Heim > Technologie-Peripheriegeräte > KI > Kaifu Lee: Große KI-Modelle sind eine historische Chance, die man sich nicht entgehen lassen darf

Kaifu Lee: Große KI-Modelle sind eine historische Chance, die man sich nicht entgehen lassen darf

WBOY
Freigeben: 2023-06-05 12:41:28
nach vorne
1453 Leute haben es durchsucht

Kaifu Lee: Große KI-Modelle sind eine historische Chance, die man sich nicht entgehen lassen darf

„Ich denke, die revolutionärste KI2.0-Anwendung wird AI-First sein“, sagte Kaifu Li, Vorsitzender von Sinovation Ventures, in seiner Rede.

Was ist eine AI-First-Anwendung? Es bezieht sich auf Anwendungen, die ohne das große Modell nicht existieren können.

Am 28. Mai hielt Kaifu Li, Vorsitzender und CEO von Sinovation Ventures und Dekan des Artificial Intelligence Engineering Institute von Sinovation Ventures, auf dem Zhongguancun Forum 2023 eine Rede mit dem Titel „Neue Möglichkeiten von AI1.0 bis AI2.0“.

In seiner Rede äußerte er seine eigene Meinung zu denjenigen, die Zweifel an der Entwicklung großer Modelle hatten, einschließlich des kommerziellen Werts der Entwicklung großer Modelle, der Auswirkungen von AI2.0 auf die zukünftige Anwendungsökologie und der Aussichten für die Entwicklung von große Modelle in China.

Er sagte, dass selbst ein unvollkommenes großes Modell einen kommerziellen Wert von mehreren zehn Billionen Dollar hat. Der zukünftige KI2.0-Markt wird voraussichtlich zehnmal so groß sein wie das mobile Internet und auf drei Ebenen Giganten, kleine und mittlere Unternehmen sowie Start-ups umfassen. Wir freuen uns darauf, einen „Innovationskomplex“ zu schaffen, in dem sich Giganten, kleine, mittlere und innovative Kleinstunternehmen gemeinsam entwickeln können.

Das Folgende ist der vollständige Text von Kai-fu Lees Rede (mit Auszügen)

Ich freue mich sehr über die Gelegenheit, die aktuelle KI 2.0 aus der Perspektive unseres Investmentinstituts zu betrachten. Ich bin möglicherweise die Person, die sich unter den Investmentinstituten am besten mit KI auskennt, und ich weiß möglicherweise auch am besten über Investitionen dem Bereich der KI. Ich bin sehr aufgeregt, denn das Aufkommen von AI2.0 und Großmodellen hat mich in den letzten zwei Jahren dazu gebracht, fast alle relevanten Artikel der letzten fünf Jahre zu lesen. Auch die Investment- und Technologieteams von Sinovation Ventures beschäftigen sich mit diesem Bereich. Aus diesem Grund sind sie sogar in die USA gereist, um sich über einige der neuesten Entwicklungen bei OpenAI, Google und Microsoft zu informieren.

Was ich heute vorstellen möchte, sind nicht die von Sinovation Ventures oder anderen tatsächlichen Unternehmen investierten Unternehmen, aber ich hoffe, dass ich als Antwort auf die vielen aktuellen Fragen zu den großen AI2.0-Modellen eine relativ einfache Erklärung geben kann, die für alle hilfreich ist .

01

Geschäftswert großer Modelle

Was ist AI2.0? Aus Sicht von Sinovation Ventures, aus Sicht der Investition, die einen wirtschaftlichen Wert generiert, werden die Entwicklungsstadien der KI in AI1.0 und 2.0 unterteilt. Deep Learning entwickelte sich nach AlphaGo zu AI1.0 und wurde anschließend in verschiedenen Branchen weit verbreitet eingesetzt und schuf Mehrwert.

