Invités | Tan Zhongyi, Zhu Shihu
Compilation | Xu Jiecheng
2022 est destinée à être une année mémorable pour l'intelligence artificielle Au cours de cette année, l'intelligence artificielle a réalisé de grandes réalisations tant au niveau technique qu'industriel. Énorme développement et grands progrès, un grand nombre de technologies innovantes sont passées du concept à la pratique. Au début de l'année, les Jeux olympiques d'hiver propulsés par l'IA nous ont apporté une toute nouvelle expérience visuelle ; au milieu de l'année, la peinture IA est passée de l'illusion à la réalité et a remporté plusieurs prix du concours à la fin de l'année, l'émergence ; de ChatGPT va encore une fois changer toute l'année. Le carnaval atteint son apogée...
Qu'il s'agisse des avancées technologiques sous-jacentes ou de l'épanouissement successif de diverses applications, au cours de l'année écoulée, l'intelligence artificielle nous a montré son infinité. possibilités. Afin d'acquérir une compréhension plus complète de l'état de développement actuel et des tendances futures dans le domaine de l'intelligence artificielle, le centre de contenu 51CTO a spécialement invité deux experts chevronnés du secteur, Tan Zhongyi, architecte du Quatrième Paradigme, et Zhu Shihu, adjoint directeur général du département des technologies de l'information d'Everbright Trust, pour discuter des questions liées à l'intelligence artificielle Cinq sujets sur la technologie intelligente et l'industrie, j'espère obtenir plus de réponses de leur part.
Tan Zhongyi : Le mot-clé le plus en vogue en 2022 au niveau technique est sans aucun doute « AIGC », et au niveau industriel, je pense qu'il devrait être « ingénierie IA » ou MLOps. Parce qu’aujourd’hui, qu’ils soient nationaux ou étrangers, les médias technologiques, les produits et les domaines du capital-risque accordent une très grande attention à l’ingénierie de l’IA. Le concept central de l’ingénierie de l’IA et du MLOps est de permettre une mise en œuvre plus rapide de l’apprentissage automatique à grande échelle au sein de l’entreprise. Cela a également été au centre des préoccupations des industries liées à l’intelligence artificielle au cours de l’année écoulée.
Zhu Shihu : D'un point de vue politique, le gouvernement dirigera la stratégie nationale des éléments de données en 2022, proposant que les éléments de données soient une force clé dans la réorganisation des ressources mondiales, la remodelage de la structure économique mondiale et la modification du paysage concurrentiel. À l'heure actuelle, les normes informatiques, l'architecture, les produits et l'écologie sous-jacents de la Chine sont principalement déterminés par les fabricants de technologies étrangers. Il existe donc de nombreux problèmes sous-jacents en matière de technologie, de sécurité de l'information et autres. Par conséquent, à mesure que l’écosystème informatique mondial évolue d’un niveau unique dans le passé à une direction multi-niveaux dans le futur, nous devons construire notre propre cadre informatique sous-jacent. Par conséquent, dans le contexte de Xinchuang, je pense que le mot clé pour l'intelligence artificielle et même pour l'ensemble de l'industrie technologique en 2022 devrait être « la technologie a des frontières nationales ».
Tan Zhongyi : Au niveau des applications, dans le domaine de l'ingénierie de l'IA, 4Paradigm a développé un grand nombre de technologies auto-développées. disponible au monde extérieur au cours de l'année écoulée, y compris la ligne OpenMLDB, une plate-forme de fonctionnalités de niveau production avec cohérence en ligne et hors ligne, peut réaliser des prévisions en temps réel, un contrôle des risques et des recommandations de scénarios au sein des entreprises à développement rapide, et résoudre les problèmes de fonctionnalités de synchronisation , une lecture efficace et une cohérence en ligne et hors ligne. Depuis que l'open source est ouvert depuis plus d'un an, nous avons noué une bonne coopération avec l'écosystème technologique open source en amont et en aval et avons obtenu de bons résultats.
Au niveau technique, 4Paradigm a toujours insisté sur le développement en profondeur de l'IA. A ce stade, il se concentre principalement sur la mise en œuvre de deux types d'IA au sein de l'entreprise. L’une est la mise en œuvre de l’IA perceptuelle, telle que le CV et la PNL. L’autre est la mise en œuvre de l’IA décisionnelle pour formuler des stratégies pour les entreprises, telles que le contrôle des risques, des recommandations, des prédictions et d’autres scénarios étroitement liés aux opérations de l’entreprise. Il y a deux points clés importants dans ce processus. L'un est de mettre rapidement le modèle en ligne avec une haute qualité ; l'autre est d'effectuer une formation continue, un retour d'information et un ajustement du modèle pour qu'il reste à la pointe et efficace.
