على الرغم من انتهاء مؤتمر الذكاء الاصطناعي العالمي لعام 2023 ، فإن طفرة النماذج واسعة النطاق التي بدأتها ChatGPT ستستمر في الارتفاع ، وسيكون تخطيط واستكشاف الذكاء الاصطناعي أيضًا موضوعًا رئيسيًا في السنوات الأخيرة. "اذهب إلى الطاولة أولاً" و "اتخذ الخطوة الأولى" هما إجماع الصناعة الذي أطلق هذه الجولة من تصاعد "حرب المائة نموذج" ، وقاد الصناعة إلى "حرب الألف نموذج".
مصدر الصورة: تم إنشاؤه بواسطة Unbounded AI
في بداية شهر يوليو ، كان هناك طفرة في الذكاء الاصطناعي في شنغهاي.وصل مؤتمر الذكاء الاصطناعي العالمي ** 2023 إلى أكبر عدد من العارضين ومنطقة المعرض على الإطلاق.أعلنت العديد من الشركات في المؤتمر أنها ستطلق نماذج كبيرة للذكاء الاصطناعي. ** فشلت درجات الحرارة المرتفعة والطقس الحراري القوي في تبديد حماس الجميع ، وقد اجتذبت بوابة المعرض ذات مرة السماسرة لبيع التذاكر ، وساعد الكثير من الناس الكبار والصغار على استكشاف أحدث اتجاهات التطور للذكاء الاصطناعي.
في ظل الطفرة ، ** يجب أن ترى بهدوء أن النموذج الكبير لا يزال يواجه مشاكل أساسية مثل المتانة والامتثال والمصداقية. ** بالمقارنة مع البلدان المتقدمة ، لا يزال بلدي يعاني من فجوة في الرقائق ، وقوة الحوسبة ، والبيانات ، وما إلى ذلك. تُعد ندرة البيانات مشكلة رئيسية تؤثر على تطبيق النماذج الكبيرة. ومن بينها ، صعوبة الحصول على بيانات مجموعة صينية عالية الجودة تقيد النماذج المحلية الكبيرة عامل رئيسي في التنمية.
في المرحلة الحالية ، حيث لم يتم اختراق القضايا الأساسية وسد الفجوة ، ما هو نوع مسار التنمية الذي يجب أن يستكشفه تطوير الذكاء الاصطناعي في الصين؟ خلال المنتدى الذي استمر ثلاثة أيام ومقابلات مع العديد من خبراء الصناعة المشاركين ، كانت معظم الإجابات التي حصل عليها المراسل هي "التكامل الرأسي" و "التطبيق الهبوطي". اتجاه تطوير الذكاء الاصطناعي.
** "اذهب إلى الجدول أولاً" **
في الوقت الحاضر ، أصبح تطوير الاقتصاد الرقمي إجماعًا عالميًا. كتقنية ناشئة استراتيجية ، أصبح الذكاء الاصطناعي بشكل متزايد القوة الدافعة الأساسية للارتقاء الصناعي وتحسين الإنتاجية. في نوفمبر 2022 ، أطلقت شركة OpenAI ChatGPT ، وهو نموذج ذكاء اصطناعي واسع النطاق للأغراض العامة للمحادثات.تم إطلاق جولة جديدة من طفرة الابتكار في الذكاء الاصطناعي في جميع أنحاء العالم.
** في المؤتمر العالمي للذكاء الاصطناعي لعام 2023 ، النموذج الكبير هو الدور الرائد. ** Baidu Wenxin Yiyan و Alibaba Cloud Tongyi Qianwen و Huawei Cloud Pangu و Xunfei Xunhuo و Shangtang Rixin و Lanzhou Mencius MChat و Xinghuan Wuya Transwarp Infinity و Midu Honey Nest Series و Torsi General و Daguan "Cao Zhi" تصيبهم بالدوار.
أشار Lin Jianming ، مؤسس ورئيس مجموعة Samoyed Cloud Technology Group ، في مقابلة مع مراسل من International Finance News ، إلى أن ** AI في نقطة البداية لجولة جديدة من الاتجاهات الصناعية. ** من منظور تخطيط النموذج الكبير ، تنفذ بايدو ، وعلي ، وهواوي وغيرهم من "اللاعبين المتميزين" تخطيطًا "أربعة في واحد" من طبقة طاقة الحوسبة وطبقة النظام الأساسي وطبقة النموذج و طبقة التطبيق ؛ وجدت مؤسسات البحث العلمي وشركات التكنولوجيا المبتدئة طريقة أخرى ، تتمثل نقطة الدخول في تطوير خوارزميات نموذجية واسعة النطاق وتطبيقات ميدانية مقسمة.
