Temu bual akhir tahun: Pembangunan dan transformasi teknologi dan industri kecerdasan buatan

​Tetamu |. Tan Zhongyi, Zhu Shihu

Disusun | pertengahan tahun, kecerdasan buatan telah mencapai pembangunan yang hebat dan kemajuan yang besar pada kedua-dua peringkat teknikal dan perindustrian, dan sejumlah besar teknologi inovatif telah beralih dari konsep ke amalan. Pada awal tahun, Sukan Olimpik Musim Sejuk yang dikuasakan oleh AI membawakan kami pengalaman menonton serba baharu pada pertengahan tahun, lukisan AI beralih daripada ilusi kepada realiti dan memenangi pelbagai anugerah pertandingan pada penghujung tahun; daripada ChatGPT sekali lagi akan mengubah sepanjang tahun Karnival ini mencapai kemuncaknya...

Sama ada kejayaan dalam teknologi asas atau perkembangan berturut-turut pelbagai aplikasi, pada masa lalu. tahun, kecerdasan buatan telah bergerak ke arah Kami menunjukkan apa yang mungkin. Untuk mendapatkan pemahaman yang lebih komprehensif tentang status pembangunan semasa dan trend masa depan dalam bidang kecerdasan buatan, Pusat Kandungan 51CTO secara khusus menjemput dua pakar kanan dalam industri, Tan Zhongyi, arkitek Paradigma Keempat, dan Zhu Shihu, timbalan pengurus besar Jabatan Teknologi Maklumat Everbright Trust, untuk membincangkan isu yang berkaitan dengan kecerdasan buatan Lima topik mengenai teknologi pintar dan industri, saya berharap mendapat lebih banyak jawapan daripada mereka.

1. Kata kunci dalam bidang kecerdasan buatan pada tahun 2022

Tan Zhongyi: Kata kunci paling hangat pada tahun 2022 di peringkat teknikal sudah pasti "AIGC", dan pada peringkat peringkat perindustrian Saya rasa ia sepatutnya "kejuruteraan AI" atau MLOps. Kerana pada masa kini, sama ada dalam atau luar negara, media teknologi, produk, dan bidang modal teroka memberi perhatian yang sangat tinggi kepada kejuruteraan AI. Konsep teras kejuruteraan AI dan MLOps adalah untuk membolehkan pembelajaran mesin dilaksanakan pada skala besar dalam perusahaan dengan lebih cepat Ini juga menjadi tumpuan industri berkaitan kecerdasan buatan pada tahun lalu.

Zhu Shihu: Dari perspektif dasar, kerajaan akan menerajui strategi nasional bagi elemen data pada 2022, mencadangkan elemen data adalah kuasa utama dalam menyusun semula sumber global, membentuk semula struktur ekonomi global dan mengubah daya saing. landskap. Pada masa ini, standard IT, seni bina, produk dan ekologi asas China kebanyakannya ditentukan oleh pengeluar teknologi asing Oleh itu, terdapat banyak teknologi asas, keselamatan maklumat dan isu-isu lain. Oleh itu, apabila ekosistem IT global berkembang daripada peringkat tunggal pada masa lalu kepada arah berbilang peringkat pada masa hadapan, kita perlu membina rangka kerja asas IT kita sendiri. Oleh itu, dalam konteks Xinchuang, saya percaya bahawa kata kunci untuk kecerdasan buatan dan juga keseluruhan industri teknologi pada tahun 2022 haruslah "teknologi mempunyai sempadan negara."

2. Status semasa pembangunan teknologi dan aplikasi dalam bidang kecerdasan buatan termaju

Tan Zhongyi: Pada peringkat aplikasi, dalam bidang kejuruteraan AI , paradigma keempat telah membawa sejumlah besar aplikasi pada tahun lalu Pengumpulan teknologi yang dibangunkan sendiri telah menjadi sumber terbuka kepada dunia luar, termasuk OpenMLDB, platform ciri peringkat pengeluaran dengan konsistensi dalam talian dan luar talian, yang boleh merealisasikan real- ramalan masa, kawalan risiko dan pengesyoran senario dalam perusahaan pembangunan pesat, dan menyelesaikan ciri siri masa, pembacaan yang cekap dan dalam talian dan dalam talian Isu konsistensi yang lebih rendah. Memandangkan sumber terbuka telah dibuka selama lebih daripada setahun, kami telah membentuk kerjasama yang baik dengan ekosistem teknologi sumber terbuka huluan dan hiliran dan mencapai keputusan yang baik.

