นับตั้งแต่มีการพัฒนาปัญญาประดิษฐ์ ปัญญาประดิษฐ์ได้กลายเป็นแรงผลักดันหลักสำหรับการปฏิวัติเทคโนโลยีระดับโลกรอบใหม่และการเปลี่ยนแปลงทางอุตสาหกรรม ปัจจุบัน การใช้ข้อมูลขนาดใหญ่เพื่อเพิ่มพลังการประมวลผลและเสริมความแข็งแกร่งให้กับอัลกอริทึมเพื่อสร้างแบบจำลองทางปัญญาขนาดใหญ่พิเศษได้กลายเป็นแกนหลักของระบบนิเวศปัญญาประดิษฐ์รุ่นใหม่ ปัญญาประดิษฐ์จะเป็นโครงสร้างพื้นฐานแอปพลิเคชันที่สำคัญสำหรับการพัฒนาปัญญาประดิษฐ์ในประเทศของฉัน และเป็นกุญแจสำคัญในการบรรลุกลยุทธ์ชั้นนำโดยรวมของประเทศสำหรับปัญญาประดิษฐ์ในปี 2030 แพลตฟอร์มพื้นฐาน
การประชุมครั้งแรกของฟอรั่ม Boao Forum for Asia ในด้านการพัฒนาเศรษฐกิจและความมั่นคงระดับโลก ภายใต้หัวข้อ "ความมั่นคงทางเศรษฐกิจและการพัฒนาอย่างยั่งยืนภายใต้การเปลี่ยนแปลงครั้งใหญ่" จะจัดขึ้นที่เมืองฉางซา หูหนาน ระหว่างวันที่ 18 ถึง 20 ตุลาคม โดยมีวัตถุประสงค์เพื่อหารือเกี่ยวกับการตอบสนองต่อความเสี่ยงทางเศรษฐกิจระดับโลก และจะมีการหารือเกี่ยวกับประเด็นเชิงโครงสร้างร่วมกันในประเด็นต่างๆ เช่น การผลิตอัจฉริยะและการปฏิวัติทางเทคโนโลยี
เกี่ยวกับหัวข้อต่างๆ เช่น ทิศทางการพัฒนาและโอกาสในการใช้ปัญญาประดิษฐ์ในยุคของโมเดลขนาดใหญ่ นักข่าวจาก Beijing Business Daily ได้ทำการสัมภาษณ์พิเศษกับ Huang Tiejun ศาสตราจารย์จากคณะวิทยาการสารสนเทศและเทคโนโลยี มหาวิทยาลัยปักกิ่งและผู้อำนวยการภาควิชาวิทยาการคอมพิวเตอร์และเทคโนโลยีเมื่อเร็วๆ นี้
Beijing Business Daily: โมเดลขนาดใหญ่ถือเป็นแกนหลักของระบบนิเวศปัญญาประดิษฐ์รุ่นใหม่ คุณช่วยแนะนำสั้นๆ ได้ไหมว่าโมเดลขนาดใหญ่คืออะไร จะแก้ไขปัญหาอะไรได้บ้าง
หวง เถี่ยจุน: โมเดลขนาดใหญ่เป็นโมเดลพื้นฐานทั่วไปที่มอบความชาญฉลาดให้กับแอปพลิเคชันต่างๆ โดยทั่วไปแล้ว โมเดลขนาดใหญ่เป็นแพลตฟอร์มพื้นฐานที่เรียนรู้ความรู้และกฎเกณฑ์ที่มีอยู่ในข้อมูลจากข้อมูลขนาดใหญ่จำนวนมหาศาล รวมข้อมูลเหล่านั้นให้เป็นเครือข่ายประสาทและแปลงเป็นโมเดลขนาดใหญ่ และให้บริการสำหรับงานอัจฉริยะทั่วไปต่างๆ
ตัวอย่างเช่น ในอินเทอร์เน็ตบนมือถือ ผู้ให้บริการคลาวด์สามารถมีความสามารถในการให้บริการได้หลายอย่าง แต่หากไม่มีผู้ให้บริการอย่าง App ผู้ใช้จะประสบปัญหาในการรับบริการคลาวด์ต่างๆ จากมุมมองนี้ App เองก็เป็นระบบนิเวศอุตสาหกรรม ในความเป็นจริง โมเดลขนาดใหญ่ในปัจจุบันจำเป็นต้องแก้ไขปัญหาที่คล้ายกัน
โมเดลขนาดใหญ่เป็นบริการสาธารณะที่มีประสิทธิภาพสูงและมีเทคโนโลยีสูง ทุกสาขาอาชีพจะมีความต้องการเฉพาะเจาะจงในอนาคต และบางบริษัทจะต้องพัฒนาการแปลงโมเดลขนาดใหญ่และอินเทอร์เฟซที่กำหนดเอง
Beijing Business Daily: โมเดลขนาดใหญ่จะเชื่อมโยงระบบนิเวศเทคโนโลยีปัญญาประดิษฐ์และระบบนิเวศอุตสาหกรรมได้อย่างไร ทิศทางการใช้งานปัญญาประดิษฐ์ในสาขาข้อมูลต่อไปจะเป็นอย่างไร