قال لين جيانمينغ إن معلمات النموذج المحلي واسع النطاق الحالي هي أساسًا في نطاق 100 مليار أو أكثر.من حيث اتجاه التطبيق ، تركز معظم الشركات على التطبيقات الداخلية في المرحلة المبكرة ، وتمتد تدريجياً إلى المؤسسات B-end. ** تواصل تكنولوجيا الذكاء الاصطناعي تحقيق اختراقات ، حيث يتنافس كبار المصنعين وشركات التكنولوجيا الصغيرة والمتوسطة الحجم على النماذج الكبيرة ، وبطبيعة الحال ، لا أحد يريد تفويت الموجة الكبيرة في هذا العصر. فقط من خلال "الذهاب إلى الطاولة أولاً" يمكنك فهم "الورقة الرابحة" للقواعد. في سياق تلاشي أرباح الإنترنت عبر الهاتف المحمول ، من المتوقع أن يؤدي اختيار احتضان النماذج الكبيرة إلى تحقيق نقاط نمو جديدة.
قال تشو بووين ، زميل IEEE / CAAI ، وأستاذ كرسي Huiyan في جامعة تسينغهوا ، وأستاذ منتدب في قسم الإلكترونيات ، ومؤسس Lianyuan Technology ، لمراسل "International Finance News" إن ** الصين يجب أن تتبنى نظامًا واسع النطاق قائمًا على "الابتكار المستقل والسلامة وإمكانية التحكم". يركز مسار تطوير نموذج اللغة وتكنولوجيا الذكاء الاصطناعي التوليدي على تعزيز التطبيق الواسع للنماذج الكبيرة ذات القدرات العامة للأغراض في الصناعات الرأسية. ** بالإضافة إلى ذلك ، يجب تنويع تطبيقات الأعمال والابتكار الأكاديمي وعلم البيئة التكنولوجي ، ولا يمكن التركيز بشكل كامل على نموذج كبير ، كما يجب ألا يستخدموا طريقة واحدة في التفكير للقيام بالأشياء.
** تحديات متعددة **
في ظل طفرة الذكاء الاصطناعي ، لا تزال النماذج الكبيرة تواجه تحديات متعددة مثل المتانة والامتثال والمصداقية. قال لين جيانمينغ بصراحة أنه بالمقارنة مع العالم ، وخاصة الولايات المتحدة ، لا يزال لدينا فجوة معينة في رقائق الذكاء الاصطناعي وبراءات الاختراع وأبحاث الخوارزمية والنظام الإيكولوجي للابتكار الناضج. ** العوامل الرئيسية التي تقيد تطوير النماذج المحلية واسعة النطاق هي: أولاً ، تتطلب النماذج الكبيرة قوة حوسبة كبيرة ، ولدينا أوجه قصور في الرقائق وقوة الحوسبة ؛ ثانيًا ، نقص بيانات المجموعة الصينية عالية الجودة وبيانات الصناعة ؛ ثالثًا ، عدد المهنيين نادر ، ابتكار البحوث الأساسية لا يكفي.
"الصناعة المالية هي وجود خاص مع متطلبات عالية جدًا لإدارة المخاطر والأمن. تحديات مخاطر الثقة ، ومخاطر النموذج ، والأخلاق ، والاستقرار ، والدقة ، وأمن البيانات ، والامتثال ، والمخاطر الأخرى التي يواجهها البحث والتطوير للنماذج المالية الكبيرة أكثر شدة. "وأشار لين جيانمينغ.