Di peringkat teknikal, 4Paradigm sentiasa menegaskan penanaman AI yang mendalam Pada peringkat ini, ia tertumpu terutamanya pada pelaksanaan dua jenis AI dalam perusahaan. Salah satunya ialah pelaksanaan AI persepsi, seperti CV dan NLP. Yang lain ialah pelaksanaan AI membuat keputusan untuk merangka strategi untuk perusahaan, seperti kawalan risiko, pengesyoran, ramalan dan senario lain yang berkait rapat dengan operasi perusahaan. Terdapat dua perkara penting dalam proses ini Satu adalah untuk membawa model dalam talian dengan cepat dengan kualiti yang tinggi;

Untuk perusahaan yang mempunyai banyak senario AI, dalam kes ini, satu perusahaan boleh menjana faedah berskala besar dan mencapai peralihan daripada perubahan kuantitatif kepada perubahan kualitatif, membolehkan perusahaan berubah daripada data Tradisional syarikat telah berkembang menjadi syarikat AI untuk mencapai tujuan meningkatkan daya saing teras melalui AI.

Zhu Shihu: Penerapan teknologi kecerdasan buatan dalam industri kewangan telah menjadi agak matang dalam beberapa tahun kebelakangan ini Perkara utama yang telah kami lakukan pada tahun lalu dan beberapa tahun akan datang ialah menggunakan perniagaan kewangan untuk menerajui pembangunan teknologi kewangan. Sebagai contoh, dalam bidang kewangan pengguna, apabila bank membangunkan model akses untuk kewangan pengguna, generasi pertama ialah model dipacu peraturan, generasi kedua ialah model dipacu peraturan + data, dan generasi ketiga ialah data besar. -model dipacu. ​

Pada peringkat ini, salah satu masalah teras yang perlu diselesaikan oleh algoritma pintar ialah sampel yang tidak mencukupi. Dalam proses sebenar melakukan kawalan risiko pintar, saya meringkaskan satu set manual. Contohnya, apabila dimensi data tidak mencukupi, cara pertama ialah menggunakan kaedah gabungan ciri baharu AutoCross untuk meningkatkan dimensi. Cara kedua ialah menggunakan pembelajaran pemindahan apabila sampel tidak mencukupi. Apabila kos pelabelan sampel tinggi dan banyak sampel tidak dilabel, kaedah pembelajaran Aktif boleh digunakan. Apabila kadar ralat pelabelan sampel agak tinggi, contohnya, jika terdapat beberapa data luaran dan kadar ralat pelabelan data agak tinggi, kita perlu menggunakan algoritma Pembelajaran Yakin. Apabila terdapat sangat sedikit label sampel, seperti apabila digunakan untuk mencegah penipuan transaksi, anda boleh memilih untuk menggunakan algoritma pembelajaran separa diselia. Ini juga merupakan pelan tindak balas yang agak matang yang diringkaskan dalam satu atau dua tahun lalu.

3. Arah evolusi persekitaran pasaran industri huluan dan hiliran kecerdasan buatan

Tan Zhongyi: Syarikat teknologi yang terlibat dalam aplikasi AI pada masa hadapan boleh dibahagikan kepada tiga jenis. Yang pertama ialah syarikat yang mempunyai sumber untuk membina model besar, seperti data besar-besaran dan kuasa pengkomputeran besar-besaran syarikat yang mempunyai saintis terkemuka dalam industri boleh membina model besar dengan ketepatan tinggi dan kesejagatan yang baik, seperti AutoAI, mereka mungkin Menyediakan perkhidmatan luaran dalam; bentuk API.