หวง เถี่ยจุน: ความเข้าใจและการประยุกต์ใช้ปัญญาประดิษฐ์ในอุตสาหกรรมต่างๆ ยังคงอยู่ในระยะเริ่มต้น และยังมีระยะห่างระหว่างกันอยู่บ้าง การเชื่อมต่ออินเทอร์เฟซนี้จำเป็นต้องมีกลุ่มบริษัทที่สามารถแปลงความสามารถของโมเดลขนาดใหญ่ให้เป็นเนื้อหาที่อุตสาหกรรมต่างๆ ต้องการ
เป็นการยากมากที่จะคาดเดาว่าแอปพลิเคชันถัดไปในสาขาข้อมูลจะเป็นอย่างไร ฉันคิดว่าในความเป็นจริง การเขียนบทความ การประมวลผลข้อมูล และงานอื่นๆ จะถูกแทนที่ด้วยปัญญาประดิษฐ์ หรือส่วนใหญ่จะได้รับการแก้ไขด้วยปัญญาประดิษฐ์รุ่นใหญ่ ซึ่งจะนำไปสู่ความเป็นไปได้ในการใช้งานที่ยอดเยี่ยม
แอปพลิเคชันต่างๆ ของเครื่องมือค้นหาจะเกี่ยวกับการจัดระเบียบ การขุด และการใช้ข้อมูล ตัวอย่างเช่น บุคคลสามารถรวบรวมข้อมูลและประมวลผลข้อมูลบางอย่างผ่านเครื่องมือค้นหา ปัจจุบัน โมเดลขนาดใหญ่ช่วยแก้ปัญหาการรวบรวมข้อมูลจำนวนมากได้ ข้อมูลไม่ใช่ผลงานของบุคคลใดบุคคลหนึ่งหรือกลุ่มบุคคลใดกลุ่มหนึ่ง แต่จะรวบรวมข้อมูลทั้งหมดและสะท้อนให้เห็นข้อมูลนั้น มาให้บริการแอปพลิเคชันการประมวลผลข้อมูลการเขียนบทความต่างๆ ทางออกสุดท้ายอาจยังคงเป็นของมนุษย์ แต่ส่วนใหญ่ของงานเบื้องหลังนั้นจะเสร็จสมบูรณ์โดยปัญญาประดิษฐ์ ความเป็นไปได้สำหรับทิศทางแอปพลิเคชันนี้มีมากมาย
Beijing Business Daily: เทคโนโลยีปัญญาประดิษฐ์พัฒนาเข้าสู่ยุคโมเดลใหญ่ได้อย่างไร แตกต่างจากเดิมอย่างไร
หวง เถี่ยจุน: การพัฒนาปัญญาประดิษฐ์ให้เป็นแบบจำลองขนาดใหญ่ถูกกำหนดโดยกฎพื้นฐานของการพัฒนาเทคโนโลยีปัญญาประดิษฐ์ มีแนวคิดเกี่ยวกับปัญญาประดิษฐ์อยู่ 2 แนวคิด กลุ่มหนึ่งเชื่อว่ากลไกทางวิทยาศาสตร์ ทฤษฎี คณิตศาสตร์ และอัลกอริทึมที่อยู่เบื้องหลังปัญญาประดิษฐ์มีความสำคัญมาก อีกกลุ่มหนึ่งเชื่อว่าปัญญาประดิษฐ์โดยทั่วไปเป็นเทคโนโลยีที่สร้างระบบอัจฉริยะแล้วจึงทำความเข้าใจกลไกของระบบอัจฉริยะ กลุ่มหลังเป็นมุมมองกระแสหลักของปัญญาประดิษฐ์
ในกระบวนการสร้างปัญญาประดิษฐ์นั้น ในตอนแรกเป็นผลงานของนักวิจัยทางวิทยาศาสตร์เพียงไม่กี่คน จากนั้นบริษัทต่างๆ ก็ค่อยๆ เข้ามามีส่วนร่วม ในอนาคต อุตสาหกรรม สถาบันการศึกษา การวิจัย และสังคมโดยรวมจะร่วมกันสร้างแบบจำลองขึ้นมา เหตุใดจึงต้องทำเช่นนี้ เหตุผลก็ง่ายมาก หากข้อมูลที่เรียนรู้โดยระบบหรือแบบจำลองปัญญาประดิษฐ์ไม่สมบูรณ์และทันเวลาเพียงพอ ก็จะยากที่จะเชื่อว่าแบบจำลองอัจฉริยะนั้นมีความสามารถมากเพียงใด แบบจำลองขนาดใหญ่ที่เรียกว่านี้คือการผสานแหล่งข้อมูลต่างๆ อัลกอริทึมที่แข็งแกร่งที่สุด และพลังการประมวลผลที่เป็นไปได้ในสังคมเข้าในแพลตฟอร์มพื้นฐานสาธารณะที่ทุกคนสามารถใช้ได้ นี่คือทิศทางที่เราต้องดำเนินการเมื่อสร้างระบบปัญญาประดิษฐ์
