Apakah era AI tradisional pada akhirnya akan berlalu?

Pengarang: Wufang

Sumber: Tiger Sniff

Kredit gambar: Dihasilkan oleh alat AI tak terbatas

AI generatif menghasilkan banyak momentum, dan terus menunjukkan potensi yang semakin besar. Misalnya, biarkan AI mendesain chip secara otomatis, atau biarkan AI menemui dokter.

Untuk merebut posisi terdepan, perusahaan yang terburu-buru tidak hanya melakukan yang terbaik untuk melepaskan kekuatan teknis mereka sendiri, tetapi juga membuat model AI semakin besar, untuk mencapai efek terbang batu bata yang kuat dan mewujudkan munculnya kecerdasan.

"Laporan Penelitian Peta Model Besar Kecerdasan Buatan China" oleh Pusat Penelitian Pengembangan Kecerdasan Buatan Generasi Baru dari Kementerian Sains dan Teknologi menunjukkan bahwa sejauh ini, China telah merilis 79 model besar dengan skala parameter lebih dari 1 miliar, dan pertempuran untuk model besar secara bertahap memasuki babak kedua.Lebih banyak orang mulai memperhatikan kombinasi model besar dan industri nyata, dan perusahaan juga menunjukkan skenario aplikasi produk mereka satu demi satu.

Tapi sejujurnya, apakah aplikasi yang awalnya menggunakan teknologi AI tradisional benar-benar perlu menggunakan model besar?Model besar seperti apa yang dibutuhkan oleh industri? Pada Huawei Developer Conference 2023 (HDC.Cloud 2023), Huawei Cloud memamerkan kemajuan terbarunya dalam "AI for Industries" dan model Pangu, serta mengusulkan agar AI membentuk kembali ribuan industri.

Model industri berskala besar telah menjadi tren baru

Tidak ada perusahaan yang ingin ketinggalan dalam kebangkitan model berskala besar. Jika Anda bernyanyi, saya akan tampil di atas panggung. Dalam beberapa bulan terakhir, akan ada berita tentang model berskala besar setiap beberapa hari. Di bawah rotasi pasar, perusahaan telah mengambil kesempatan dan meluncurkan model skala besar tujuan umum, dan secara bertahap beralih ke model industri skala besar untuk menunjukkan kepraktisan produk mereka sendiri, termasuk demonstrasi mesin nyata dan demonstrasi program.

Alasan mengapa model besar dikenal masyarakat adalah karena produk C seperti ChatGPT membuat orang sangat menghargai nilai teknologi. Padahal, kunci model besar bukanlah seberapa besar atau seberapa kuat kemampuan universalnya, tetapi apakah dapat menyelesaikan masalah aplikasi yang ada, hanya dengan membentuk kembali ribuan industri dan meningkatkan kualitas hidup masyarakat berdasarkan aplikasi tersebut. itu sendiri dapat diterima diterima oleh orang-orang.

Di seluruh dunia, karena tantangan seperti biaya daya komputasi yang tinggi, kebocoran informasi, dan pengawasan kebijakan, proses komersialisasi model skala besar ke C menjadi lebih lambat.Sebagian besar perusahaan memilih untuk bersikap pragmatis dan berorientasi pada pelanggan perusahaan B-end untuk bertemu persyaratan skenario industri tertentu. . Dapat dikatakan telah menjadi konsensus umum untuk membangun model industri skala besar.

AI model kecil tradisional biasanya hanya dapat melakukan tugas tertentu atau masalah tertentu.Untuk industri to B, model besar tidak hanya dapat menghubungkan informasi sistem tradisional bersama-sama, tetapi juga mewujudkan pengambilan keputusan dan perencanaan yang lebih kompleks.

Namun tidak mudah membuat model industri berskala besar, banyak perusahaan yang ingin menerapkan AI pada akhirnya harus menyerah.

Pertama-tama, skenario bisnis perusahaan itu kompleks, dan sebagian besar perlu disesuaikan. Diperlukan untuk memproses beragam tugas seperti teks, gambar, audio, video, dan mekanisme. Bertentangan dengan ini, sebagian besar perusahaan tidak memiliki sampel data .

