Rumah Peranti teknologi AI Dalam bidang kecerdasan buatan, satu kejayaan telah dibuat: masalah 'air tanpa sumber' model besar yang dihasilkan dalam negara telah diselesaikan.

Dalam bidang kecerdasan buatan, satu kejayaan telah dibuat: masalah 'air tanpa sumber' model besar yang dihasilkan dalam negara telah diselesaikan.

Jul 17, 2023 pm 08:35 PM
AI model besar menyelesaikan masalah

Dalam bidang kecerdasan buatan, masalah terobosan: masalah "air tanpa sumber" model besar domestik telah diselesaikan.

Di forum "Peluang dan Risiko Pembangunan Industri Kecerdasan Buatan Umum dalam Era Model Besar" di Persidangan Kepintaran Buatan Dunia 2023, beberapa pakar dalam bidang kecerdasan buatan am menumpukan pada model besar dan menjalankan perbincangan mendalam tentang asas inovasi, teknologi aplikasi dan prospek masa hadapan.

Dalam bidang kecerdasan buatan, satu kejayaan telah dibuat: masalah air tanpa sumber model besar yang dihasilkan dalam negara telah diselesaikan.

Dai Qionghai, ahli akademik Akademi Kejuruteraan China, berkata: "Negara kita harus mendalami latihan bakat dan penyelidikan asas mengenai kecerdasan buatan dari segi dasar, mekanisme dan pelaburan, mengukuhkan inovasi asli, dan mengelak daripada terjerumus ke dalam dilema 'air tanpa sumber'." Beliau menegaskan dalam ucaptamanya Pandangan ini.

Wang Yu, profesor dan pengerusi Jabatan Kejuruteraan Elektronik di Universiti Tsinghua, menegaskan bahawa Shanghai sudah mempunyai banyak syarikat cip dan algoritma, tetapi cara menggunakan algoritma ini pada cip dengan cekap dan seragam adalah isu yang sangat penting. Beliau menekankan bahawa ini adalah cabaran utama yang dihadapi oleh Shanghai dalam bidang kecerdasan buatan.

Dari perspektif penyelidikan asas, Dai Qionghai percaya bahawa pencapaian kejayaan negara saya dalam inovasi berskala besar adalah agak terhad. Pandangan beliau ialah bakat China dalam bidang kecerdasan buatan tertumpu terutamanya dalam aplikasi, jadi terdapat potensi pembangunan yang besar dalam senario aplikasi dan tahap teknologi. Walau bagaimanapun, dari segi bakat di peringkat asas, China jelas berada dalam keadaan yang lemah dan tidak mempunyai inovasi asli.

Dai Qionghai berkata bahawa pembangunan inovatif kecerdasan buatan memerlukan tiga tiang: algoritma, data dan kuasa pengkomputeran. Algoritma menentukan tahap kecerdasan, data menentukan skop kecerdasan, dan kuasa pengkomputeran menentukan kecekapan kecerdasan. Secara umumnya, dijangka dalam tempoh lima tahun akan datang atau lebih, model algoritma besar akan menjadi platform asas teras untuk aplikasi kecerdasan buatan.

Dalam bidang kecerdasan buatan, satu kejayaan telah dibuat: masalah air tanpa sumber model besar yang dihasilkan dalam negara telah diselesaikan.

Dai Qionghai juga menegaskan bahawa kecerdasan otak adalah hala tuju baharu masa depan. Algoritma kecerdasan buatan baharu yang mengintegrasikan otak dan kognisi akan menerajui pembangunan kecerdasan generasi baharu. Beliau mencadangkan kerajaan menggalakkan perusahaan menerajui pembinaan model besar, meneroka gabungan mekanisme biologi dan ciri mesin, dan seterusnya menggalakkan penyelidikan asas dan pembangunan aplikasi. Beliau meramalkan kecerdasan buatan dengan kecerdasan kognitif sebagai terasnya akan mula digunakan secara meluas dalam tempoh sepuluh tahun.

Selain itu, Dai Qionghai turut mengingatkan orang ramai supaya berhati-hati dengan isu keselamatan dalam aplikasi model besar. Model besar belum lagi mampu mengesahkan kredibiliti output, seperti menjana kandungan yang mengelirukan. Beliau menegaskan bahawa masalah aplikasi model berskala besar tidak semudah virus rangkaian komputer Apabila masalah berlaku, ia akan memberi kesan yang mengganggu. Oleh itu, keselamatan dan kebolehpercayaan harus dibincangkan secara eksplisit semasa penggunaan model besar.

