게스트 | Tan Zhongyi, Zhu Shihu
편집 | Xu Jiecheng
2022년은 인공지능에 있어서 기억에 남을 만한 해가 될 것입니다. 엄청난 발전과 큰 발전, 수많은 혁신적인 기술이 개념에서 실천으로 옮겨졌습니다. 연초에 AI를 활용한 동계 올림픽은 우리에게 완전히 새로운 시청 경험을 선사했고, AI 그림은 연말에 여러 대회에서 상을 받았습니다. ChatGPT는 다시 한 번 일년 전체를 바꿀 것입니다. 카니발은 정점에 도달합니다...
기반 기술의 혁신이든 다양한 응용 프로그램의 개화이든 지난 한 해 동안 인공 지능은 우리에게 무한한 가능성을 보여주었습니다. . 51CTO 콘텐츠 센터는 인공지능 분야의 현재 개발 현황과 미래 동향에 대한 보다 포괄적인 이해를 얻기 위해 업계의 고위 전문가 두 명인 제4 패러다임의 설계자인 Tan Zhongyi와 부사장 Zhu Shihu를 특별히 초대했습니다. Everbright Trust의 정보 기술 부서 총괄 책임자가 인공 지능과 관련된 주제에 대해 논의하기 위해 지능형 기술과 산업에 관한 다섯 가지 주제에 대해 더 많은 답변을 듣고 싶습니다.
Tan Zhongyi: 2022년 가장 핫한 키워드는 기술적인 측면에서는 단연 'AIGC'이고, 산업적인 측면에서는 'AI 엔지니어링' 또는 'AI 엔지니어링'이 되어야 한다고 생각합니다. MLOps. 요즘은 국내외를 막론하고 기술언론, 제품, 벤처캐피탈 분야에서 AI 엔지니어링에 매우 높은 관심을 기울이고 있기 때문입니다. AI 엔지니어링과 MLOps의 핵심 개념은 머신러닝이 기업 내에서 대규모로 더 빠르게 구현될 수 있도록 하는 것입니다. 이는 지난 한 해 동안 인공지능 관련 업계에서도 화두였습니다.
Zhu Shihu: 정책적 관점에서 정부는 2022년 데이터 요소에 대한 국가 전략을 주도하여 데이터 요소가 글로벌 자원을 재구성하고 글로벌 경제 구조를 재편하며 경쟁 환경을 변화시키는 핵심 원동력이라고 제안할 것입니다. 현재 중국의 기본 IT 표준, 아키텍처, 제품 및 생태는 대부분 외국 기술 제조업체에 의해 결정되므로 기본 기술, 정보 보안 및 기타 문제가 많이 있습니다. 따라서 글로벌 IT 생태계가 과거의 단일 수준에서 미래의 다단계 방향으로 발전함에 따라 우리는 자체적인 IT 기반 프레임워크를 구축해야 합니다. 따라서 Xinchuang의 맥락에서 볼 때, 2022년 인공지능은 물론이고 전체 기술 산업에 대한 키워드는 "기술에는 국경이 있다"가 되어야 한다고 믿습니다.
Tan Zhongyi: 응용 수준에서 AI 엔지니어링 분야에서 4Paradigm은 수많은 자체 개발 기술을 만들어냈습니다. 온라인 및 오프라인 일관성을 갖춘 프로덕션 수준 기능 플랫폼인 라인 OpenMLDB를 포함하여 작년에 외부 세계에 오픈 소스를 제공하여 빠르게 발전하는 기업 내에서 실시간 예측, 위험 제어 및 시나리오 권장을 실현하고 타이밍 문제를 해결할 수 있습니다. 기능, 효율적인 읽기 및 온라인 및 오프라인 일관성. 오픈소스가 오픈된 지 1년이 넘었기 때문에 업스트림 및 다운스트림 오픈소스 기술 생태계와 좋은 협력 관계를 형성해 좋은 결과를 얻었습니다.
기술적 측면에서 4Paradigm은 항상 AI의 심층적인 개발을 주장해왔습니다. 이 단계에서는 주로 기업 내에서 두 가지 유형의 AI 구현에 중점을 둡니다. 하나는 CV, NLP와 같은 지각형 AI의 구현입니다. 다른 하나는 위험 제어, 권장 사항, 예측 및 기업 운영과 밀접하게 관련된 기타 시나리오와 같은 기업 전략을 공식화하기 위해 의사 결정 AI를 구현하는 것입니다. 이 프로세스에는 두 가지 중요한 핵심 사항이 있는데, 하나는 모델을 고품질로 신속하게 온라인으로 가져오는 것이고, 다른 하나는 모델을 최신 상태로 유지하고 효율적으로 유지하기 위해 모델을 지속적으로 훈련하고 피드백하는 것입니다.