قال جيانغ نينغ ، نائب المدير العام ورئيس قسم المعلومات في Mama Consumer ، في مقابلة مع أحد المراسلين من International Finance News ، إن نموذج الذكاء الاصطناعي الكبير ** لا يزال يواجه مشكلات أساسية مثل قابلية التكيف الديناميكي والقوة والامتثال والمصداقية في القرارات الرئيسية ، كيفية القضاء على الضوضاء والقضايا المتداخلة ، في المواقف المفاجئة وغير المتوقعة ، من الأهمية بمكان بشكل خاص تحقيق الاستقرار والامتثال المستمر ومصداقية القرارات الرئيسية. **
أشار جيانغ نينغ إلى أن النماذج المحلية واسعة النطاق تفتقر إلى الاختراقات الأصلية ، ولا تزال هناك فجوات في قدرة التفكير النموذجي والقدرة على توليد النماذج على نطاق واسع. تُعد صعوبة الحصول على بيانات النصوص الصينية واسعة النطاق وعالية الجودة عاملاً رئيسياً يقيد تطوير النماذج واسعة النطاق في الصين. خاصة بالمجال المالي ، كما أنها تواجه العديد من التحديات مثل حماية الخصوصية والاستقرار المستمر والامتثال والمصداقية.
يعتقد Zhou Bowen أنه في التدريب الحالي لنماذج الذكاء الاصطناعي الكبيرة ، يتقارب جانب الخوارزمية مع نموذج محول الشبكة العصبية ، ويعتمد جانب قوة الحوسبة على مجموعات خوادم الذكاء الاصطناعي ذات إمكانات الحوسبة المتوازية واسعة النطاق ، ويحتاج جانب البيانات إلى تغذية كبيرة مجموعات البيانات ذات الحجم الهائل من البيانات.من منظور العناصر الثلاثة للذكاء الاصطناعي ، من الواضح أن ندرة البيانات هي مشكلة رئيسية تؤدي إلى تنفيذ تطبيقات نموذجية واسعة النطاق. تشكل المجالات المحددة مثل الصناعة المالية ، التي لديها متطلبات صارمة للغاية لأمن البيانات وحماية خصوصية المستخدم ، سلسلة من التحديات للنماذج الكبيرة مثل الجدارة بالثقة والقدرة على التحكم الذاتي والأمان القوي.
قال تشو بوين إن تصنيع النماذج واسعة النطاق يواجه أيضًا تحديات: أولاً ، مقياس البيانات كبير وجودة البيانات غير متساوية ؛ ثانيًا ، النموذج كبير الحجم ويصعب تدريبه ؛ ** لذلك ، فإن تطوير النماذج الكبيرة يعتمد على الدعم الشامل لخوارزمية قوة الحوسبة والبيانات. النماذج الكبيرة هي محور التنمية الصناعية المستقبلية ، لكن نموذج الأعمال للنماذج الكبيرة يستحق الاستكشاف. نظرًا لأن حواجز التكلفة الخاصة بالنماذج الكبيرة عالية جدًا ، فإن كلاً من الشركات الكبيرة والشركات الصغيرة لها أعباء خاصة بها.
التكامل الرأسي
في المرحلة الحالية ، حيث لم يتم اختراق القضايا الأساسية وسد الفجوة ، ما هو نوع مسار التنمية الذي يجب أن يستكشفه تطوير الذكاء الاصطناعي في الصين؟ ما هي فرص التطوير الأخرى الموجودة؟ أشار جيانغ نينغ إلى أن بناء نظام ذكاء اصطناعي مشترك هو اتجاه تنموي ، يجمع بشكل فعال بين قابلية الاستخدام والمهنية للنماذج التمييزية في مختلف المجالات الرأسية ، وخصائص نقل التعلم وقدرات التعميم للنماذج الكبيرة التوليدية ، بحيث يكون شائعًا حقًا في الصناعة استفد من قدرة التعميم للنماذج الكبيرة.
أشار لين جيانمينغ إلى أنه في المستقبل ، سيكون للنماذج واسعة النطاق إمكانات كبيرة في عملية الذكاء الرقمي للمدن والصناعات والمؤسسات. يحتاج التصميم المحلي للنماذج الكبيرة إلى تعزيز قدرات الابتكار المستقلة ، وتعزيز القدرة التنافسية الأساسية للنماذج الكبيرة من مستويات مختلفة مثل قوة الحوسبة والخوارزميات والمواهب ، وأيضًا الجمع الوثيق بين الاحتياجات الاستراتيجية الوطنية وتوجهات تطوير الصناعة لاستكشاف نقاط الألم الصناعية و سيناريوهات في العمق.