Seit 1989 hat die Entwicklung von AI1.0 begonnen. In den letzten Jahren sind jedoch einige Schwierigkeiten aufgetreten, die durch große Modelle gelöst werden können. Welche Engpässe sind bei AI1.0 aufgetreten? Als es zu dieser Zeit noch keine großen Modelle gab, mussten wir, wenn wir KI in einem Feld anwenden wollten, Daten in diesem Feld sammeln, bereinigen und kennzeichnen und sie dann zur Anpassung des Modells verwenden. Die Kosten für den gesamten Prozess betrugen sehr teuer.

Für große Unternehmen wie Douyin, Alibaba oder Baidu gibt es kein Problem. Sie sammeln zu viele Daten und es gibt viele Möglichkeiten, Geld zu verdienen. Wenn Sie jedoch eine Bank, eine Versicherungsgesellschaft oder eine Fabrik sind, gibt es große Probleme bei der Umsetzung von KI-Anwendungen, und die Kosten sind unerträglich.

Der Vorteil großer Modelle besteht darin, dass sie einmal vollständig trainiert und dann durch Transferlernen oder Feinabstimmung angewendet werden können. Im Zeitalter der KI 1.0 ist jede Anwendung eine isolierte Insel. Mit dem Aufkommen großer Modelle können jedoch umfangreiche Daten verwendet werden, um ein grundlegendes großes Modell auf einmal zu trainieren, und dieses Modell kann dann zur Anpassung der erforderlichen Anwendungen verwendet werden , wodurch die Kosten erheblich gesenkt werden. Beispielsweise können Lautsprecherprodukte wie „Xiao Ai“ verwirrt sein, sobald sie das Feld verlassen, das „Xiao Ai“ versteht. Sie werden feststellen, dass der intelligente Lautsprecher tatsächlich nur einige Dinge wie Spielen kann Musik, einfache Dinge wie das Überprüfen des Wetters, und es gibt viele Dinge, die nicht getan werden können. Aber wenn Sie etwas wie ChatGPT einbauen, wird seine Wissensreserve aktiviert. Solange Sie seinen Konversationsmodus anpassen, kann er zu einem sehr guten Konversationsroboter werden.

Ein sehr perfektes Großmodell hat auch im Geschäftsleben einen beträchtlichen Wert und kann sogar eine Größenordnung von Billionen erreichen. Es kommt darauf an, wie Menschen damit kooperieren, nämlich den sogenannten Human in the Loop.

Reporter nutzen KI, um ihnen beim Schreiben zu helfen, oder Anwälte nutzen KI, um ihnen bei Rechtsstreitigkeiten zu helfen. Solange Menschen weiterhin für den Artikel oder Rechtsstreit verantwortlich sind und KI nur das vorläufige Schreiben übernimmt, wird es kein Problem geben. In Anbetracht der Tatsache, dass die Menschen gelernt haben, dass künstliche Intelligenz auch Fehler machen kann, erlauben wir ihr zunächst nur die Bereitstellung von Manuskriptentwürfen, anstatt den Benutzern direkt zu dienen, um Benutzer vor Schäden durch Fehlinformationen zu schützen.

AI nutzt die Vorteile seiner riesigen Datenbank voll aus. Beispielsweise kann es eine neue Zusammenfassung basierend auf der Lektüre von 1.000 Artikeln schreiben und eine Zusammenfassung basierend auf der Lektüre der letzten 10.000 historischen Klagen erstellen oder Anwälte erhalten nützliche Informationen und lassen überprüfen, ob die KI Fehler gemacht hat.

Außerdem kümmern sich die Leute in manchen Bereichen nicht wirklich darum, dass die KI Fehler macht. In Unterhaltungsanwendungen ist es beispielsweise harmlos, ein Held in einem Spiel zu sein und einen längeren oder kürzeren Bart zu haben, oder so kann einen falschen Satz sagen. Die Wörter spielen keine Rolle, sie sind sowieso alle im Spiel erfunden. Tatsächlich können viele Anwendungsbereiche diese unvollkommenen großen Modelle tolerieren. Basierend auf der Analyse dieser Tatsache hat KI ein großes Potenzial für Produktivitätsanwendungen. Natürlich sind einige Bereiche sehr kritisch und können keine Fehler tolerieren, wie z. B. die Nachrichtensuche, Regierungswebsites oder medizinische und bildungsbezogene Bereiche. In Zukunft muss das Problem großer Modellfehler behoben werden gelöst.