AI 시나리오가 많은 기업의 경우, 이 경우 하나의 기업이 대규모 이익을 창출하고, 양적 변화에서 질적 변화로의 전환을 실현하며, 기업이 전통적인 데이터 기업에서 AI 기업으로 진화할 수 있게 해줍니다. , AI를 통한 핵심 경쟁력 향상이라는 목적을 달성하기 위해
Zhu Shihu: 최근 몇 년간 금융 산업에 인공지능 기술을 적용하는 것은 상대적으로 성숙해졌습니다. 지난 1년과 향후 몇 년 동안 우리가 한 주요 일은 금융 비즈니스를 활용하여 금융 기술 발전을 선도하는 것입니다. . 예를 들어 소비자 금융 분야에서 은행이 소비자 금융에 대한 접근 모델을 개발할 때 1세대는 규칙 중심 모델, 2세대는 규칙 + 데이터 중심 모델, 3세대는 빅데이터이다. 구동 모델.
현 단계에서 지능형 알고리즘이 해결해야 할 핵심 문제는 샘플 부족입니다. 실제 지능형 리스크 관리를 수행하는 과정에서 일련의 매뉴얼을 정리했습니다. 예를 들어 데이터의 차원이 충분하지 않은 경우 첫 번째 방법은 새로운 기능 조합 방법인 AutoCross를 사용하여 차원을 늘리는 것입니다. 두 번째 방법은 샘플이 부족할 때 전이 학습을 사용하는 것입니다. 샘플 라벨링 비용이 높고 라벨링되지 않은 샘플이 많은 경우 능동 학습 방법을 사용할 수 있습니다. 샘플 라벨링 오류율이 상대적으로 높은 경우, 예를 들어 외부 데이터가 있고 데이터 라벨링 오류율이 상대적으로 높은 경우 Confident Learning 알고리즘을 사용해야 합니다. 거래 사기를 방지하기 위해 사용되는 경우와 같이 샘플 레이블이 거의 없는 경우 준지도 학습 알고리즘을 사용하도록 선택할 수 있습니다. 이 역시 지난 1~2년 동안 정리한 비교적 성숙한 대응 계획이다.
Tan Zhongyi: 미래에 AI 응용에 종사하는 기술 회사는 세 가지 유형으로 나눌 수 있습니다. 첫 번째는 대규모 데이터, 대규모 컴퓨팅 능력 등 대규모 모델을 구축할 수 있는 자원을 보유한 기업입니다. 업계 최고의 과학자를 보유한 기업은 AutoAI처럼 정확도가 높고 보편성이 뛰어난 대규모 모델을 구축할 수 있으며, 외부 서비스를 제공할 수도 있습니다. API의 형태.
두 번째 범주는 다양한 시나리오를 갖춘 기업입니다. 예를 들어 다양한 애플리케이션을 만들기 위해 콘텐츠가 필요한 다양한 장소에서 AIGC를 사용할 수 있습니다.
세 번째 범주는 둘 사이에 있으며, 데이터의 정확성 보장, 온라인 서비스의 안정성 및 모니터링 보장, 모델 버전 및 베타 유형 비즈니스 등 두 가지를 더 잘 연결하는 데 도움이 되는 더 많은 도구를 제공합니다.
업계 관점에서 현재 중국의 AI 구현은 주로 기업의 지능적 전환과 관련된 산업에 집중되어 있습니다. 현재 가장 인기 있는 산업은 시나리오와 돈이 있는 금융 산업입니다. 거의 모든 AI 기술 기업이 경쟁해야 하는 산업이다.
두 번째 유망 옵션은 새로운 소비와 새로운 소매입니다. 새로운 소비와 새로운 소매가 진행되는 현 상황에서 많은 기업과 많은 산업에서는 신제품의 폭발적인 증가가 상당히 빠르며, 이는 수많은 뉴미디어와 새로운 채널을 통해 이루어지고 있습니다. 공급망에서 AI에 대한 수요는 매우 많습니다.
세 번째 범주는 일부 제조 산업입니다. 현재는 여전히 안전 검사, 안전 생산, 결함 감지 등 전통적인 CV 분야에 초점이 맞춰져 있습니다. 아직 완전히 변화할 수 있는 지점에는 도달하지 못했습니다. 업계의 작업 모델이 완전히 붕괴되면 몇 년이 걸릴 수 있습니다.
Zhu Shihu: AI 실무자의 경력 변화를 통해 인공지능 산업의 변화 추세를 쉽게 이해할 수 있습니다. 개인적인 예를 들자면, 처음에는 인공지능 알고리즘 업계에서 일하다가 알고리즘에서 기술로, 기술에서 데이터로, 그리고 지금은 데이터에서 비즈니스로 전환한 데에는 사실 매우 심오한 논리가 있습니다.