Adalah perlu untuk memberi tumpuan kepada menyelesaikan titik kesakitan yang diperlukan untuk menyelesaikan empat masalah yang dihadapi oleh pelaksanaan model berskala besar di China. Pertama, masalah pemprosesan teks yang panjang perlu diselesaikan. Kedua, prestasi kos model besar perlu dipertingkatkan. Ketiga, model besar perlu digunakan pada berbilang domain menegak. Akhir sekali, terdapat keperluan baharu untuk penggunaan sehenti. Beliau menekankan bahawa menyelesaikan keperluan ini akan menggalakkan pembangunan keseluruhan rantaian industri.

Dalam forum tersebut, peserta mengemukakan lebih banyak pendapat dan cadangan mengenai pembangunan model besar. Sesetengah pakar percaya bahawa pergantungan dalam bidang cip boleh diimbangi dengan meningkatkan pembangunan dan penggunaan cip pengkomputeran kuasa besar domestik. Mereka menekankan bahawa walaupun beberapa syarikat cip telah muncul di China, keupayaan untuk menggunakan algoritma secara cekap dan seragam pada cip perlu diperkukuh lagi.

Pada masa yang sama, pakar juga menyebut isu aplikasi model besar dalam bidang menegak yang berbeza. Dalam bidang seperti perubatan dan kewangan, mendapatkan data korpus berskala besar adalah masalah besar. Oleh itu, mewujudkan model besar asas universal dan membuat penalaan halus terperinci akan membantu meningkatkan prestasi asas pelbagai industri.

Dalam bidang kecerdasan buatan, satu kejayaan telah dibuat: masalah air tanpa sumber model besar yang dihasilkan dalam negara telah diselesaikan.

Adalah diterima umum bahawa mengautomasikan penggunaan dan pengoptimuman model besar ke dalam penyelesaian bersepadu adalah trend penting. Meningkatkan kecekapan keseluruhan dan mencapai hasil yang lebih kos efektif dengan melaksanakan pendekatan berlapis untuk mengoptimumkan kerjasama perisian dan perkakasan, pengoptimuman kompilasi dan penggunaan infrastruktur perkakasan. Pakar menyeru untuk penerokaan lanjut algoritma penalaan halus yang cekap untuk memenuhi keperluan model besar dalam medan menegak yang berbeza.

Para peserta mencapai kata sepakat, menekankan bahawa pembangunan model besar memerlukan usaha bersama kerajaan, perusahaan dan ahli akademik. Kerajaan harus mengukuhkan panduan dasar dan menggalakkan penyelidikan asas dan latihan bakat. Perusahaan harus mengambil peranan utama dan meningkatkan pelaburan dan promosi dalam pembinaan model besar. Komuniti akademik harus mengukuhkan kerjasama dengan industri untuk menggalakkan transformasi dan penerapan pencapaian saintifik dan teknologi.

Pakar menekankan keperluan untuk mengukuhkan penyelidikan dan penerokaan mengenai keselamatan dan kredibiliti dalam pembangunan model berskala besar. Mereka menyokong penubuhan norma dan piawaian yang sepadan untuk memastikan bahawa penggunaan model besar tidak membawa kesan buruk dan risiko.

Akhirnya, para peserta menyatakan bahawa pembangunan model besar akan membawa peluang besar kepada industri kecerdasan buatan, tetapi mereka juga perlu berwaspada terhadap potensi risiko dan cabaran. Mereka menggalakkan semua pihak untuk menjalankan kerjasama yang mendalam dalam penyelidikan dan pembangunan, penggunaan dan aplikasi model besar untuk bersama-sama mempromosikan pembangunan sihat kecerdasan buatan dan kemajuan sosial.

Dalam bidang kecerdasan buatan, satu kejayaan telah dibuat: masalah air tanpa sumber model besar yang dihasilkan dalam negara telah diselesaikan.

Pakar menjalankan perbincangan dan pertukaran yang meluas mengenai pembangunan dan aplikasi model berskala besar di forum Persidangan Kepintaran Buatan Dunia. Mereka memberikan pandangan dan cadangan berharga tentang inovasi asas, aplikasi teknologi dan prospek masa depan dalam bidang kecerdasan buatan, menunjukkan arah untuk pembangunan industri kecerdasan buatan.