Pour les entreprises ayant de nombreux scénarios d'IA, dans ce cas, une entreprise peut générer des avantages à grande échelle, réaliser la transition du changement quantitatif au changement qualitatif et permettre à l'entreprise d'évoluer d'une entreprise de données traditionnelle à une entreprise d'IA. , pour atteindre l’objectif d’améliorer la compétitivité de base grâce à l’IA.
Zhu Shihu : L'application de la technologie de l'intelligence artificielle dans le secteur financier est devenue relativement mature ces dernières années. La principale chose que nous avons faite au cours de l'année écoulée et des années à venir est d'utiliser les activités financières pour diriger le développement de la technologie financière. . Par exemple, dans le domaine du crédit à la consommation, lorsque les banques développent des modèles d'accès au crédit à la consommation, la première génération est un modèle fondé sur des règles, la deuxième génération est un modèle fondé sur des règles + des données et la troisième génération est un modèle fondé sur les mégadonnées. -modèle piloté.
À ce stade, un problème central que les algorithmes intelligents doivent résoudre est celui des échantillons insuffisants. Dans le processus même de contrôle intelligent des risques, j'ai résumé un ensemble de manuels. Par exemple, lorsque les dimensions des données sont insuffisantes, la première méthode consiste à utiliser la nouvelle méthode de combinaison de fonctionnalités AutoCross pour augmenter la dimension. La deuxième façon consiste à utiliser l’apprentissage par transfert lorsque les échantillons sont insuffisants. Lorsque le coût de l’étiquetage des échantillons est élevé et que de nombreux échantillons ne sont pas étiquetés, la méthode d’apprentissage actif peut être utilisée. Lorsque le taux d'erreur d'étiquetage des échantillons est relativement élevé, par exemple, s'il existe des données externes et que le taux d'erreur d'étiquetage des données est relativement élevé, nous devons utiliser l'algorithme Confident Learning. Lorsqu’il existe très peu d’échantillons d’étiquettes, par exemple lorsqu’elles sont utilisées pour prévenir la fraude transactionnelle, vous pouvez choisir d’utiliser un algorithme d’apprentissage semi-supervisé. Il s’agit également d’un plan de réponse relativement mature, résumé au cours des deux dernières années.
Tan Zhongyi : Les entreprises technologiques engagées dans les applications d'IA à l'avenir peuvent être divisées en trois types. Le premier concerne les entreprises qui disposent des ressources nécessaires pour créer de grands modèles, tels que des données massives et une puissance de calcul massive ; les entreprises comptant les meilleurs scientifiques du secteur peuvent créer de grands modèles avec une grande précision et une bonne universalité, comme AutoAI, elles peuvent fournir des services externes dans le forme d'API.
La deuxième catégorie concerne les entreprises avec des scénarios riches. Pour divers scénarios, par exemple, AIGC peut être utilisé dans divers endroits où le contenu est nécessaire pour créer diverses applications.
La troisième catégorie se situe entre les deux, fournissant plus d'outils pour aider les deux à mieux se connecter, comme garantir l'exactitude des données, assurer la stabilité et la surveillance des services en ligne, ainsi que les versions modèles et les entreprises de type bêta.
Du point de vue de l'industrie, la mise en œuvre actuelle de l'IA en Chine se concentre principalement dans les secteurs liés à la transformation intelligente des entreprises. Le secteur le plus populaire à l'heure actuelle est le secteur financier, qui propose des scénarios et de l'argent. Il s’agit d’un secteur pour lequel presque toutes les entreprises de technologie de l’IA doivent concourir.
La deuxième option prometteuse est une nouvelle consommation et un nouveau commerce de détail. Dans l'état actuel de la nouvelle consommation et du nouveau commerce de détail, de nombreuses entreprises et de nombreux secteurs lancent constamment de nouveaux produits. L'explosion de nouveaux produits est assez rapide et se fait par le biais de nombreux nouveaux médias et de nouveaux canaux, notamment en matière de marketing et de logistique. de très nombreuses demandes en matière d’IA dans la chaîne d’approvisionnement.
La troisième catégorie concerne certaines industries manufacturières. Actuellement, l'accent est toujours mis sur les domaines CV traditionnels tels que l'inspection de sécurité, la production de sécurité et la détection des défauts. Le domaine CV peut également améliorer un certain degré d'efficacité, mais il l'a fait. pas encore atteint le point où il peut être complètement changé. Lorsque le modèle de fonctionnement de l'industrie est complètement bouleversé, cela peut prendre plusieurs années.
