam gelombang baharu pembangunan teknologi kecerdasan buatan global, model besar adalah kata kunci. ChatGPT dan model lain yang serupa membuat kemajuan yang ketara dengan tepat dengan belajar daripada sejumlah besar data.
Chen Runsheng, ahli akademik Akademi Sains China, berkata model kecerdasan buatan yang besar sedang mengalami perubahan yang besar pada peringkat aplikasi, yang akan mencetuskan perubahan dalam banyak bidang pada masa hadapan dan juga akan menggunakan banyak kuasa pengkomputeran.
“Model besar mesti mempunyai keupayaan pengkomputeran yang berkuasa,” Zheng Weimin, ahli akademik Akademi Kejuruteraan China, berkata ChatGPT adalah hasil daripada bergantung pada infrastruktur pengkomputeran berskala besar.
Baru-baru ini, Pusat Penyelidikan Pembangunan Kecerdasan Buatan Generasi Baharu Kementerian Sains dan Teknologi mengeluarkan laporan penyelidikan bertajuk "Laporan Penyelidikan Peta Model Besar Kecerdasan Buatan China" di Forum Zhongguancun. Laporan itu menunjukkan bahawa bilangan model besar yang dibangunkan di negara saya menduduki tempat kedua di dunia.
Lu Zhonghua, seorang penyelidik di Pusat Maklumat Rangkaian Komputer Akademi Sains China, berkata bahawa masyarakat secara keseluruhan mempunyai permintaan yang semakin meningkat untuk kuasa pengkomputeran, dan permintaan untuk kuasa pengkomputeran dalam aplikasi kecerdasan buatan adalah lebih menonjol, dan kita mesti menerima trend ini.
Kuasa pengkomputeran am + kuasa pengkomputeran khusus
Dalam beberapa tahun kebelakangan ini, bahagian kuasa pengkomputeran kecerdasan buatan negara saya telah meningkat. Menurut anggaran, kuasa pengkomputeran kecerdasan buatan telah berkembang secara purata kira-kira 70% setahun dalam beberapa tahun kebelakangan ini, manakala kuasa pengkomputeran lain telah meningkat sebanyak kira-kira 30%. " kata Yu Xiaohui, Presiden Akademi Teknologi Maklumat dan Komunikasi China.
Chen Wenguang, seorang profesor di Jabatan Sains Komputer di Universiti Tsinghua, juga memerhatikan bahawa dengan penembusan kecerdasan buatan yang semakin mendalam, kadar penggunaan pusat pengkomputeran pintar telah menjadi lebih tinggi daripada pusat pengkomputeran super tradisional.
Cao Zhennan, timbalan pengarah Pusat Penyelidikan Teknologi Kejuruteraan Komputer Berprestasi Tinggi Negara, berkata walaupun kuasa pengkomputeran sering dibahagikan kepada pengkomputeran super dan pengkomputeran kecerdasan buatan, kedua-duanya mempunyai banyak persamaan, dan perbezaan terbesar terletak pada keperluan yang berbeza. untuk ketepatan pengiraan.
“Pada masa ini terdapat jurang yang besar dalam kuasa pengkomputeran kecerdasan buatan, dan beberapa aplikasi kecerdasan buatan telah menurunkan keperluan ketepatan mereka dalam mengejar prestasi pengkomputeran Walau bagaimanapun, jika kuasa pengkomputeran menjadi mudah dan murah, beberapa aplikasi kecerdasan buatan mungkin mengemukakan beberapa keperluan pada ketepatan yang tinggi." Cao Zhennan berkata.
Menurut pendapat pakar, "Gabungan kuasa pengkomputeran tujuan umum dan kuasa pengkomputeran khusus akan menjadi kunci untuk membina infrastruktur kuasa pengkomputeran kecerdasan buatan.". Di satu pihak, ia mesti memenuhi pelbagai senario aplikasi, bersifat universal dan universal sebaliknya, ia juga mesti menyokong beberapa senario aplikasi yang diperibadikan yang memerlukan ketepatan dan kecekapan pengiraan yang tinggi, cekap dan berdedikasi.
Pada 14 Februari 2023, penyelidik saintifik dari Pusat Pengkomputeran Super Nasional Chengdu memeriksa peralatan di dalam bilik komputer. Foto oleh wartawan Agensi Berita Xinhua Liu Kun
Membina rangkaian kuasa pengkomputeran "lebuh raya"
Pada pendapat pakar, menyambungkan pusat kuasa pengkomputeran sedia ada dengan seni bina yang berbeza melalui rangkaian boleh mengkonfigurasi, berkongsi, menjadualkan, mengeluarkan lebih banyak kuasa pengkomputeran dan menurunkan ambang aplikasi dengan munasabah.
Dipimpin oleh Jabatan Teknologi Tinggi Kementerian Sains dan Teknologi, kerja Internet pengkomputeran besar negara telah dilancarkan. Menjelang akhir tahun 2025, rangkaian sambung komputer super nasional akan menjadi "jalan pantas" untuk menyokong pembinaan Digital China, selaras dengan rancangan itu.
Cao Zhennan memperkenalkan bahawa salah satu matlamat pembinaan platform Internet superkomputer adalah untuk menyelesaikan masalah pengagihan kemudahan kuasa pengkomputeran yang tidak sekata dan merealisasikan interkoneksi dan perkongsian sumber kuasa pengkomputeran.
Qian Depei, ahli akademik Akademi Sains China, berkata bahawa infrastruktur kuasa pengkomputeran harus menyediakan bukan sahaja kuasa pengkomputeran, tetapi juga perisian atau perkhidmatan aplikasi yang diperlukan oleh pengguna, supaya sumber kuasa pengkomputeran dapat dimaksimumkan.
Saya berharap pada masa hadapan, kuasa pengkomputeran data besar dapat disebarkan kepada beribu-ribu isi rumah seperti elektrik, merealisasikan visi untuk dapat menggunakannya pada bila-bila masa dan di mana-mana sahaja. "Kata Qian Depei.
Sumber: Agensi Berita Xinhua
Atas ialah kandungan terperinci Di Sebalik Ledakan Kepintaran Buatan—Perspektif tentang Aliran Baharu dalam Kuasa Pengkomputeran. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S