Kedua, model besar adalah permainan yang menghabiskan uang, tidak hanya perlu menggunakan daya komputasi yang besar mulai dari kilokalori dalam fase pelatihan, tetapi juga membutuhkan bakat pengembangan aplikasi AI profesional yang sangat terampil.

Terakhir, data dan pengetahuan adalah aset inti perusahaan, dan penting untuk memastikan privasi, keamanan, dan kepatuhan data perusahaan.

Hal-hal profesional harus diserahkan kepada orang profesional, dan hal yang sama berlaku untuk model besar, alih-alih membiarkan perusahaan melakukan pekerjaan dasar seperti membuat sekrup, bantalan, dan roda gigi.

Huawei Cloud, sebagai perusahaan yang merilis model skala besar dasar Pangu pada awal tahun 2021, sama sekali bukan pemula di bidang model skala besar, pada saat itu ditujukan untuk industrialisasi AI. Hari ini, HUAWEI CLOUD secara resmi merilis layanan cloud Pangu 3.0 dan Ascend AI, menjadi model AI independen full-stack pertama di China, mengikuti arahan AI untuk Industri, dan mengintegrasikan AI secara mendalam dengan semua lapisan masyarakat.

Seperti yang disebutkan oleh direktur eksekutif Huawei dan CEO Huawei Cloud Zhang Pinganfa, model Pangu tidak mengarang puisi, tetapi hanya mengerjakan berbagai hal. Model ini berfokus pada skenario industri dan berkomitmen untuk memperdalam urusan pemerintahan, keuangan, manufaktur, tambang batu bara, perkeretaapian, farmasi, meteorologi dan industri lainnya.

Perubahan yang disebabkan oleh penggantian yang kecil dengan yang besar

Faktanya, model besar telah lama keluar dari tahap konsep, tetapi diam-diam mengubah segalanya dalam hidup.

Meteorologi tidak dapat dipisahkan dari manusia, dan juga membawa banyak kerusakan pada perkembangan kita. Misalnya, setiap tahun, sekitar 80 topan terjadi di seluruh dunia, sekitar 25 di antaranya memengaruhi Samudra Pasifik Barat Laut dan Laut Cina Selatan, dan rata-rata 7 topan akan mendarat di negara saya. Pada tahun 2022, kerugian ekonomi langsung yang disebabkan oleh bencana topan akan mencapai 5,42 miliar yuan.

Prakiraan meteorologi tradisional sebagian besar dihitung oleh komputer kinerja tinggi HPC. Untuk memprediksi jalur topan dalam 10 hari ke depan, perlu menghabiskan beberapa jam di komputer super dengan lebih dari 3.000 node untuk simulasi. Dengan meningkatnya tren daya komputasi dan kompleksitas model fisik, hambatan peramalan numerik tradisional menjadi menonjol.

Model meteorologi Pangu yang besar hanya membutuhkan satu mesin dan satu kartu, dan dapat menyelesaikan prakiraan cuaca dalam waktu 10 detik. Ini adalah model AI pertama di dunia yang keakuratannya melebihi metode peramalan tradisional. Model ini dapat menyelesaikan jalur topan dalam 10 hari ke depan dalam hitungan detik. Keakuratan prediksi jalur topan adalah yang pertama di dunia, yaitu sekitar 20% lebih tinggi dari prediksi Badan Meteorologi Eropa.

Perubahan yang sama juga terjadi di bidang farmasi.

Antibiotik telah menyelamatkan banyak nyawa, tetapi sejak daptomycin ditemukan pada tahun 1987, tidak ada antibiotik baru yang ditemukan selama hampir 40 tahun. Resistensi obat tidak hanya mengancam kesehatan semua orang, tetapi juga dapat mengurangi PDB setidaknya $3,4 triliun per tahun pada tahun 2030 dan mendorong 24 juta orang ke dalam kemiskinan ekstrem. Dunia sangat membutuhkan antibiotik kelas baru untuk mengubah situasi di mana pasien tidak memiliki obat yang tersedia ketika mereka menghadapi infeksi "bakteri yang kebal obat super".