02

AI2.0 schreibt das Anwendungsökosystem neu

Wir können uns durchaus vorstellen, dass die heutigen Word-, PowerPoint-, Excel-, Photoshop- und anderen Anwendungen alle mit großen KI-Modellen neu geschrieben werden und sich nach dem Umschreiben ihre Benutzererfahrung und sogar das Geschäftsmodell ändern wird. Es gibt auch Bereiche, in denen die Kosten für einen Fehler nicht allzu hoch sind, beispielsweise bei der Push-Werbung. Wenn eine Werbung falsch gepusht wird, ist sie harmlos. Heutzutage wird uns aus Versehen eine Menge Werbung zugespielt, und die Werbung, die wir erhalten, wenn wir den Fernseher oder Websites einschalten, ist nicht zielgerichtet, aber KI kann Werbung zielgerichteter gestalten, auch wenn sie gelegentlich Fehler macht.

Allein in den oben genannten Bereichen ist es meiner Meinung nach eine Chance im Wert von mehreren zehn Billionen Dollar. Natürlich müssen wir weiterhin hart daran arbeiten, die Häufigkeit dieses Unsinns zu reduzieren. Hier finden Sie einen vollständigen Satz von Methoden, von den Daten vor dem Training über die Ausrichtung des Trainings bis hin zur anschließenden Verarbeitung sowie einige Frühwarn- und vorübergehende Schnellkorrekturmethoden . Diese Kombinationen Ich glaube, dass wir es gemeinsam schaffen können.

Produktivität ist die größte Chance. AI2.0 verfügt normalerweise über die unterste Ebene als Grundmodell. Wir haben gerade über die obere Anwendungsebene gesprochen, z. B. die Unterstützung beim Schreiben von Manuskripten, beim Schreiben von Klagen, beim Zeichnen von Bildern, beim Ausschneiden von Bildern usw. Es gibt auch eine mittlere Schicht, die verschiedene Tools zur Optimierung von Modellen und zur Implementierung von Transferlernen bereitstellt, um die effizientere Anwendung großer Modelle zu unterstützen. Die mittlere Schicht besteht aus zwei Teilen. Der erste besteht darin, die Basismodellschicht nach außen zu erweitern. Wenn das Modell beispielsweise so groß ist, kann es reduziert werden, wenn eine Inferenz erforderlich ist, und ein großes Modell in ein kleines Modell umgewandelt werden für ein bestimmtes Fachgebiet? Oder das gerade angesprochene Problem der Reduzierung der Unsinnshäufigkeit.

Das andere ist die Anpassung von der Anwendungsebene abwärts. Wenn wir beispielsweise ein Photoshop neu schreiben möchten, können Sie einen Satz sagen und das Bild wird angezeigt, aber Sie müssen möglicherweise noch weiter gehen und sagen: „Ich möchte“. um die Farbe des Regenbogens zu ändern oder das Verhältnis von Männern zu Frauen im Inneren anzupassen, was einen intelligenten Schnitt des großen Modells und ein Verständnis für einige Objekte erfordert. Diese hängen eigentlich nicht direkt mit dem großen Modell selbst zusammen, aber ohne diese Funktionen ist es unmöglich, Photoshop an jemanden weiterzugeben, der Bilder zeichnen möchte.

Die mittlere Schicht ist eigentlich sehr wichtig. Woran denken wir bei der mittleren Schicht? Beispielsweise ist der Zweck der von Windows, Android und Apple bereitgestellten Mittelschicht sehr einfach: die Kosten für die Anwendungsentwicklung zu minimieren. Nur so kann die Zahl der Bewerbungen steigen und ein positiver Kreislauf entstehen, in dem Benutzer mehr Bewerbungen einbringen.