بالإضافة إلى ذلك ، "من الضروري استخدام التكنولوجيا الخاصة بها والسيناريوهات وبيانات المستخدمين والصناعة والمعرفة الصناعية (أسرار الصناعة) لإنشاء نموذج كبير في المجال الرأسي ؛ استخدم" النموذج العام + نموذج المعرفة الصناعية الخاص "لتمكين الاقتصاد الحقيقي وإنشاء ميزة الحواجز الخاصة به." قال لين جيانمينغ.
يعتقد Zhou Bowen أن صناعة النماذج واسعة النطاق في الصين يجب أن تبدأ من البداية إلى النهاية ، وأن تطور بشكل متكرر نماذج أعمال أكبر ، والتي قد تكون نهجًا أكثر ملاءمة. على أساس امتلاك القدرات العامة ، فإن التدريب المستمر في المجال الرأسي لتحسين القدرات المهنية للنماذج الكبيرة هو وسيلة مهمة للمساعدة في تطوير وتقدم النماذج الكبيرة في المستقبل. **
أشار تشو بوين إلى أنه من منظور نظري وتقني ، يجب أن توجد اختلافات. في تطوير الذكاء الاصطناعي ، من ناحية ، نحن ماسك على المستوى التقني ، ومن ناحية أخرى ، من المحتمل أن نصبح مبتكرين وحتى قادة على مستوى التطبيق. ** يحتاج الذكاء الاصطناعي في الصين إلى استكشاف مسار جديد ، أي التكامل الرأسي من النموذج العام المطور ذاتيًا إلى التطبيق والحلقة المغلقة كاملة السيناريو للمستخدم ، وذلك لتحقيق "الهبوط المزدوج" للذكاء الاصطناعي التوليدي التكنولوجيا والقيمة التجارية. **
بالنسبة للمنافسة الريادية ، يعتقد Zhou Bowen أنه يمكن تقسيمها إلى ثلاثة مسارات: المسار الأول هو بناء نموذج أساسي واسع النطاق بقدرات عامة ، من الخوارزميات التقنية إلى التكرار النموذجي ، والمشهد ذو الحلقة المغلقة ؛ والطريق الثاني يعتمد في نماذج الأشخاص الآخرين (مثل GPT) ، ثم قم بدمج الدراية الصناعية الخاصة بهم للقيام بالتدريب ؛ والطريق الثالث مخصص للتطبيق فقط ، وهو استخدام النموذج مباشرة ، وسيكون هذا الحاجز أقل.
شاهد النسخة الأصلية
المحتوى هو للمرجعية فقط، وليس دعوة أو عرضًا. لا يتم تقديم أي مشورة استثمارية أو ضريبية أو قانونية. للمزيد من الإفصاحات حول المخاطر، يُرجى الاطلاع على إخلاء المسؤولية.
التفكير البارد في الذكاء الاصطناعي في ظل تصاعد "حرب الألف نموذج"
المصدر الأصلي: أخبار التمويل الدولية
في بداية شهر يوليو ، كان هناك طفرة في الذكاء الاصطناعي في شنغهاي.وصل مؤتمر الذكاء الاصطناعي العالمي ** 2023 إلى أكبر عدد من العارضين ومنطقة المعرض على الإطلاق.أعلنت العديد من الشركات في المؤتمر أنها ستطلق نماذج كبيرة للذكاء الاصطناعي. ** فشلت درجات الحرارة المرتفعة والطقس الحراري القوي في تبديد حماس الجميع ، وقد اجتذبت بوابة المعرض ذات مرة السماسرة لبيع التذاكر ، وساعد الكثير من الناس الكبار والصغار على استكشاف أحدث اتجاهات التطور للذكاء الاصطناعي.
في ظل الطفرة ، ** يجب أن ترى بهدوء أن النموذج الكبير لا يزال يواجه مشاكل أساسية مثل المتانة والامتثال والمصداقية. ** بالمقارنة مع البلدان المتقدمة ، لا يزال بلدي يعاني من فجوة في الرقائق ، وقوة الحوسبة ، والبيانات ، وما إلى ذلك. تُعد ندرة البيانات مشكلة رئيسية تؤثر على تطبيق النماذج الكبيرة. ومن بينها ، صعوبة الحصول على بيانات مجموعة صينية عالية الجودة تقيد النماذج المحلية الكبيرة عامل رئيسي في التنمية.