Atas ialah kandungan terperinci Dalam bidang kecerdasan buatan, satu kejayaan telah dibuat: masalah 'air tanpa sumber' model besar yang dihasilkan dalam negara telah diselesaikan.. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Cara Membuka Segala -galanya Di Myrise
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Jun 28, 2024 am 03:51 AM

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

Apl model besar Tencent Yuanbao berada dalam talian! Hunyuan dinaik taraf untuk mencipta pembantu AI serba boleh yang boleh dibawa ke mana-mana Apl model besar Tencent Yuanbao berada dalam talian! Hunyuan dinaik taraf untuk mencipta pembantu AI serba boleh yang boleh dibawa ke mana-mana Jun 09, 2024 pm 10:38 PM

Pada 30 Mei, Tencent mengumumkan peningkatan menyeluruh model Hunyuannya Apl "Tencent Yuanbao" berdasarkan model Hunyuan telah dilancarkan secara rasmi dan boleh dimuat turun dari kedai aplikasi Apple dan Android. Berbanding dengan versi applet Hunyuan dalam peringkat ujian sebelumnya, Tencent Yuanbao menyediakan keupayaan teras seperti carian AI, ringkasan AI, dan penulisan AI untuk senario kecekapan kerja untuk senario kehidupan harian, permainan Yuanbao juga lebih kaya dan menyediakan pelbagai ciri , dan kaedah permainan baharu seperti mencipta ejen peribadi ditambah. "Tencent tidak akan berusaha untuk menjadi yang pertama membuat model besar, Liu Yuhong, naib presiden Tencent Cloud dan orang yang bertanggungjawab bagi model besar Tencent Hunyuan, berkata: "Pada tahun lalu, kami terus mempromosikan keupayaan untuk Model besar Tencent Hunyuan Dalam teknologi Poland yang kaya dan besar dalam senario perniagaan sambil mendapatkan cerapan tentang keperluan sebenar pengguna

Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Jun 10, 2024 am 11:08 AM

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

Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Jun 07, 2024 am 10:06 AM

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

Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Jun 11, 2024 pm 03:57 PM

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

Amalan lanjutan graf pengetahuan industri Amalan lanjutan graf pengetahuan industri Jun 13, 2024 am 11:59 AM

1. Latar Belakang Pengenalan Pertama, mari kita perkenalkan sejarah pembangunan Teknologi Yunwen. Syarikat Teknologi Yunwen...2023 ialah tempoh apabila model besar berleluasa Banyak syarikat percaya bahawa kepentingan graf telah dikurangkan dengan ketara selepas model besar, dan sistem maklumat pratetap yang dikaji sebelum ini tidak lagi penting. Walau bagaimanapun, dengan promosi RAG dan kelaziman tadbir urus data, kami mendapati bahawa tadbir urus data yang lebih cekap dan data berkualiti tinggi adalah prasyarat penting untuk meningkatkan keberkesanan model besar yang diswastakan Oleh itu, semakin banyak syarikat mula memberi perhatian kepada kandungan berkaitan pembinaan pengetahuan. Ini juga menggalakkan pembinaan dan pemprosesan pengetahuan ke peringkat yang lebih tinggi, di mana terdapat banyak teknik dan kaedah yang boleh diterokai. Dapat dilihat bahawa kemunculan teknologi baru tidak mengalahkan semua teknologi lama, tetapi mungkin juga mengintegrasikan teknologi baru dan lama.

Xiaomi Byte bergabung tenaga! Model besar akses Xiao Ai ke Doubao: sudah dipasang pada telefon mudah alih dan SU7 Xiaomi Byte bergabung tenaga! Model besar akses Xiao Ai ke Doubao: sudah dipasang pada telefon mudah alih dan SU7 Jun 13, 2024 pm 05:11 PM

Menurut berita pada 13 Jun, menurut akaun awam “Volcano Engine” Byte, pembantu kecerdasan buatan Xiaomi “Xiao Ai” telah mencapai kerjasama dengan Volcano Engine Kedua-dua pihak akan mencapai pengalaman interaktif AI yang lebih pintar berdasarkan model besar beanbao . Dilaporkan bahawa model beanbao berskala besar yang dicipta oleh ByteDance boleh memproses sehingga 120 bilion token teks dengan cekap dan menjana 30 juta keping kandungan setiap hari. Xiaomi menggunakan model besar Doubao untuk meningkatkan keupayaan pembelajaran dan penaakulan modelnya sendiri dan mencipta "Xiao Ai Classmate", yang bukan sahaja memahami keperluan pengguna dengan lebih tepat, tetapi juga menyediakan kelajuan tindak balas yang lebih pantas dan perkhidmatan kandungan yang lebih komprehensif. Contohnya, apabila pengguna bertanya tentang konsep saintifik yang kompleks, &ldq

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

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

See all articles