4月8日，人工智能大模型技術(shù)高峰論壇在杭州蕭山開幕,。
證券時(shí)報(bào)·e公司從現(xiàn)場(chǎng)了解到,，出席此次活動(dòng)的嘉賓，不僅包括多位重量級(jí)院士嘉賓,，華為云人工智能領(lǐng)域首席科學(xué)家田奇也現(xiàn)身,，并就人工智能發(fā)展趨勢(shì)、盤古大模型的進(jìn)展及應(yīng)用等熱點(diǎn)話題,，在會(huì)上進(jìn)行了分享,。
今年以來，人工智能持續(xù)在全球升溫,，在這輪新的人工智能浪潮中,，田奇稱，人工智能發(fā)展,，已經(jīng)從局部探索,，走向千行百業(yè)。AI正在走進(jìn)企業(yè)核心生產(chǎn)系統(tǒng),，開始創(chuàng)造更大價(jià)值,；人工智能行業(yè)滲透率提速，2026年將達(dá)到20%,。
在田奇看來,，人工智能發(fā)展趨勢(shì)呈現(xiàn)兩大特點(diǎn)：首先是從小模型到大模型,；其次是人工智能與科學(xué)技術(shù)的交匯。
據(jù)介紹,，大模型成為應(yīng)對(duì)AI領(lǐng)域應(yīng)用碎片化的一種方式,。這種方式下，提高了模型泛化能力,，減少了對(duì)于領(lǐng)域數(shù)據(jù)標(biāo)注的依賴和模型微調(diào),；模型復(fù)雜度（參數(shù)個(gè)數(shù)）持續(xù)爆發(fā)，不到半年增長了10倍,，達(dá)到了1750億,。
同時(shí)，大模型有可能收編高度定制化的小模型,，導(dǎo)致市場(chǎng)向大模型集中,。這主要是因?yàn)椋_發(fā)大模型資金門檻高,，開發(fā)和訓(xùn)練一次,，需要1200萬美元；技術(shù)門檻高,，具有對(duì)AI框架深度優(yōu)化和超強(qiáng)的并行計(jì)算能力,。
另外，大模型正在改變AI產(chǎn)業(yè)的規(guī)劃與格局,。比方說,，牽引AI產(chǎn)業(yè)快速收斂，構(gòu)建AI產(chǎn)業(yè)的底座,；匯聚和沉淀行業(yè)生態(tài)及開發(fā)者生態(tài),，形成產(chǎn)業(yè)生態(tài)黏性。
AI在哪些科學(xué)計(jì)算場(chǎng)景能發(fā)揮“尖刀”作用,？“工業(yè),、氣象、能源,、生物醫(yī)學(xué)等眾多領(lǐng)域,，都受到了人工智能的深刻影響?！碧锲娣Q,，大模型是連接技術(shù)生態(tài)和商業(yè)生態(tài)的橋梁，是未來AI生態(tài)的核心,。
“AI for Industries是人工智能新的爆點(diǎn)”
除了行業(yè)的發(fā)展趨勢(shì),，田奇也談到了盤古大模型的進(jìn)展和趨勢(shì)。田奇稱，華為盤古大模型正在推動(dòng)人工智能開發(fā)從“作坊式”到“工業(yè)化”升級(jí),。
據(jù)介紹,，2019-2021年，華為開始了盤古大模型的立項(xiàng)研發(fā),，并在2021年4月份開發(fā)出了盤古基礎(chǔ)大模型,，隨后又陸續(xù)發(fā)布了多個(gè)盤古行業(yè)大模型系列。譬如,，2021年9月份,，開發(fā)了盤古藥物分子大模型；2022年6月,，盤古礦山大模型,；2022年11月份，盤古氣象,、海浪,、金融OCR等領(lǐng)域大模型發(fā)布。
“大模型是AI產(chǎn)業(yè)快速發(fā)展的必然選擇,，行業(yè)正在從‘大煉模型’轉(zhuǎn)向‘煉大模式’,。”田奇稱,，傳統(tǒng)AI時(shí)代,，不同場(chǎng)景對(duì)應(yīng)不同小模型，一個(gè)場(chǎng)景一個(gè)模型,，模型參數(shù)小,，泛化性差。大模型時(shí)代,，大模型吸取海量知識(shí),，適配多業(yè)場(chǎng)景，多個(gè)場(chǎng)景一個(gè)模型,，模型參數(shù)大,，泛化性強(qiáng),。
譬如,，GPT-2，參數(shù)為15億,，到了GPT-3,，參數(shù)為1750億。盤古大模式,，參數(shù)達(dá)到了千億級(jí),。Switch Transformer，參數(shù)已達(dá)到了16000億。多參數(shù),，可以掌握海量知識(shí)背后的邏輯,，有極高泛化能力；同時(shí),，還可以降低研發(fā)成本,，自監(jiān)督學(xué)習(xí)，減少標(biāo)注數(shù)據(jù),，解決人工標(biāo)注成本高,，周期長，準(zhǔn)確度不高問題,。
據(jù)介紹,，華為盤古大模型，具有優(yōu)秀的泛化能力,，可以充分挖掘數(shù)據(jù)內(nèi)的聯(lián)系,，達(dá)到更高的泛化性能；高效樣本篩選能力,，可以海量無標(biāo)注樣本篩選,，節(jié)省80%以上人力標(biāo)注代價(jià)；小樣本/零樣本能力,，自動(dòng)化數(shù)據(jù)增強(qiáng),，數(shù)據(jù)挖掘算法，實(shí)現(xiàn)零訓(xùn)練樣本下缺陷樣本識(shí)別,，較傳統(tǒng)方法發(fā)現(xiàn)率提升2-3倍,；低門檻AI開發(fā)，提供自動(dòng)化工作流,，自動(dòng)數(shù)據(jù)處理,，自動(dòng)化調(diào)參，自動(dòng)化生成模型,，減少對(duì)AI開發(fā)工程師專業(yè)依賴,。
“AI for Industries（工業(yè)人工智能）是人工智能新的爆點(diǎn)，盤古行業(yè)大模型正在加速落地,，賦能千行百業(yè)智能升級(jí),。”田奇稱,。
免責(zé)聲明：本文來自網(wǎng)絡(luò)收錄或投稿,，觀點(diǎn)僅代表作者本人,，不代表芒果財(cái)經(jīng)贊同其觀點(diǎn)或證實(shí)其描述，版權(quán)歸原作者所有。轉(zhuǎn)載請(qǐng)注明出處：http://lequren.com/1013311.html
溫馨提示：投資有風(fēng)險(xiǎn),，入市須謹(jǐn)慎,。本資訊不作為投資理財(cái)建議。