처음 모델을 만들 때 이를 담을 기술이 없다면 모델은 기업의 리스크 관리에만 포함될 수 있고, 들어갈 수 없다는 것을 깨달았습니다. 모델은 특정 비즈니스에 포함되어야 합니다. 기술 시스템에서 일할 때만 특정 비즈니스에 들어갈 수 있으므로 모델링에서 기술로 옮겼습니다.
기술 분야에서 근무하면서 두 번째 문제를 발견했는데, 모델과 알고리즘에 있어서 데이터의 모델에 대한 기여도가 알고리즘의 모델에 대한 기여도보다 훨씬 크다는 것입니다. 나는 기술을 사용하여 데이터를 생성하는 것으로 전환했습니다. 데이터를 완성한 후 비즈니스로 전환했습니다. 여기에는 두 가지 논리가 있습니다. 첫째, 모델은 데이터를 기반으로 하고, 데이터는 통계를 기반으로 하며, 통계는 역량을 기반으로 하며, 역량은 사업부서에서 결정합니다. 그러나 비즈니스 부서에서 비즈니스 역량을 공식화할 때 비즈니스 요구 사항에서 비즈니스 역량을 전략적으로 흐리게 하는 경우가 많습니다. 둘째, 대부분 산업의 디지털 전환은 본질적으로 비즈니스가 주도하며, 산업 발전 측면에서도 마찬가지이다.
Tan Zhongyi: 생성적 AI는 최근 업계에서 폭넓은 관심을 받고 있는데 이는 정말 좋은 일입니다. 지난 2년 동안 AI 분야에서는 대형 모델을 위한 새로운 시나리오가 상대적으로 드물었다. ChatGPT가 이제 모든 사람에게 신선한 느낌을 주는 이유는 사용자가 이전에 여러 차례의 대화로 해결할 수 없었던 많은 문제를 해결했다는 느낌을 주고, 대형 모델을 사용하여 보다 실용적인 답변을 생성하여 모든 사람에게 제공하기 때문입니다. 더 많은 정보. 시장에는 항상 기술적 핫스팟이 필요합니다. 기술적 핫스팟의 존재는 자본가의 신뢰를 유지할 수 있고, 자본가의 자신감은 이러한 기술을 더 빨리 구현하기 위해 돈을 지출하도록 만들 수 있습니다.
제너레이티브 AI의 상용화에는 세 가지 유형이 있을 수 있습니다. 첫 번째는 돈, 사람, 알고리즘을 갖춘 OpenAI가 API를 통해 충분한 수익을 창출할 수 있다는 것입니다. 예를 들어, Photoshop에 AIGC의 일부 기능을 통합한 회사인 AutoCAD와 다른 여러 AIGC 회사도 수천만 달러의 수익을 창출했습니다. 이는 대형 모델을 만드는 몇몇 회사만이 할 수 있는 일이다.
두 번째 범주는 AIGC의 기능을 비즈니스 시나리오와 결합하는 것입니다. 비즈니스 통합자는 많은 구체적인 비즈니스 시나리오를 찾은 다음 비용, 효율성 등과 같은 문제가 있으면 많은 디자인이 필요합니다. 엄격한 요구, 이익, 홍보 세 가지 측면 모두에서 진전이 이루어질 때만 좋은 모델이 형성될 수 있습니다.
세 번째 유형의 모델은 최근 OpenAI의 CEO가 언급한 바 있는데, 둘 사이에는 일반 및 범용 대형 모델에 대해 Finetune을 수행할 수 있는 기술 제공업체인 세 번째 유형의 회사가 있습니다. 시나리오를 작성한 다음 이 특정 비즈니스 시나리오에 맞게 대규모 모델을 미세 조정하면 상업적 구현도 달성할 수 있습니다.
기본으로 돌아가서 비즈니스를 해결하거나 사용자의 실제 문제를 해결해야 하며 이를 위해서는 끊임없는 탐구와 실험이 필요합니다. AI의 대의에 대해 모든 사람에게 더 많은 신뢰를 주고 더 많은 벤처 캐피털이 돈을 투자할 수 있게 해주는 AIGC의 인기를 보니 매우 기쁩니다. 나는 이것이 모두 좋은 것이라고 생각합니다.
Zhu Shihu: OpenAI의 ChatGPT를 예로 들면, 가장 매력적인 점은 소통할 때마다 다른 콘텐츠를 얻을 수 있다는 것입니다. 하지만 애플리케이션 관점에서 볼 때 여기에는 심각한 문제가 있는데, 사용자가 매번 시스템에 동일한 변수를 입력하면 반환되는 변수를 제어할 수 없어 AI가 책임을 지기 어렵다는 뜻이다.