Meneliti obat baru tidaklah mudah, untuk waktu yang lama, pengembangan obat baru tidak dapat lepas dari kutukan "Hukum 10 Ganda", yaitu biaya rata-rata melebihi 1 miliar dolar AS, dan siklus penelitian dan pengembangan lebih lama dari 10 tahun. Tidak hanya itu, tetapi ini adalah format bisnis terbaik.Pada kenyataannya, dibutuhkan rata-rata 10 hingga 15 tahun agar obat baru disetujui untuk dipasarkan, menelan biaya lebih dari 2,6 miliar dolar AS, dan tingkat keberhasilan klinis kurang dari 10%.

Model Besar Molekul Obat Huawei Cloud Pangu menggunakan arsitektur jaringan pembelajaran mendalam baru untuk menghasilkan 100 juta perpustakaan molekul kecil seperti obat dengan 100% struktur baru. Dibandingkan dengan metode tradisional, akurasi prediksi kemampuan obat dapat ditingkatkan sebesar 20%.

Profesor Liu Bing dari Rumah Sakit Afiliasi Pertama Universitas Xi'an Jiaotong menggunakan layanan desain obat berbantuan AI berdasarkan model molekul besar obat Pangu di Huawei Cloud dalam penelitian dan pengembangan obat baru, dan mengembangkan obat obat antibakteri super X (cinnamoylmycin), yang diperkirakan akan menjadi target baru pertama dan kelas baru antibiotik dalam 40 tahun, mempersingkat siklus R&D obat timbal dari beberapa tahun menjadi satu bulan, mengurangi biaya R&D hingga 70%, dan mematahkan " Double Ten Law" di industri farmasi.

Bukan hanya pasien yang diubah.

Di bawah tambang gelap adalah kehidupan para pekerja. Pekerja yang turun ke sumur telah lama berada di lingkungan yang berisiko tinggi dan bertekanan tinggi, tidak hanya terjebak dalam bayang-bayang kematian, tetapi juga disertai dengan cedera seumur hidup. Namun sebaliknya, saat ini 300 meter bawah tanah masih membutuhkan banyak personel untuk bekerja di lokasi, dan mereka membutuhkan perawatan yang lebih teknis dan humanistik.

AI adalah tangan yang baik dalam memastikan keamanan operasi bawah tanah, dan dapat menjadi penolong yang baik untuk proses manual yang tidak pasti. Namun, tidak semudah yang dibayangkan AI untuk masuk ke industri pertambangan batu bara. Lingkungan operasi downhole keras dan membutuhkan presisi tinggi dalam pengenalan gambar dan video. Selain itu, perbedaan antara tambang sangat besar, dan pengoperasian di lokasi rumit, sehingga modelnya tidak dapat digunakan kembali dengan mudah. Pada saat yang sama, industri pertambangan batu bara kekurangan talenta kecerdasan buatan berkualitas tinggi.

Model besar Tambang Pangu hanya perlu mengimpor sejumlah besar data lokasi tambang yang tidak berlabel untuk pra-pelatihan, dan kemudian dapat melakukan pembelajaran mandiri tanpa pengawasan. Model besar dapat mencakup penambangan, penggalian, permesinan, pengangkutan, pengangkutan, pencucian, dan proses bisnis lain dari tambang batubara Lebih dari 1.000 skenario yang terbagi dapat mewujudkan inspeksi penuh waktu, membantu staf menemukan masalah tepat waktu, menghindari kecelakaan keselamatan yang disebabkan oleh inspeksi yang terlewatkan, mempersingkat waktu henti, dan meningkatkan efisiensi kerja personel inspeksi bawah tanah. Saat ini, telah digunakan di 8 tambang di seluruh negeri.

Kota besar, sedang, dan kecil yang tak terhitung jumlahnya dihubungkan secara seri oleh rel kereta api, sejauh ini rel kereta api negara saya memiliki jarak tempuh 155.000 kilometer dan lebih dari 1 juta gerbong angkutan kereta api. Dengan peningkatan tingkat keselamatan perkeretaapian negara saya, banyak kegagalan yang jarang terjadi, dan kebanyakan orang belum pernah melihatnya, tetapi begitu terjadi kegagalan, biasanya itu adalah kegagalan besar. Misalnya, jika pelat inti guling keluar, hanya satu sampel yang rusak ditemukan secara nasional.