In meiner vorherigen Rede habe ich den Beginn der KI-2.0-Ära erwähnt – eine Plattform plus Anwendungsmodell. Sobald diese Plattformtechnologie beherrscht wird, wird sie jeden Bereich verändern. Wir können deutlich spüren, dass zum Beispiel beim Erstellen eines Spiels die Erstellung aller Charaktere, einschließlich Hintergründe, Requisiten, Kleidung und sogar aller Codes, letztendlich mithilfe von KI geschrieben wird, sodass es sehr wahrscheinlich ist, dass einige Kinder dies tun werden Schreiben Sie es in Zukunft in der Community auf, und jeder kann sich gegenseitig das Spiel vorstellen, und Sie können es in wenigen Sekunden spielen.

Der gerade erwähnte E-Commerce und die Werbung sind ebenfalls ein Beispiel. Wir können Werbung und Bilder für jede Person entsprechend ihren Bedürfnissen, ihrem Wissen, ihrem Bildungsniveau und ihren Einkaufsgewohnheiten anpassen kaufen. Natürlich wird es hier regulatorische Probleme geben. Was ist, wenn das, was Sie schreiben, falsch ist oder den Benutzern schadet? Dies bedarf immer noch einer rechtlichen Aufsicht, aber ich hoffe, dass jeder diese beiden Beispiele verstehen kann.

03

Im Zeitalter großer Modelle KI-First sein

Große Modelle werden nicht nur die künstliche Intelligenz reformieren, sondern auch große plattformähnliche Lücken mit sich bringen. Unter allen Anwendungen wird AI-First die wichtigste Anwendung sein. Was ist AI-First? Es ist nur so, dass diese Anwendung nicht funktioniert, wenn sie nicht über KI verfügt. Beispielsweise entwickeln einige der Mobile-First-Anwendungen, die wir jetzt verwenden, wie Meituan, Didi und Douyin, Anwendungen auf der Grundlage, dass Mobiltelefone den ganzen Tag über bei Menschen sind. Ohne das Mobiltelefon können diese Anwendungen nicht verwendet werden.

Diese Unternehmen haben die Funktionen von Mobiltelefonen vollständig genutzt, neue, an Mobiltelefone angepasste Anwendungen entwickelt und unseren geografischen Standort erhalten, damit wir sie für Aktivitäten wie Taxirufe und Take-aways nutzen können. Andere Unternehmen wie Sina, NetEase, Douban usw. haben sich im Zeitalter des mobilen Internets ebenfalls sehr gut geschlagen, aber sie haben nur ihre PC-Anwendungen verschoben, sodass sie nicht die gleiche Explosion erlebten. Wer damals ein Unternehmen gründen oder in das mobile Internet investieren wollte, musste Apps auswählen, die mobil sein mussten. Wer heute also ein Unternehmen im Bereich der künstlichen Intelligenz gründen möchte, muss Apps erstellen, die mobil sind künstliche Intelligenz haben.

Vereinfacht ausgedrückt bedeutet AI-First, dass die Anwendung ohne große Modelle völlig nutzlos wird. Diese Art von Anwendung ist das, was wir heute tun müssen. Es wird der Liebling der Zukunft dieser Ära sein. Bei der gesamten Benutzererfahrung geht es möglicherweise mehr darum, zu lernen, mit uns in menschlicher Sprache zu kommunizieren, als dass wir gezwungen werden, Computersprache zu lernen. .

Natürlich wissen wir alle, dass es immer noch viele Herausforderungen gibt, darunter Themen wie Falschinformationen und Datenschutz. Wir betonen, dass eine Stärkung der Aufsicht notwendig ist und wir auch mehr Technologie benötigen, um diese Probleme zu lösen. Der alleinige Einsatz von Aufsicht oder Technologie reicht definitiv nicht aus, beide Methoden sollten kombiniert werden.