과거와 현재 우리가 사용하는 지능적인 고객 서비스는 사용자를 매우 어리석게 만들었고 그 말뭉치는 미리 설정되어 있습니다. 그러나 많은 업계에서 지능적인 고객 서비스를 감히 사용하게 만드는 것은 바로 이런 종류의 "어리석음"입니다. 사용자에게 피드백되는 모든 정보는 통제되고, 말하는 모든 단어는 회사의 책임이기 때문입니다. 그러나 지능적인 고객 서비스를 통제할 수 없게 되면 실제로는 많은 문제가 발생하게 됩니다. 예를 들어 연합 학습 회사에서 연합 학습 알고리즘을 추천하면 이 알고리즘이 무엇을 할 수 있는지 소개하겠지만, 많은 산업 분야에서 그들이 중점을 두는 것은 내 데이터를 여러분에게 연합시키는 것이고, 내 데이터 사용 범위는 확실합니다. 통제되기 위해서는 어떤 일을 할 수 없어야 합니다. 제가 집중하는 것은 할 수 있는 것이 아니라 할 수 없는 것입니다.
마찬가지로 ChatGPT의 경우 제가 우려하는 점은 귀하의 진술이 우리가 감당할 수 있는 범위 내에 있어야 하고, 귀하의 진술은 우리의 통제하에 있어야 하며, 귀하는 자신만의 기발하고 다양한 아이디어를 낼 수 없다는 것입니다. 그러나 기술적으로 말하면, 안타깝게도 우리는 여전히 이를 달성할 수 없습니다. 너무 유연하고 너무 똑똑한 AI는 우리가 상상할 수 없는 많은 일을 할 수 있고 그 결과를 감당할 수 없다는 것이 바로 기술을 하는 것과 산업을 하는 것의 차이입니다.
일반적으로 기술의 영광과 비즈니스 모델 사이에는 간접적인 관계가 더 많습니다. 제너레이티브 AI는 실제로 현 단계에서 창의적인 작업을 수행하는 데 도움이 될 수 있지만, 여기서의 비즈니스 모델은 현재 우리에게 열려 있습니다. 완전히 통과하지는 않습니다. 더 높은 정확도가 요구되는 작업에서 생성 AI는 아직 갈 길이 멀다.
Tan Zhongyi: AI는 알고리즘이며, 특히 각 기업이 디지털화 및 지능적 전환을 거치면서 AI + 다양한 기업과의 통합이 불가피합니다. 기업 + 다양한 시나리오, 즉 AI + 모든 것이 점점 더 빠른 추세를 보이고 있습니다.
개인적으로 앞으로 몇 년 안에 킬러 앱은 자율주행이 될 것이라고 생각합니다. 자율주행은 자동차와 도로와 잘 융합될 때 사람들의 여행을 크게 촉진할 수 있는 애플리케이션입니다. , 다양한 알고리즘이 아주 좋은 역할을 할 수 있고 동시에 이런 규칙과 규정도 개선됩니다. 향후 5년 내에 대량으로 구현되어 모두를 새롭게 할 킬러 앱은 L4 또는 L4일 가능성이 높습니다. L5급 자율주행까지 가능합니다.
Zhu Shihu: 향후 5년 안에 증권 및 주식의 자동화된 거래가 더욱 성숙해지고 심지어 인간을 대체할 것입니다. 이 분야에서 기계가 사람을 대체하는 것은 매우 분명한 추세입니다. 그리고 주목할만한 점은 주가지수 라이브러리를 기반으로 한 기존 알고리즘이 점차 폐기되고 있다는 점이다. 앞으로 AI가 자동매매 분야에서 직면하게 될 가장 큰 문제는 더 이상 주가 변동이 아니라 AI1과 AI2가 상대방이 되어 둘 사이의 모델 대결이 벌어지게 될 것이라는 점이다.
즉, 상대방이 이 주식을 어떻게 처리할지 알아보세요. AI 시뮬레이션이 거의 동일해지면 사용자는 돈을 벌 수 있습니다. 따라서 미래에는 AI 알고리즘이 자동매매 분야에서 인간의 90%, 심지어 99%를 대체할 것이며, 미래의 자동매매를 위한 알고리즘은 더 이상 일반적으로 사용되는 팩터 라이브러리 기반 모델이 아니라, 게임 이론 모델 대결에 기초한 이론 세트. 사람들이 해야 할 일은 목표와 전략을 선택하고 나머지는 AI에 맡기는 것뿐입니다.
위 내용은 연말 인터뷰: 인공지능 기술과 산업의 발전과 변혁의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