Di balik keselamatan adalah kerja keras dari banyak orang. Dibatasi oleh perkembangan teknologi, TFDS (Truck Operation Fault Dynamic Image Detection System) yang saat ini banyak digunakan masih menggunakan cara manual untuk identifikasi kesalahan. Mengambil bengkel inspeksi 5T dari stasiun hub tertentu sebagai contoh, rata-rata hampir 800 kereta dan lebih dari 40.000 kendaraan diperiksa setiap hari, dan sistem TFDS mengambil lebih dari 2,8 juta gambar. kesalahan pada kereta api.

Melalui model besar Pangu, sebelumnya perlu mengidentifikasi 4.000 gambar secara manual, tetapi sekarang hanya perlu memeriksa ulang lebih dari 170 gambar, dan intensitas tenaga kerja pekerja telah turun 95,75%. Dalam aplikasi praktis, ini dapat secara akurat mengidentifikasi 430+ jenis berbagai kesalahan dari 67 jenis truk, 100% identifikasi kesalahan abnormal utama, dan tingkat penyaringan gambar yang tidak salah setinggi 95%, melebihi harapan pelanggan.

Contoh-contoh seperti itu terlalu banyak untuk disebutkan. Faktanya, setiap kali saya menggunakan One Netcom untuk berbisnis dan menggunakan produk-produk pintar, mungkin itu adalah kredit dari model besar. Kami telah menikmati keuntungan yang dihasilkan oleh peningkatan teknologi secara langsung atau tidak langsung. .

Apa perbedaan model Pangu?

Bidang model skala besar saat ini masih sangat panas, pemain domestik telah melakukan "pertempuran seratus model".

Pertama-tama, HUAWEI CLOUD memiliki ratusan proyek di bidang AI, dan menganut AI untuk Industri. Menggabungkan akumulasi pengalamannya di industri selama lebih dari 30 tahun dan pengembangan berkelanjutan lebih dari 10 korps industri, Huawei Cloud telah mengumpulkan pengetahuan yang kaya dari pelanggan dan mitra industri Mengintegrasikan dengan model besar, sehingga model besar memiliki pengetahuan dan pengalaman industri.

Kedua, selain mempelajari banyak pengetahuan umum, model Pangu juga mempelajari data publik dari lebih dari 10 industri, meliputi keuangan, urusan pemerintahan, meteorologi, perawatan medis, kesehatan, internet, pendidikan, mobil, ritel, dll.

Lebih penting lagi, model besar Pangu telah mencapai inovasi independen dari chip yang mendasarinya hingga seluruh platform proses. Tahukah Anda, dalam kebangkitan AI, GPU telah menjadi komoditas panas, tetapi di bawah berbagai pengaruh gesekan geopolitik dan kekurangan pasokan, penggelaran kartu komputasi berkinerja tinggi hanya akan sulit.Oleh karena itu, inovasi independen telah menjadi konsensus umum dalam industri.

Meninjau sejarah model skala besar Pangea adalah proses pemenuhan kebutuhan industri secara terus menerus. Pada Maret 2020, Tian Qi bergabung dengan Huawei Cloud dan mulai membangun tim; pada April 2021, model besar Pangu secara resmi dirilis, termasuk model besar NLP dan model besar CV; pada September 2021, Huawei Cloud merilis model besar komputasi ilmiah dan Model besar molekul obat; pada Juni 2022, Huawei Cloud merilis model besar Tambang Pangu; pada November 2022, Huawei Cloud merilis model cuaca besar.

Kembali ke masa lalu, HUAWEI CLOUD secara resmi merilis Pangu Large Model 3.0, dan merilis model besar urusan pemerintahan, keuangan, dan manufaktur secara bersamaan. Model besar sangat populer beberapa waktu lalu, mengapa Huawei Cloud memilih kali ini untuk mengumumkan kemajuan model besar Pangu?

Faktanya, saat menghadapi teknologi dan tren baru di industri, HUAWEI CLOUD memprioritaskan kebutuhan industri, dan hanya jika teknologinya sudah cukup matang barulah teknologi baru akan diperkenalkan ke pasar. Dari perspektif Pangu Large Model 3.0, kali ini Huawei Cloud mengklarifikasi posisi industri produknya, mengintegrasikan model besar sebelumnya, menata ulang struktur, dan memperluas jaringan melalui model besar baru. , untuk mencakup setiap industri.