Kategori kedua ialah perusahaan dengan senario yang kaya, contohnya, AIGC boleh digunakan di pelbagai tempat di mana kandungan diperlukan untuk membuat pelbagai aplikasi.

Kategori ketiga adalah antara keduanya, menyediakan lebih banyak alat untuk membantu kedua-duanya membuat sambungan yang lebih baik, seperti memastikan ketepatan data, memastikan Perusahaan talian seperti kestabilan dan pemantauan perkhidmatan dalam talian, model versi dan Beta.

Dari perspektif industri, pelaksanaan semasa AI di China tertumpu terutamanya dalam industri yang berkaitan dengan transformasi pintar perusahaan Industri yang paling popular pada masa ini ialah industri kewangan, yang mempunyai senario dan wang. Ia adalah industri yang hampir setiap syarikat teknologi AI mesti bersaing.

Pilihan kedua yang menjanjikan ialah penggunaan baharu dan runcit baharu. Dalam keadaan semasa penggunaan baru dan runcit baru, banyak syarikat dan banyak industri sentiasa melancarkan produk baru Ledakan produk baru agak cepat, dan mereka dilakukan melalui banyak media baru dan saluran baru Untuk pemasaran, logistik, Ada banyak, banyak permintaan untuk AI dalam rantaian bekalan.

Kategori ketiga ialah beberapa industri pembuatan Pada masa ini, tumpuan masih pada bidang CV tradisional seperti pemeriksaan keselamatan, pengeluaran keselamatan, dan pengesanan kesalahan Bidang CV juga boleh menambah baik tahap kecekapan tertentu , tetapi belum tiba masanya untuk mengubah sepenuhnya model kerja industri Ia mungkin mengambil masa beberapa tahun untuk gangguan sepenuhnya.

Zhu Shihu: Daripada perubahan kerjaya seorang pengamal AI, kita boleh memahami dengan mudah perubahan trend industri kecerdasan buatan. Mengambil contoh peribadi sebagai contoh, saya mula-mula bekerja dalam industri algoritma kecerdasan buatan, kemudian beralih daripada algoritma kepada teknologi, kemudian dari teknologi kepada data, dan kini dari data kepada perniagaan sebenarnya terdapat logik yang mendalam.

Apabila saya mula-mula membuat model itu, saya mendapati bahawa jika tiada teknologi untuk membawanya, model itu hanya boleh dibenamkan dalam pengurusan risiko perusahaan itu hanya boleh dibenamkan dalam proses pengurusan, tetapi bukan dalam perniagaan khusus Dalam perniagaan, model mesti dibenamkan ke dalam sistem teknologi sebelum ia boleh dipindahkan ke perniagaan tertentu, jadi saya beralih daripada pemodelan kepada teknologi.

Selepas bekerja dalam teknologi, saya menemui masalah kedua, iaitu untuk model dan algoritma, sumbangan data kepada model adalah jauh lebih besar daripada sumbangan algoritma kepada model. Saya menyedari bahawa Selepas menyedari kepentingan data, kami beralih kepada menggunakan teknologi untuk mencipta data. Selepas menyelesaikan data, kami beralih kepada perniagaan Terdapat dua logik dalam perkara ini. Pertama, model adalah berdasarkan data, data adalah berdasarkan statistik, statistik adalah berdasarkan kaliber, dan kaliber ditentukan oleh jabatan perniagaan. Walau bagaimanapun, apabila jabatan perniagaan merumuskan kaliber perniagaan, mereka sering mengaburkan kaliber perniagaan secara strategik daripada keperluan perniagaan. Kedua, transformasi digital kebanyakan industri pada asasnya diterajui oleh perniagaan, dan perkara yang sama berlaku dari segi pembangunan industri.