في المرحلة الحالية ، حيث لم يتم اختراق القضايا الأساسية وسد الفجوة ، ما هو نوع مسار التنمية الذي يجب أن يستكشفه تطوير الذكاء الاصطناعي في الصين؟ خلال المنتدى الذي استمر ثلاثة أيام ومقابلات مع العديد من خبراء الصناعة المشاركين ، كانت معظم الإجابات التي حصل عليها المراسل هي "التكامل الرأسي" و "التطبيق الهبوطي". اتجاه تطوير الذكاء الاصطناعي.
** "اذهب إلى الجدول أولاً" **
في الوقت الحاضر ، أصبح تطوير الاقتصاد الرقمي إجماعًا عالميًا. كتقنية ناشئة استراتيجية ، أصبح الذكاء الاصطناعي بشكل متزايد القوة الدافعة الأساسية للارتقاء الصناعي وتحسين الإنتاجية. في نوفمبر 2022 ، أطلقت شركة OpenAI ChatGPT ، وهو نموذج ذكاء اصطناعي واسع النطاق للأغراض العامة للمحادثات.تم إطلاق جولة جديدة من طفرة الابتكار في الذكاء الاصطناعي في جميع أنحاء العالم.
** في المؤتمر العالمي للذكاء الاصطناعي لعام 2023 ، النموذج الكبير هو الدور الرائد. ** Baidu Wenxin Yiyan و Alibaba Cloud Tongyi Qianwen و Huawei Cloud Pangu و Xunfei Xunhuo و Shangtang Rixin و Lanzhou Mencius MChat و Xinghuan Wuya Transwarp Infinity و Midu Honey Nest Series و Torsi General و Daguan "Cao Zhi" تصيبهم بالدوار.
أشار Lin Jianming ، مؤسس ورئيس مجموعة Samoyed Cloud Technology Group ، في مقابلة مع مراسل من International Finance News ، إلى أن ** AI في نقطة البداية لجولة جديدة من الاتجاهات الصناعية. ** من منظور تخطيط النموذج الكبير ، تنفذ بايدو ، وعلي ، وهواوي وغيرهم من "اللاعبين المتميزين" تخطيطًا "أربعة في واحد" من طبقة طاقة الحوسبة وطبقة النظام الأساسي وطبقة النموذج و طبقة التطبيق ؛ وجدت مؤسسات البحث العلمي وشركات التكنولوجيا المبتدئة طريقة أخرى ، تتمثل نقطة الدخول في تطوير خوارزميات نموذجية واسعة النطاق وتطبيقات ميدانية مقسمة.
قال لين جيانمينغ إن معلمات النموذج المحلي واسع النطاق الحالي هي أساسًا في نطاق 100 مليار أو أكثر.من حيث اتجاه التطبيق ، تركز معظم الشركات على التطبيقات الداخلية في المرحلة المبكرة ، وتمتد تدريجياً إلى المؤسسات B-end. ** تواصل تكنولوجيا الذكاء الاصطناعي تحقيق اختراقات ، حيث يتنافس كبار المصنعين وشركات التكنولوجيا الصغيرة والمتوسطة الحجم على النماذج الكبيرة ، وبطبيعة الحال ، لا أحد يريد تفويت الموجة الكبيرة في هذا العصر. فقط من خلال "الذهاب إلى الطاولة أولاً" يمكنك فهم "الورقة الرابحة" للقواعد. في سياق تلاشي أرباح الإنترنت عبر الهاتف المحمول ، من المتوقع أن يؤدي اختيار احتضان النماذج الكبيرة إلى تحقيق نقاط نمو جديدة.
قال تشو بووين ، زميل IEEE / CAAI ، وأستاذ كرسي Huiyan في جامعة تسينغهوا ، وأستاذ منتدب في قسم الإلكترونيات ، ومؤسس Lianyuan Technology ، لمراسل "International Finance News" إن ** الصين يجب أن تتبنى نظامًا واسع النطاق قائمًا على "الابتكار المستقل والسلامة وإمكانية التحكم". يركز مسار تطوير نموذج اللغة وتكنولوجيا الذكاء الاصطناعي التوليدي على تعزيز التطبيق الواسع للنماذج الكبيرة ذات القدرات العامة للأغراض في الصناعات الرأسية. ** بالإضافة إلى ذلك ، يجب تنويع تطبيقات الأعمال والابتكار الأكاديمي وعلم البيئة التكنولوجي ، ولا يمكن التركيز بشكل كامل على نموذج كبير ، كما يجب ألا يستخدموا طريقة واحدة في التفكير للقيام بالأشياء.