Zhu Shihu : À partir des changements de carrière d'un praticien de l'IA, nous pouvons facilement comprendre l'évolution des tendances de l'industrie de l'intelligence artificielle. En prenant un exemple personnel, j'ai d'abord travaillé dans l'industrie des algorithmes d'intelligence artificielle, puis je suis passé des algorithmes à la technologie, puis de la technologie aux données, et maintenant des données aux affaires. Il y a en fait une logique très profonde là-dedans.
Lorsque j'ai créé le modèle au début, j'ai découvert que s'il n'y avait pas de technologie pour le porter, le modèle ne pouvait être intégré que dans la gestion des risques de l'entreprise. Il ne pouvait être intégré que dans le processus de gestion. être intégré dans une entreprise spécifique. Le modèle doit être intégré Ce n'est que lorsque vous travaillez dans le système technologique que vous pouvez vous immerger dans des entreprises spécifiques, je suis donc passé de la modélisation à la technologie.
Après avoir travaillé dans la technologie, j'ai découvert le deuxième problème, qui est que pour les modèles et les algorithmes, la contribution des données au modèle est bien supérieure à la contribution de l'algorithme au modèle. Après avoir réalisé l'importance des données, Je suis passé à Et j'utilise la technologie pour créer des données. Après avoir terminé les données, nous nous sommes tournés vers les affaires. Il y a là deux logiques. Premièrement, le modèle est basé sur des données, les données sont basées sur des statistiques, les statistiques sont basées sur le calibre et le calibre est déterminé par le service commercial. Cependant, lorsque les départements commerciaux formulent des calibres commerciaux, ils les confondent souvent stratégiquement avec les besoins de l'entreprise. Deuxièmement, la transformation numérique de la plupart des industries est essentiellement menée par les entreprises, et il en va de même en termes de développement industriel.
Tan Zhongyi : L'IA générative a récemment reçu une large attention de la part de l'industrie, ce qui est en effet une bonne chose. Au cours des deux dernières années, dans le domaine de l’IA, les nouveaux scénarios pour les grands modèles ont été relativement rares. La raison pour laquelle ChatGPT est désormais rafraîchissant pour tout le monde est qu'il donne vraiment aux utilisateurs le sentiment qu'il a résolu de nombreux problèmes qui ne pouvaient pas être résolus par plusieurs cycles de dialogue auparavant, et qu'il a également utilisé de grands modèles pour générer des réponses plus pratiques, donnant à chacun plus d'informations. Le marché a toujours besoin de points chauds technologiques. L'existence de points chauds technologiques peut maintenir la confiance des capitalistes, et la confiance des capitalistes peut les pousser à dépenser de l'argent pour mettre en œuvre ces technologies plus rapidement.
Pour la commercialisation de l’IA générative, il peut en exister trois types. La première est qu’OpenAI, qui dispose d’argent, de personnes et d’algorithmes, peut générer suffisamment de revenus grâce aux API. Par exemple, AutoCAD, une société dont Photoshop a désormais intégré certaines fonctions de l'AIGC, et plusieurs autres sociétés de l'AIGC ont également généré des dizaines de millions de revenus. C’est quelque chose que seules quelques entreprises fabriquant de grands modèles peuvent faire.
La deuxième catégorie consiste à combiner les capacités de l'AIGC avec des scénarios commerciaux. Les intégrateurs commerciaux doivent trouver de nombreux scénarios commerciaux spécifiques, puis réfléchir à des questions telles que le coût et l'efficacité. Cela nécessite beaucoup de conception uniquement lorsque des progrès peuvent être réalisés. dans ces trois aspects, un bon modèle peut être formé.
Le troisième type de modèle a également été mentionné récemment par le PDG d'OpenAI. Entre les deux, il existe un troisième type d'entreprise, qui est un fournisseur de technologie qui peut faire du Finetune pour les grands modèles ordinaires et universels. Un scénario commercial spécifique, puis un ajustement précis du modèle global pour ce scénario commercial spécifique, peuvent également aboutir à une mise en œuvre commerciale.
Pour en revenir à l'essentiel, nous devons encore résoudre les affaires ou résoudre les problèmes réels des utilisateurs, et cela nécessite une exploration et une expérimentation constantes. Je suis très heureux de constater la popularité de l’AIGC, qui donne à chacun plus de confiance dans la cause de l’IA et permet à davantage de capital-risque d’investir de l’argent. Je pense que tout cela est une bonne chose.
Zhu Shihu : En prenant ChatGPT d'OpenAI comme exemple, la chose la plus attrayante est que chaque fois que vous communiquez avec lui, vous obtenez un contenu différent. C'est aussi la chose la plus intéressante. Mais du point de vue de l'application, il y a ici un sérieux problème lorsque l'utilisateur saisit à chaque fois la même variable dans le système, les variables qu'il renvoie sont incontrôlables, ce qui signifie qu'il est difficile pour l'IA d'en assumer la responsabilité.