In letzter Zeit gab es einige kontroverse Stimmen auf dem Markt, wie zum Beispiel „Sie können eine chinesische Version von OpenAI mithilfe großer Open-Source-Modelle aus Übersee erstellen“, „Es besteht keine Notwendigkeit, große Modelle zu erstellen, kleine Modelle reichen aus“, „Groß.“ „Modelle sind teuer und arbeitsintensiv.“ „Es gibt zu viele große Modell-Startups in China“ und so weiter. Meiner Meinung nach ist Open Source in Zukunft auf jeden Fall sehr wichtig, denn es gibt immer noch Unternehmer an Universitäten, die nicht über Open Source verfügen, und es ist schwierig, die nötige Kraft für den Start zu bekommen.

Aber wir dürfen nicht glauben, was manche Leute im Internet sagen. Ich habe ein Open-Source-Modell wie GPT-4 zum Trainieren genommen und plötzlich festgestellt, dass das Modell so gut ist wie GPT-4, also hat das große Modell keine Wert, und Sie müssen es nicht tun. Das ist absolut falsch.

Denn erstens kann das Open-Source-Modell selbst Einschränkungen haben. Wenn Sie ein großes Modell trainieren, sind viele GPUs erforderlich und die Kosten sind relativ hoch. Das Open-Source-Modell legt im Grunde die Obergrenze Ihres Modells fest, und dann führen Sie die Ausrichtungsanpassung und Lernarbeit im Inneren durch. Die Verbesserungen, die diese Aufgaben für das Modell mit sich bringen, werden durch Ihre Obergrenze bestimmt. Wenn Ihr Ziel von Anfang an eine Obergrenze wie GPT-4 ist, wird es unmöglich sein, ein Modell größer als diese zu machen. Zweitens verwenden viele Leute GPT-4, um ihre Open-Source-Modelle zu trainieren, aber wir können wirklich nicht garantieren, dass GPT-4 auch in Zukunft weiterhin zur Verwendung offen sein wird. Die Feinabstimmung eines im Ausland ausgebildeten Modells für den Einsatz im Inland ist gefährlich. Da die Kultur, Gewohnheiten, Gesetze und Vorschriften im In- und Ausland unterschiedlich sind, glauben Sie, dass diese Frameworks inländische Probleme lösen können, wenn Sie eine Reihe von in den USA trainierten Modellen nehmen und diese in China debuggen?

Ich glaube also immer noch, dass es notwendig ist, große Modelle zu öffnen. Natürlich wird es in Zukunft keine 50 großen Modellunternehmen mehr geben. Diese werden auf eine relativ kleine Zahl schrumpfen, so wie es damals etwa 10 amerikanische Suchmaschinen gab Zuerst gestartet. Später entwickeln sich die verbleibenden fünf oder sechs Unternehmen durch Fusionen und Übernahmen sehr gut. Zum Beispiel war Google das letzte, das auftauchte, aber es hat sich zum ersten Unternehmen entwickelt. Ich denke also, dass es spezifischere Unternehmen geben wird, ob es hauptsächlich große oder kleine Unternehmen sein werden Abschluss zu früh. Jeder hat noch eine Chance.

Heute, insbesondere wenn wir in diesem Bereich noch aufholen, sollten wir dennoch verschiedene Entwicklungsmodelle fördern, da es für uns schwierig ist zu wissen, wer dies erreichen kann.

Es gibt drei Schritte in der Entwicklung großer Modelle. Der erste Schritt besteht darin, die Schwelle zum „Entstehen“ großer Modelle zu überschreiten Große Modellunternehmen in China haben dieses Niveau von ungefähr 60 Milliarden erreicht, aber die Qualität der Daten Chinas ist nicht hoch genug. Wenn wir in die dritte Stufe eintreten wollen, sind es sowohl die Datenqualität als auch der Datenumfang wichtig; der dritte Schritt besteht darin, ein führendes großes Modellunternehmen zu werden. Derzeit haben nur zwei ausländische Unternehmen den dritten Schritt erreicht. Ihr Modelldatenumfang und ihre Datenqualität sind sehr gut, und sie verfügen auch über menschliches Feedback-Verstärkungslernen, das mit vielen nachgelagerten Anwendungen verknüpft werden kann.