** تحديات متعددة **
في ظل طفرة الذكاء الاصطناعي ، لا تزال النماذج الكبيرة تواجه تحديات متعددة مثل المتانة والامتثال والمصداقية. قال لين جيانمينغ بصراحة أنه بالمقارنة مع العالم ، وخاصة الولايات المتحدة ، لا يزال لدينا فجوة معينة في رقائق الذكاء الاصطناعي وبراءات الاختراع وأبحاث الخوارزمية والنظام الإيكولوجي للابتكار الناضج. ** العوامل الرئيسية التي تقيد تطوير النماذج المحلية واسعة النطاق هي: أولاً ، تتطلب النماذج الكبيرة قوة حوسبة كبيرة ، ولدينا أوجه قصور في الرقائق وقوة الحوسبة ؛ ثانيًا ، نقص بيانات المجموعة الصينية عالية الجودة وبيانات الصناعة ؛ ثالثًا ، عدد المهنيين نادر ، ابتكار البحوث الأساسية لا يكفي.
"الصناعة المالية هي وجود خاص مع متطلبات عالية جدًا لإدارة المخاطر والأمن. تحديات مخاطر الثقة ، ومخاطر النموذج ، والأخلاق ، والاستقرار ، والدقة ، وأمن البيانات ، والامتثال ، والمخاطر الأخرى التي يواجهها البحث والتطوير للنماذج المالية الكبيرة أكثر شدة. "وأشار لين جيانمينغ.
قال جيانغ نينغ ، نائب المدير العام ورئيس قسم المعلومات في Mama Consumer ، في مقابلة مع أحد المراسلين من International Finance News ، إن نموذج الذكاء الاصطناعي الكبير ** لا يزال يواجه مشكلات أساسية مثل قابلية التكيف الديناميكي والقوة والامتثال والمصداقية في القرارات الرئيسية ، كيفية القضاء على الضوضاء والقضايا المتداخلة ، في المواقف المفاجئة وغير المتوقعة ، من الأهمية بمكان بشكل خاص تحقيق الاستقرار والامتثال المستمر ومصداقية القرارات الرئيسية. **
أشار جيانغ نينغ إلى أن النماذج المحلية واسعة النطاق تفتقر إلى الاختراقات الأصلية ، ولا تزال هناك فجوات في قدرة التفكير النموذجي والقدرة على توليد النماذج على نطاق واسع. تُعد صعوبة الحصول على بيانات النصوص الصينية واسعة النطاق وعالية الجودة عاملاً رئيسياً يقيد تطوير النماذج واسعة النطاق في الصين. خاصة بالمجال المالي ، كما أنها تواجه العديد من التحديات مثل حماية الخصوصية والاستقرار المستمر والامتثال والمصداقية.
يعتقد Zhou Bowen أنه في التدريب الحالي لنماذج الذكاء الاصطناعي الكبيرة ، يتقارب جانب الخوارزمية مع نموذج محول الشبكة العصبية ، ويعتمد جانب قوة الحوسبة على مجموعات خوادم الذكاء الاصطناعي ذات إمكانات الحوسبة المتوازية واسعة النطاق ، ويحتاج جانب البيانات إلى تغذية كبيرة مجموعات البيانات ذات الحجم الهائل من البيانات.من منظور العناصر الثلاثة للذكاء الاصطناعي ، من الواضح أن ندرة البيانات هي مشكلة رئيسية تؤدي إلى تنفيذ تطبيقات نموذجية واسعة النطاق. تشكل المجالات المحددة مثل الصناعة المالية ، التي لديها متطلبات صارمة للغاية لأمن البيانات وحماية خصوصية المستخدم ، سلسلة من التحديات للنماذج الكبيرة مثل الجدارة بالثقة والقدرة على التحكم الذاتي والأمان القوي.
قال تشو بوين إن تصنيع النماذج واسعة النطاق يواجه أيضًا تحديات: أولاً ، مقياس البيانات كبير وجودة البيانات غير متساوية ؛ ثانيًا ، النموذج كبير الحجم ويصعب تدريبه ؛ ** لذلك ، فإن تطوير النماذج الكبيرة يعتمد على الدعم الشامل لخوارزمية قوة الحوسبة والبيانات. النماذج الكبيرة هي محور التنمية الصناعية المستقبلية ، لكن نموذج الأعمال للنماذج الكبيرة يستحق الاستكشاف. نظرًا لأن حواجز التكلفة الخاصة بالنماذج الكبيرة عالية جدًا ، فإن كلاً من الشركات الكبيرة والشركات الصغيرة لها أعباء خاصة بها.