Hu Houkun, ketua bergilir Huawei, juga menekankan pada Konferensi Kecerdasan Buatan Dunia 2023 bahwa kunci pengembangan kecerdasan buatan adalah "melangkah lebih dalam dan lebih dalam" untuk memberdayakan peningkatan industri. Pada tahap saat ini, Huawei memiliki dua fokus pengembangan kecerdasan buatan: Pertama, membangun basis komputasi yang kuat untuk mendukung pengembangan industri kecerdasan buatan China. Kedua, dari model skala besar tujuan umum hingga model skala besar industri, biarkan kecerdasan buatan melayani ribuan industri dan penelitian ilmiah dengan baik.

Pangu Large Model 3.0 mengadopsi desain berlapis, termasuk struktur tiga tingkat 5+N+X: 5 model besar dasar level L0 besar menyediakan berbagai keterampilan umum, model besar industri level N L1 membantu perusahaan membuat model skala besar mereka sendiri , dan model Skenario L2-layer masif berfokus pada skenario aplikasi tertentu atau bisnis tertentu, dan menyediakan layanan model out-of-the-box kepada pelanggan.

Daya komputasi adalah makanan untuk model besar. Selama proses pelatihan, setiap rangkaian model besar Pangu hampir membutuhkan ratusan atau bahkan ribuan chip Ascend untuk pelatihan. Layanan cloud Ascend AI adalah basis model besar Pangu, menyediakannya dengan solid Basis.

Layanan cloud Ascend AI cluster tunggal HUAWEI CLOUD dengan daya komputasi 2000P Flops diluncurkan secara bersamaan di Ulanqab dan Gui'an.Pusat data HUAWEI CLOUD yang menggunakan platform berpendingin cairan Tiancheng dapat menjamin tingkat stabilitas jangka panjang 30 hari 90% untuk pelatihan kilokalori Waktu pemulihan poin tidak melebihi 10 menit.

"Untuk membantu pelanggan global, mitra, dan pengembang melatih dan menggunakan model besar, kami berkomitmen untuk menciptakan kutub lain AI dunia untuk pelanggan global dan memberikan pilihan baru untuk semua pengembang AI," kata Zhang Ping'an.

Bagi banyak perusahaan, kepatuhan keamanan data adalah pertimbangan utama.Selain model penyebaran cloud publik, model besar Pangea selanjutnya dapat menyediakan zona cloud model besar dan membentuk kumpulan sumber daya khusus cloud untuk pelatihan model besar dan penalaran untuk memastikan data kepatuhan keamanan. Untuk persyaratan lokalisasi data yang lebih ketat, penyebaran cloud hybrid juga disediakan untuk membantu pelanggan melatih model besar di HCS pribadi mereka sendiri.

Untuk sebuah produk, kemudahan penggunaan adalah kuncinya. HUAWEI CLOUD menyediakan toolkit model berskala besar yang mudah digunakan dan andal, Kaitian aPaaS yang mengumpulkan sejumlah besar API multi-industri, dan komunitas eksklusif untuk model berskala besar yang mencakup kursus dan teknis yang kaya dan berkualitas tinggi. sertifikasi untuk membantu pengembang berkembang dengan cepat.

Memang teknologinya sendiri revolusioner, namun agar model besar Pangu bisa masuk ke ribuan industri, masih perlu diberi waktu untuk mengakar di industri.

Seperti yang dikatakan Andrew Ng, salah satu dari empat raja AI, "Sulit membayangkan industri besar yang tidak akan diubah oleh kecerdasan buatan. Industri besar meliputi perawatan kesehatan, pendidikan, transportasi, ritel, komunikasi, dan pertanian. Kecerdasan buatan akan ada di industri ini Tren ini sangat jelas.” Di masa depan, setiap industri dapat diubah oleh model besar dari berbagai industri.

Lihat Asli
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
  • Hadiah
  • Komentar
  • Bagikan
Komentar
0/400
Tidak ada komentar
  • Sematkan
Perdagangkan Kripto Di Mana Saja Kapan Saja
qrCode
Pindai untuk mengunduh aplikasi Gate
Komunitas
Bahasa Indonesia
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)