4 Laluan evolusi dan kemungkinan senario pelaksanaan AI generatif

Tan Zhongyi: AI Generatif baru-baru ini mendapat perhatian meluas daripada industri, dan ini sememangnya bagus. perkara. Dalam dua tahun yang lalu dalam bidang AI, senario baharu untuk model besar agak terhad. Sebab mengapa ChatGPT menyegarkan kepada semua orang sekarang ialah ia benar-benar membuatkan pengguna berasa bahawa ia telah menyelesaikan banyak masalah yang tidak dapat diselesaikan dengan beberapa pusingan dialog sebelum ini, dan ia juga telah menggunakan model besar untuk menjana beberapa jawapan yang lebih praktikal, memberikan semua orang maklumat lanjut. Pasaran sentiasa memerlukan titik panas teknologi Kewujudan titik panas teknologi dapat mengekalkan keyakinan pemodal, dan keyakinan pemodal boleh mendorong mereka membelanjakan wang untuk melaksanakan teknologi ini dengan lebih cepat.

Untuk pengkomersilan AI generatif, mungkin terdapat tiga jenis. Yang pertama ialah OpenAI, yang mempunyai wang, orang dan algoritma, boleh menjana pendapatan yang mencukupi melalui API. Sebagai contoh, AutoCAD, sebuah syarikat yang Photoshop kini telah menyepadukan beberapa fungsi AIGC, dan beberapa syarikat AIGC lain juga telah menjana berpuluh-puluh juta hasil. Ini adalah sesuatu yang hanya boleh dilakukan oleh beberapa syarikat yang membuat model besar.

Kategori kedua ialah menggabungkan keupayaan AIGC dengan senario perniagaan Penyepadu perniagaan perlu mencari banyak senario perniagaan tertentu, dan kemudian memikirkan isu seperti kos dan kecekapan, yang memerlukan banyak usaha. reka bentuk, hanya jika kemajuan boleh dicapai dalam tiga aspek: permintaan tegar, keuntungan dan promosi, model yang baik boleh dibentuk.

Model jenis ketiga juga disebut oleh CEO OpenAI baru-baru ini, di antara kedua-duanya, terdapat jenis syarikat ketiga yang boleh melakukan Finetune untuk model besar biasa dan universal pembekal teknologi, ia boleh menyasarkan senario perniagaan tertentu, dan kemudian memperhalusi model besar untuk senario perniagaan khusus ini, dan juga boleh mencapai pelaksanaan komersial.

Berbalik kepada asas, anda masih perlu menyelesaikan perniagaan atau menyelesaikan masalah sebenar pengguna, dan ini memerlukan penerokaan dan percubaan yang berterusan. Saya sangat gembira melihat populariti AIGC, yang memberikan lebih keyakinan kepada semua orang terhadap punca AI dan membolehkan lebih banyak modal teroka untuk melabur wang. Saya rasa ini semua perkara yang baik.

Zhu Shihu: Mengambil ChatGPT OpenAI sebagai contoh, perkara yang paling menarik mengenainya ialah setiap kali anda berkomunikasi dengannya, anda mendapat kandungan yang berbeza Ini juga merupakan perkara yang paling menarik mengenainya. Tetapi dari perspektif aplikasi, terdapat masalah yang serius di sini Apabila pengguna memasukkan pembolehubah yang sama ke dalam sistem setiap kali, pembolehubah yang dipulangkan tidak dapat dikawal, yang bermaksud sukar untuk AI bertanggungjawab.

Dulu dan sekarang, perkhidmatan pelanggan pintar yang kami gunakan telah membuatkan pengguna berasa sangat bodoh, dan bahan bahasanya semuanya telah ditetapkan. Tetapi justru "kebodohan" semacam ini yang membuatkan banyak industri berani menggunakan perkhidmatan pelanggan yang bijak, kerana setiap maklumat yang disampaikannya kepada pengguna dikawal, dan setiap perkataan yang dikatakannya adalah tanggungjawab syarikat. Tetapi apabila perkhidmatan pelanggan yang bijak tidak terkawal, banyak masalah akan timbul dalam amalan. Sebagai contoh, apabila syarikat pembelajaran bersekutu mengesyorkan algoritma pembelajaran bersekutu, ia akan memperkenalkan perkara yang boleh dilakukan oleh algoritma ini Tetapi bagi kebanyakan industri, perkara yang mereka fokuskan ialah saya menyatukan data saya kepada anda dan skop penggunaan data saya adalah pasti. . Untuk dikawal, ia mesti tidak boleh melakukan perkara-perkara tertentu.