التكامل الرأسي
في المرحلة الحالية ، حيث لم يتم اختراق القضايا الأساسية وسد الفجوة ، ما هو نوع مسار التنمية الذي يجب أن يستكشفه تطوير الذكاء الاصطناعي في الصين؟ ما هي فرص التطوير الأخرى الموجودة؟ أشار جيانغ نينغ إلى أن بناء نظام ذكاء اصطناعي مشترك هو اتجاه تنموي ، يجمع بشكل فعال بين قابلية الاستخدام والمهنية للنماذج التمييزية في مختلف المجالات الرأسية ، وخصائص نقل التعلم وقدرات التعميم للنماذج الكبيرة التوليدية ، بحيث يكون شائعًا حقًا في الصناعة استفد من قدرة التعميم للنماذج الكبيرة.
أشار لين جيانمينغ إلى أنه في المستقبل ، سيكون للنماذج واسعة النطاق إمكانات كبيرة في عملية الذكاء الرقمي للمدن والصناعات والمؤسسات. يحتاج التصميم المحلي للنماذج الكبيرة إلى تعزيز قدرات الابتكار المستقلة ، وتعزيز القدرة التنافسية الأساسية للنماذج الكبيرة من مستويات مختلفة مثل قوة الحوسبة والخوارزميات والمواهب ، وأيضًا الجمع الوثيق بين الاحتياجات الاستراتيجية الوطنية وتوجهات تطوير الصناعة لاستكشاف نقاط الألم الصناعية و سيناريوهات في العمق.
بالإضافة إلى ذلك ، "من الضروري استخدام التكنولوجيا الخاصة بها والسيناريوهات وبيانات المستخدمين والصناعة والمعرفة الصناعية (أسرار الصناعة) لإنشاء نموذج كبير في المجال الرأسي ؛ استخدم" النموذج العام + نموذج المعرفة الصناعية الخاص "لتمكين الاقتصاد الحقيقي وإنشاء ميزة الحواجز الخاصة به." قال لين جيانمينغ.
يعتقد Zhou Bowen أن صناعة النماذج واسعة النطاق في الصين يجب أن تبدأ من البداية إلى النهاية ، وأن تطور بشكل متكرر نماذج أعمال أكبر ، والتي قد تكون نهجًا أكثر ملاءمة. على أساس امتلاك القدرات العامة ، فإن التدريب المستمر في المجال الرأسي لتحسين القدرات المهنية للنماذج الكبيرة هو وسيلة مهمة للمساعدة في تطوير وتقدم النماذج الكبيرة في المستقبل. **
أشار تشو بوين إلى أنه من منظور نظري وتقني ، يجب أن توجد اختلافات. في تطوير الذكاء الاصطناعي ، من ناحية ، نحن ماسك على المستوى التقني ، ومن ناحية أخرى ، من المحتمل أن نصبح مبتكرين وحتى قادة على مستوى التطبيق. ** يحتاج الذكاء الاصطناعي في الصين إلى استكشاف مسار جديد ، أي التكامل الرأسي من النموذج العام المطور ذاتيًا إلى التطبيق والحلقة المغلقة كاملة السيناريو للمستخدم ، وذلك لتحقيق "الهبوط المزدوج" للذكاء الاصطناعي التوليدي التكنولوجيا والقيمة التجارية. **
بالنسبة للمنافسة الريادية ، يعتقد Zhou Bowen أنه يمكن تقسيمها إلى ثلاثة مسارات: المسار الأول هو بناء نموذج أساسي واسع النطاق بقدرات عامة ، من الخوارزميات التقنية إلى التكرار النموذجي ، والمشهد ذو الحلقة المغلقة ؛ والطريق الثاني يعتمد في نماذج الأشخاص الآخرين (مثل GPT) ، ثم قم بدمج الدراية الصناعية الخاصة بهم للقيام بالتدريب ؛ والطريق الثالث مخصص للتطبيق فقط ، وهو استخدام النموذج مباشرة ، وسيكون هذا الحاجز أقل.