Der Punkt, über den ich sprechen möchte, betrifft insbesondere die Funktion von OpenAIs GPT-4 in der Lage sein, ein Tausendstel oder Zehntausendstel eines Drittels der Zeit zu verwenden, um vorherzusagen, ob das Training eines Modells erfolgreich sein wird.

Wenn wir einen Monat lang ein großes Modell trainieren und einen Fehler machen, verschwenden wir Tausende von GPUs. Diese Skalierungsfunktionen quantifizieren die Möglichkeit eines erfolgreichen Trainings bis zu einem gewissen Grad und können die Verschwendung reduzieren. Allerdings wissen wir derzeit nicht, wie OpenAI diese Skalierung durchführt. Wir können dies nur anhand einiger von ihnen herausgegebener Dokumente versuchen. Auch wenn uns eine GPU fehlt, ist es dennoch notwendig zu verstehen, wie wir die Nutzung unserer GPU maximieren können.

Die Modellgröße ist nicht der einzige entscheidende Faktor bei der Entwicklung großer Modelle, die Datenqualität ist wichtiger. In der KI 1.0-Ära gilt: Je mehr Daten, desto besser. Es schadet nicht, ein paar Fehler zu machen. Die Erfahrung, die wir beim Training großer Modelle gemacht haben, ist jedoch, dass sowohl die Datenqualität als auch die Datenquantität betroffen sind sind wichtig, dürfen aber im Vergleich zur Qualität nicht geopfert werden, und ich denke, dass dies die Hilfe und Förderung des Landes erfordert.

Die Qualität der Internetdaten in den Vereinigten Staaten ist höher als in China. Wenn meine Familie beispielsweise gesundheitliche Probleme hat, muss ich mich an WebMD oder die Cleveland Clinic wenden, um sie zu finden, aber in China gibt es keine ähnlichen Websites. China verfügt derzeit nicht über eine Plattform zur Erfassung öffentlicher Wohlfahrtsdaten, daher benötigen wir weiterhin die Macht der nationalen Regierung, um die Erfassung hochwertiger Daten zu fördern und die Lücke in der Datenqualität gegenüber dem Ausland zu schließen. Die nächste Lücke zwischen China und den Vereinigten Staaten Staaten können sich in dieser Datenqualität widerspiegeln.

04

AI2.0 Ausblick

Ich glaube, dass die revolutionärste AI2.0-Anwendung der Zukunft AI-First sein wird. Am Ende ragen die Pioniere heraus, die es wagen, voll in neue Technologien zu investieren. Früher mussten Menschen Computersprachen lernen, aber in Zukunft könnten es Computer sein, die unsere Sprachen lernen, was uns viel Zeit sparen wird. Wir müssen der KI nur sagen, was wir tun wollen, und sie wird es für uns tun. Ich kann dem intelligenten Assistenten zum Beispiel mitteilen, dass meine Frau morgen Geburtstag hat und ich Blumen, Kuchen und Geschenke brauche, und er hilft mir, sie alle zu besorgen, was mir viel Zeit spart. Um Zeit zu sparen, suchen wir derzeit nach Assistenten, die uns bei diesen Aufgaben unterstützen. Zukünftig können diese Aufgaben von KI-Assistenten übernommen werden.

Ich glaube auch, dass Big Model in Zukunft nicht nur ein Chat-Tool sein wird, sondern sich langsam über die Erwartungen der Benutzer hinaus entwickeln und sich zu einem intelligenten Produktivitätstool entwickeln wird. Wenn dieser Tag endlich kommt, werden wir feststellen, dass sich das aktuelle Geschäftsmodell ändern wird und der App Store nicht mehr existieren wird.