Begitu juga, untuk ChatGPT, apa yang saya bimbangkan ialah kenyataan anda mestilah dalam lingkungan yang boleh kami tanggung, dan kenyataan anda mestilah di bawah kawalan kami. Anda tidak boleh menjadi aneh. Lakukan beberapa idea yang berbeza untuk anda sendiri. Tetapi secara teknikal, malangnya kita masih tidak dapat mencapai AI yang terlalu fleksibel dan terlalu pintar boleh melakukan banyak perkara yang tidak dapat kita bayangkan dan tidak dapat menanggung akibatnya.

Secara umumnya, hubungan antara teknologi dan model perniagaan adalah lebih tidak langsung Generatif AI sememangnya boleh membantu kami melakukan beberapa kerja kreatif pada peringkat ini, tetapi model perniagaan di sini tidak beroperasi sepenuhnya . Dalam pekerjaan yang memerlukan ketepatan yang lebih tinggi, AI generatif masih jauh lagi.

5 Trend masa depan penyepaduan teknologi kecerdasan buatan dan industri

Tan Zhongyi: AI ialah algoritma, dan penyepaduannya dengan pelbagai perusahaan tidak dapat dielakkan, terutamanya dengan rawak Memandangkan pelbagai perusahaan menjalankan pendigitalan dan transformasi pintar, AI + pelbagai perusahaan + pelbagai senario, iaitu, AI + segala-galanya, telah menunjukkan arah aliran yang semakin pantas.

Saya secara peribadi berpendapat bahawa aplikasi pembunuh dalam beberapa tahun akan datang akan menjadi pemanduan berautonomi ialah aplikasi yang menyepadukan AI. Ia adalah aplikasi yang boleh memudahkan perjalanan orang ramai ia digabungkan dengan kereta , dan jalan raya digabungkan dengan baik, pelbagai algoritma boleh memainkan peranan yang baik, dan pada masa yang sama, peraturan dan peraturan jenis ini dipertingkatkan aplikasi Pembunuh yang akan dilaksanakan dalam jumlah besar dalam tempoh lima tahun akan datang dan yang akan menyegarkan semua orang berkemungkinan pemanduan autonomi tahap L4 atau L5.

Zhu Shihu: Dalam tempoh lima tahun akan datang, dagangan automatik sekuriti dan saham akan menjadi lebih matang malah menggantikan manusia. Ia adalah trend yang sangat jelas bahawa mesin menggantikan orang dalam bidang ini. Dan apa yang patut diberi perhatian ialah algoritma sebelumnya berdasarkan perpustakaan faktor harga saham sedang ditinggalkan secara beransur-ansur. Masalah terbesar yang akan dihadapi oleh AI dalam bidang perdagangan automatik pada masa hadapan bukan lagi perubahan dalam harga saham, tetapi AI1 dan AI2 akan menjadi rakan niaga, dan akan wujud konfrontasi model antara kedua-duanya.

Iaitu, pelajari bagaimana lawan anda akan berurusan dengan saham ini Apabila simulasi AI hampir sama, pengguna boleh membuat wang. Oleh itu, algoritma AI akan menggantikan 90% atau bahkan 99% manusia dalam bidang perdagangan automatik pada masa hadapan, dan algoritma untuk perdagangan automatik pada masa hadapan tidak lagi menjadi model berasaskan perpustakaan faktor yang biasa digunakan, tetapi akan menjadi set teori berdasarkan konfrontasi model teori permainan. Semua orang perlu lakukan ialah memilih matlamat dan strategi, dan selebihnya serahkan kepada AI.

Atas ialah kandungan terperinci Temu bual akhir tahun: Pembangunan dan transformasi teknologi dan industri kecerdasan buatan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!