峰會上,，王金橋研究員圍繞“紫東太初”大模型發(fā)表主旨演講,?！≈锌圃鹤詣踊?供圖

中新網(wǎng)北京5月6日電 (記者 孫自法)中國科學(xué)院自動化研究所(中科院自動化所)6日發(fā)布消息說,，該所以其多模態(tài)大模型“紫東太初”1.0為基礎(chǔ),，目前正在和武漢人工智能研究院聯(lián)合打造全模態(tài)大模型“紫東太初”2.0,，可實現(xiàn)文本,、圖片,、語音,、視頻、3D點云,、傳感信號等不同模態(tài)的統(tǒng)一表征和學(xué)習(xí),，助推從感知世界到認(rèn)知世界的通用人工智能時代加速到來,。

以多模態(tài)技術(shù)探索通用人工智能

在當(dāng)天下午舉行的華為昇騰AI(人工智能)開發(fā)者峰會上,，中科院自動化所“紫東太初”大模型研究中心常務(wù)副主任,、武漢人工智能研究院院長王金橋研究員應(yīng)邀作主旨演講介紹說，中科院自動化所2019年開始在語音,、文本,、圖像等單模態(tài)大模型研究和應(yīng)用基礎(chǔ)上,，瞄準(zhǔn)多模態(tài)大模型領(lǐng)域聯(lián)合攻關(guān)，2021年7月正式發(fā)布全球首個千億參數(shù)多模態(tài)大模型“紫東太初”,，以多模態(tài)技術(shù)探索通用人工智能發(fā)展道路,。

有別于以文本為主的大部分語言大模型，“紫東太初”在研發(fā)之初即堅持以多模態(tài)技術(shù)為核心，利用圖-音-文等更多類型數(shù)據(jù)進行跨模態(tài)的統(tǒng)一表征和學(xué)習(xí),，實現(xiàn)圖像,、文本、語音三模態(tài)數(shù)據(jù)間的“統(tǒng)一表示”與“相互生成”,，使人工智能大模型的理解和生成能力更加接近人類,，為貫通多模態(tài)人工智能行業(yè)應(yīng)用提供創(chuàng)新基礎(chǔ)，向通用人工智能邁出關(guān)鍵一步,。

王金橋指出，在“紫東太初”1.0應(yīng)用推廣過程中,，除需要處理海量語音,、圖像和文本等互聯(lián)網(wǎng)信息外，更需要處理多種傳感器,、3D點云及視頻等物聯(lián)網(wǎng)海量數(shù)據(jù)，才能滿足現(xiàn)實生產(chǎn)力的提高。針對數(shù)字物聯(lián)時代的新需求與新趨勢,，中科院自動化所研究探索全模態(tài)大模型體系架構(gòu)和基礎(chǔ)算法,，持續(xù)推動“紫東太初”技術(shù)和應(yīng)用發(fā)展。在文本,、圖片,、音頻、視頻的基礎(chǔ)上,，“紫東太初”2.0可融入3D,、視頻、傳感信號等更多模態(tài)數(shù)據(jù),，并優(yōu)化語音,、視頻和文本的融合認(rèn)知以及常識計算等功能，進一步突破感知,、認(rèn)知和決策的交互屏障,，讓人工智能從感知世界進化為認(rèn)知世界，延伸出更強大的通用能力,。

峰會上,，王金橋研究員圍繞“紫東太初”大模型發(fā)表主旨演講?！≈锌圃鹤詣踊?供圖

促進國產(chǎn)全棧式基礎(chǔ)軟硬件發(fā)展

王金橋表示,，“紫東太初”大模型從立項開始，就以中科院自動化所自研算法為核心,，以全棧國產(chǎn)化基礎(chǔ)軟硬件昇騰AI平臺為基礎(chǔ),，依托武漢人工智能計算中心算力支持，從而有力促進國產(chǎn)全棧式基礎(chǔ)軟硬件的發(fā)展,。

在華為昇騰AI開發(fā)者峰會上,，“紫東太初”大模型開源了基于昇騰與昇思的3.8B圖像-文本-語音多模態(tài)模型，并開放“紫東太初”大模型服務(wù)平臺,。

中科院自動化所稱,，從互聯(lián)網(wǎng)的圖音文多模態(tài)走向物聯(lián)網(wǎng)的全模態(tài)，以打造國產(chǎn)化通用人工智能“底座”為目標(biāo),，該所將持續(xù)推進“紫東太初”大模型基礎(chǔ)理論,、關(guān)鍵技術(shù)和應(yīng)用生態(tài)的全鏈條自主創(chuàng)新，著力以自主可控基礎(chǔ)軟硬件建立開源開放的多模態(tài)產(chǎn)業(yè)生態(tài),，不懈探索通用人工智能創(chuàng)新路徑,。

“紫東太初”具有廣闊應(yīng)用潛力

王金橋透露，目前,，由中科院自動化牽頭打造的多模態(tài)人工智能產(chǎn)業(yè)聯(lián)合體已陸續(xù)吸納產(chǎn)學(xué)研各界近70家成員單位,，圍繞多模態(tài)大模型技術(shù)及應(yīng)用，“紫東太初”大模型已在手語教學(xué)、法律咨詢,、交通出行,、廣電、醫(yī)療機器人,、醫(yī)學(xué)影像判讀等數(shù)十個行業(yè)場景領(lǐng)域,，展現(xiàn)出廣闊的落地應(yīng)用潛力,。

其中,，在法律咨詢行業(yè)，“紫東太初”大模型僅用0.546秒就可對法律案件進行拆解,、提取關(guān)鍵事件,，在辦公效率方面實現(xiàn)案件分析速度的百倍提升,，可有效解決律師整體資源匱乏、服務(wù)成本高等問題,。

在智慧交通領(lǐng)域，基于“紫東太初”大模型構(gòu)建的面向公路路網(wǎng)孿生仿真,、調(diào)度、養(yǎng)護,、節(jié)能、服務(wù)等全周期,、全天候,、安全安心的數(shù)智平臺，讓道路通行率有效提升30%。

在醫(yī)療領(lǐng)域,，基于“紫東太初”打造的MicroNeuro顱內(nèi)微創(chuàng)手術(shù)機器人系統(tǒng)已完成國際首例深位顱內(nèi)活檢手術(shù),，支持視覺,、觸覺的跨模態(tài)融合，該大模型的升級也將加速優(yōu)化針對神經(jīng)外科手術(shù)場景的自主理解,。(完)