Wenn ich AI zum Beispiel sage, dass sie mir Kuchen und Blumen zum Geburtstag meiner Frau kaufen soll, muss sie nicht auf die E-Commerce-Website gehen, sondern kann Bestellungen direkt beim Lager aufgeben, wodurch das bestehende Geschäftsmodell untergraben wird bringen mehr wirtschaftliche Möglichkeiten. Die KI-Anwendungen, die wir jetzt sehen, finden im Wesentlichen in der virtuellen Welt statt, aber in Zukunft wird KI in die physische Welt verlagert. Wir haben ein Konzept namens „Embodied AI“, was bedeutet, dass der Roboter Ihre Bedürfnisse verstehen kann, wenn Sie umfangreiche Videos als Trainingsdaten verwenden. Wenn Sie ihm sagen, dass er ein paar Kartoffelchips mitbringen soll, weiß er, dass er die Schublade öffnen, den Teller nehmen, ihn ausschütten muss usw. Natürlich kann es schwierig sein, zu sehen, dass sie in den nächsten drei bis fünf Jahren in die Praxis umgesetzt werden Jahre, aber akademisch und industriell. Die Kombination lässt alles gar nicht so weit hergeholt erscheinen.

Das große KI-Modell ist also eine historische Chance, die China nicht verpassen darf. Dies ist die größte Plattformrevolution in der Geschichte. Sie ist zehnmal größer als die Veränderungen, die Windows und Android mit sich brachten. Es wird alle Anwendungen neu schreiben und die menschliche Arbeit rekonstruieren, sodass sich kreative Menschen besser auf die Forschungsarbeit konzentrieren können, ihr Einfallsreichtum um das Zehnfache oder mehr gesteigert wird und gleichzeitig viele sich wiederholende Aufgaben ersetzt werden.

Obwohl China später begann als die Vereinigten Staaten, haben wir aufgrund des riesigen Anwendungsmarktes und der starken Vernetzung aller Aspekte unserer Wirtschaft immer noch großes Entwicklungspotenzial. Die chinesische Regierung leistet bei der Zuweisung von Ressourcen und der Arbeitsorganisation bessere Ergebnisse als westliche Länder und kann erfolgreich mehr Chinesen in für sie geeignete Positionen führen. China hat auch einen großen Talentvorsprung. Die besten sind zwar in den Vereinigten Staaten, aber auch viele junge Wissenschaftler in China sind sehr mächtig. Wir stehen jedoch immer noch vor einer Herausforderung: Unsere Rechenleistung war nicht so gut wie die der Vereinigten Staaten, und wir hatten weniger Erfahrung mit großen Modellen. Ich glaube jedoch, dass dies mit den gemeinsamen Anstrengungen der Regierung und der großen Unternehmen der Fall ist , und Investmentgesellschaften werden wir dieses Problem bald lösen können.

Andreessen Horowitz, ein bekanntes amerikanisches Investmentinstitut, hat eine Prognose für diesen Bereich: „Die potenzielle Größe dieses Marktes ist schwer zu begreifen – es wird erwartet, dass es zwischen allen Software- und allen menschlichen Bemühungen liegt.“ Es soll zehnmal so groß sein wie das mobile Internet und voraussichtlich einen „Innovationskomplex“ bilden, in dem sich Giganten sowie kleine, mittlere und innovative Kleinstunternehmen gemeinsam entwickeln werden.

Quelle: China Entrepreneur Magazine

Das obige ist der detaillierte Inhalt vonKaifu Lee: Große KI-Modelle sind eine historische Chance, die man sich nicht entgehen lassen darf. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Verwandte Etiketten:
Quelle:sohu.com
Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn
Beliebte Tutorials
Mehr>
Neueste Downloads
Mehr>
Web-Effekte
Quellcode der Website
Website-Materialien
Frontend-Vorlage