Dans le passé et aujourd'hui, le service client intelligent que nous utilisons a rendu les utilisateurs très stupides, et son corpus est prédéfini. Mais c'est précisément ce genre de « bêtise » qui pousse de nombreuses industries à oser recourir à un service client intelligent, car chaque élément d'information qu'il renvoie aux utilisateurs est contrôlé et chaque mot qu'il prononce relève de la responsabilité de l'entreprise. Mais lorsqu’un service client intelligent devient incontrôlable, de nombreux problèmes surgissent dans la pratique. Par exemple, lorsqu'une entreprise d'apprentissage fédéré recommande un algorithme d'apprentissage fédéré, elle présentera ce que cet algorithme peut faire. Mais pour de nombreux secteurs, ils se concentrent sur le fait que j'ai fédéré mes données et que la portée de mon utilisation des données est certaine. Pour être contrôlé, il ne doit pas être capable de faire certaines choses. Ce sur quoi je me concentre, c'est ce qu'il ne peut pas faire, pas ce qu'il peut faire.
De même, pour ChatGPT, ce qui me préoccupe, c'est que votre déclaration doit être dans la plage que nous pouvons supporter, votre déclaration doit être sous notre contrôle et vous ne pouvez pas faire vos propres idées fantaisistes et divergentes. Mais techniquement, nous ne parvenons malheureusement toujours pas à y parvenir. Une IA trop flexible et trop intelligente peut faire beaucoup de choses que nous ne pouvons pas imaginer et dont nous ne pouvons pas supporter les conséquences.
En général, il existe une relation plutôt indirecte entre la gloire de la technologie et le modèle économique. L'IA générative peut en effet nous aider à faire un travail créatif à ce stade, mais le modèle économique ici n'est pas encore complètement clair. parcourir. Dans les tâches qui nécessitent une plus grande précision, l’IA générative a encore un long chemin à parcourir.
Tan Zhongyi : L'IA est un algorithme, et son intégration avec diverses entreprises est inévitable, d'autant plus que chaque entreprise subit une numérisation et une transformation intelligente, IA + diverses. entreprises + divers scénarios, c'est-à-dire IA + tout, a montré une tendance de plus en plus rapide.
Je pense personnellement que l'application qui tue dans les prochaines années sera la conduite autonome. La conduite autonome est une application qui intègre l'IA. C'est une application qui peut grandement faciliter les déplacements des gens lorsqu'elle est bien intégrée aux voitures et aux routes. , Divers algorithmes peuvent jouer un très bon rôle, et en même temps, ce type de règles et de réglementations sont améliorés. Les applications tueuses qui seront lancées en grand nombre au cours des cinq prochaines années et qui rafraîchiront tout le monde sont susceptibles d'être L4 ou. même la conduite autonome de niveau L5.
Zhu Shihu : Au cours des cinq prochaines années, le trading automatisé de titres et d'actions deviendra plus mature et remplacera même les humains. Il est évident que les machines remplacent les personnes dans ce domaine. Et ce qui mérite d’être remarqué, c’est que les algorithmes précédents basés sur la bibliothèque de facteurs de cours des actions sont progressivement abandonnés. Le plus gros problème auquel AI sera confronté à l'avenir dans le domaine du trading automatisé ne sera plus l'évolution des cours des actions, mais le fait qu'AI1 et AI2 deviendront des contreparties, et il y aura une confrontation modèle entre les deux.
C'est-à-dire, découvrez comment votre adversaire gérera ce stock Lorsque la simulation de l'IA est presque la même, l'utilisateur peut gagner de l'argent. Par conséquent, les algorithmes d'IA remplaceront à l'avenir 90 %, voire 99 % des humains dans le domaine du trading automatisé, et les algorithmes de trading automatisé du futur ne seront plus les modèles basés sur une bibliothèque de facteurs couramment utilisés, mais seront un ensemble de théories basées sur la confrontation de modèles de théorie des jeux. Tout ce que les gens ont à faire, c’est de sélectionner des objectifs et des stratégies, et de laisser le reste à l’IA.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Application de l'intelligence artificielle dans la vie
Quel est le concept de base de l'intelligence artificielle
Quelles compétences sont nécessaires pour travailler dans l'industrie PHP ?
Comment désactiver la complétion automatique sublime
Qu'est-ce que le métaverse
Séquence de déduction des paiements WeChat
Quelles sont les différences entre hiberner et mybatis
Explication détaillée de la fonction fork Linux
![[Web front-end] Démarrage rapide de Node.js](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
