인공지능 분야에서는 국산 대형 모델의 '원수 없는 물' 문제가 해결되는 돌파구가 마련됐다.

인공지능 분야의 획기적인 문제: 국내 대형 모델의 '원수 없는 물' 문제가 해결되었습니다.

2023 세계인공지능컨퍼런스 '빅모델 시대 일반 인공지능 산업 발전의 기회와 위험' 포럼에서는 일반 인공지능 분야의 여러 전문가들이 대형 모델을 중심으로 심도 있는 논의를 진행했습니다. 기본 혁신, 응용 기술 및 미래 전망에 관한 인공 지능 문제.

중국공정원 원사 다이충하이(Dai Qionghai)는 "우리나라는 정책, 메커니즘, 투자 측면에서 인공지능에 대한 인재 양성과 기초 연구를 심화하고 독창적인 혁신을 강화하며 '물 없는 물'의 딜레마에 빠지지 않아야 한다"고 말했다. 출처'.” 그는 기조연설에서 이 견해를 강조했다.

칭화대학교 전자공학과 학과장이자 종신교수인 Wang Yu는 상하이에는 이미 많은 칩 회사와 알고리즘이 있지만 이러한 알고리즘을 칩에 어떻게 효율적이고 균일하게 배포할 것인지가 매우 중요한 문제라고 지적했습니다. 그는 이것이 인공지능 분야에서 상하이가 직면한 핵심 과제라고 강조했다.

기초 연구의 관점에서 Dai Qionghai는 우리나라가 대규모 혁신에서 획기적인 성과를 거두는 데 상대적으로 제한적이라고 믿습니다. 그의 관점은 인공 지능 분야에서 중국의 인재가 주로 응용 분야에 집중되어 있기 때문에 응용 시나리오와 기술 수준에서 엄청난 발전 잠재력이 있다는 것입니다. 그러나 기본 수준의 인재 측면에서 중국은 분명히 불리한 위치에 있으며 독창적인 혁신이 부족합니다.

Dai Qionghai는 인공 지능의 혁신적인 개발에는 알고리즘, 데이터 및 컴퓨팅 성능이라는 세 가지 기둥이 필요하다고 말했습니다. 알고리즘은 지능의 수준을 결정하고, 데이터는 지능의 범위를 결정하며, 컴퓨팅 능력은 지능의 효율성을 결정합니다. 일반적으로 향후 5년 정도 내에 대규모 알고리즘 모델이 인공지능 애플리케이션의 핵심 기본 플랫폼이 될 것으로 예상됩니다.

Dai Qionghai도 뇌 지능이 미래의 새로운 방향이라고 지적했습니다. 뇌와 인지를 통합한 새로운 인공지능 알고리즘은 차세대 지능의 발전을 이끌 것이다. 그는 정부가 기업이 대형 모델 구축을 주도하고 생물학적 메커니즘과 기계 기능의 결합을 탐구하며 기초 연구 및 응용 개발을 더욱 촉진하도록 장려할 것을 제안했습니다. 그는 인지지능을 핵심으로 하는 인공지능이 10년 안에 널리 활용될 것이라고 내다봤다.

또한 Dai Qionghai는 대형 모델 애플리케이션에서 보안 문제에 주의해야 한다고 사람들에게 상기시켰습니다. 대형 모델은 아직 사기성 콘텐츠 생성 등 출력의 신뢰성을 검증할 수 없습니다. 그는 대규모 모델 응용 프로그램의 문제는 컴퓨터 네트워크 바이러스만큼 간단하지 않다고 강조했습니다. 문제가 발생하면 파괴적인 영향을 미칩니다. 따라서 대형 모델을 적용할 때에는 안전성과 신뢰성에 대한 논의가 명시적으로 이루어져야 한다.

중국에서 대규모 모델을 구현하면서 직면한 4가지 문제를 해결하는 데 필요한 문제점을 해결하는 데 집중할 필요가 있습니다. 첫째, 긴 텍스트 처리 문제를 해결해야 한다. 둘째, 대형 모델의 가성비를 개선해야 한다. 셋째, 대형 모델은 여러 수직 영역에 적용되어야 합니다. 마지막으로 원스톱 배포에 대한 새로운 요구 사항이 있습니다. 그는 이러한 요구 사항을 해결하면 전체 산업 체인의 발전이 촉진될 것이라고 강조했습니다.

포럼에서는 참가자들이 대형 모델 개발에 대한 더 많은 의견과 제안을 제시했습니다. 일부 전문가들은 국내 대용량 컴퓨팅 칩의 개발과 적용을 강화함으로써 칩 분야의 의존도를 상쇄할 수 있다고 보고 있다. 그들은 중국에서 일부 칩 회사가 등장했지만 칩에 알고리즘을 효율적이고 균일하게 배치하는 능력이 더욱 강화되어야 한다고 강조했습니다.

동시에 전문가들은 다양한 업종의 대형 모델 적용 문제도 언급했습니다. 의료, 금융 등의 분야에서는 대규모 코퍼스 데이터를 확보하는 것이 큰 문제입니다. 따라서 보편적 기반의 대규모 모델을 구축하고 세부적인 미세 조정을 수행하는 것은 다양한 산업의 기본 성능을 향상시키는 데 도움이 될 것입니다.

대형 모델을 통합 솔루션으로 배포 및 최적화하는 작업을 자동화하는 것이 중요한 추세라는 것이 일반적으로 받아들여지고 있습니다. 소프트웨어 및 하드웨어 협업, 컴파일 최적화, 하드웨어 인프라 배포를 최적화하기 위한 계층형 접근 방식을 구현하여 전반적인 효율성을 향상하고 보다 비용 효율적인 결과를 달성합니다. 전문가들은 다양한 수직 분야의 대형 모델 요구 사항을 충족하기 위해 효율적인 미세 조정 알고리즘을 추가로 탐색할 것을 요구합니다.

참가자들은 대형 모델 개발에는 정부, 기업, 학계의 공동 노력이 필요하다는 점을 강조하며 공감대를 형성했습니다. 정부는 정책지도를 강화하고 기초연구와 인재양성을 촉진해야 한다. 기업들이 주도적 역할을 맡아 대형모델 건설에 대한 투자와 홍보를 늘려야 합니다. 학계는 과학기술 성과의 변화와 적용을 촉진하기 위해 업계와의 협력을 강화해야 합니다.

전문가들은 대규모 모델 개발에 있어 보안과 신뢰성에 대한 연구와 탐구를 강화해야 한다고 강조합니다. 그들은 대형 모델의 적용이 부작용과 위험을 가져오지 않도록 하기 위해 상응하는 규범과 표준의 확립을 옹호합니다.

마지막으로 참가자들은 대형 모델의 개발이 인공지능 산업에 엄청난 기회를 가져올 것이지만 잠재적인 위험과 과제에 대해서도 경계해야 한다고 말했습니다. 그들은 모든 당사자가 인공 지능의 건전한 발전과 사회 진보를 공동으로 촉진하기 위해 대형 모델의 연구 개발, 배포 및 적용에 있어 심층적인 협력을 수행할 것을 권장합니다.

세계인공지능회의 포럼에서는 전문가들이 대규모 모델 개발 및 적용에 관해 폭넓은 논의와 교류를 진행했습니다. 그들은 인공지능 분야의 기본 혁신, 기술 적용 및 미래 전망에 대한 귀중한 통찰력과 제안을 제공하고 인공지능 산업의 발전 방향을 제시했습니다.

위 내용은 인공지능 분야에서는 국산 대형 모델의 '원수 없는 물' 문제가 해결되는 돌파구가 마련됐다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!