ในกระบวนการนี้ ความสามารถของโมเดลขนาดใหญ่จะแข็งแกร่งขึ้น ซึ่งจะเข้ามามีบทบาทในทุกด้านของสังคม เมื่อโมเดลมีบทบาทแล้ว ผู้คนจะสร้างโมเดลนั้นขึ้นมาอีกมากขึ้น ซึ่งเป็นผลจากการวนซ้ำที่ไม่เป็นอันตราย
ในความเป็นจริง ศักยภาพของปัญญาประดิษฐ์ขึ้นอยู่กับข้อมูลที่สามารถรับได้ เช่นเดียวกับที่ผู้คน "อ่านหนังสือหลายพันเล่มและเดินทางหลายพันไมล์" ปัญญาประดิษฐ์ก็มีความคล้ายคลึงกัน โลกทางกายภาพและแม้แต่จักรวาลนั้นกว้างใหญ่ไพศาล หากสามารถแปลงเป็นข้อมูลและสารสนเทศ และอนุญาตให้ปัญญาประดิษฐ์เรียนรู้ได้ อวกาศก็จะกว้างใหญ่ไพศาลมาก
ฉันไม่กล้าพูดว่าความสามารถของโมเดลขนาดใหญ่จะเหนือกว่าทุกคนหรือไม่ แต่อย่างน้อยก็ไม่มีใครได้รับข้อมูลทั้งหมด และเป็นไปไม่ได้ที่จะค้นพบกฎเบื้องหลังข้อมูลนั้น ร่างกายและวงจรชีวิตของเราแต่ละคนกำหนดว่าข้อมูลที่เราได้รับนั้นยังคงจำกัดอยู่
Beijing Business Daily: ความท้าทายใดที่ยังต้องเอาชนะในการพัฒนาโมเดลขนาดใหญ่? เส้นทางการพัฒนาในอนาคตจะเป็นอย่างไร?
Huang Tiejun: ปัจจุบันมีชุดเทคโนโลยีและอัลกอริทึมสำหรับการฝึกโมเดลขนาดใหญ่ แต่ไม่ว่าจะมีอัลกอริทึมที่ดีกว่าหรือไม่ ชุมชนวิชาการและอุตสาหกรรมยังคงค้นหาและสำรวจอย่างต่อเนื่อง ปัจจุบัน จำเป็นต้องปล่อยคาร์บอนจำนวนมากในการฝึกโมเดลอัจฉริยะ ในอนาคต อาจต้องปล่อยคาร์บอนน้อยลงในการฝึกโมเดล ฉันคิดว่าสักวันหนึ่ง ปัญญาประดิษฐ์อาจมีต้นทุนในการฝึกน้อยกว่ามนุษย์ และนั่นเป็นอีกก้าวสำคัญ
ดังนั้น เมื่อปัญญาประดิษฐ์เข้ามาเกี่ยวข้องกับข้อมูลมากขึ้นเรื่อยๆ และเมื่อประสิทธิภาพการเรียนรู้และการฝึกอบรมสูงขึ้นเรื่อยๆ ผลลัพธ์ที่ได้ก็จะเป็นแบบจำลองขนาดใหญ่ ในอนาคต อาจเป็นแบบจำลองขนาดใหญ่พิเศษหรือแบบจำลองขนาดใหญ่มาก และจะยังคงทำซ้ำต่อไป เส้นทางนั้นชัดเจนอยู่แล้ว
แต่ไม่มีพื้นฐานว่าขีดจำกัดบนอยู่ที่ใด สำหรับตอนนี้ ยิ่งใหญ่ก็ยิ่งดี อาจเป็นไปได้ว่าหลังจากขยายตัวไปถึงระดับหนึ่งแล้ว การเติบโตจะไม่ใช่การเพิ่มขึ้นแบบเส้นตรงอีกต่อไป หรืออาจเป็นไปได้ว่าหลังจากถึงระดับหนึ่งแล้ว การเติบโตจะเริ่มชะลอตัวลง แต่สิ่งเหล่านี้ยังคงเป็นเพียงการคาดเดาในขณะนี้
Beijing Business Daily: ควรคำนึงถึงประเด็นด้านความปลอดภัยและจริยธรรมบางประการในกระบวนการพัฒนาโมเดลขนาดใหญ่อย่างไร และจะหลีกเลี่ยงประเด็นเหล่านี้ได้อย่างไร
หวง เถี่ยจุน: ปัญหาความปลอดภัยและจริยธรรมของปัญญาประดิษฐ์จะไม่สามารถแก้ไขได้ในชั่วข้ามคืน ตัวอย่างเช่น ปัญหาความปลอดภัยของข้อมูลยังคงเกิดขึ้นพร้อมกับการพัฒนาข้อมูล และเราต้องแก้ไขเมื่อเกิดขึ้นแล้ว
ในกระบวนการพัฒนาโมเดลขนาดใหญ่ก็มีความเสี่ยงบางประการเช่นกัน ตัวอย่างเช่น ความรู้ที่โมเดลเรียนรู้ไม่สอดคล้องกับจริยธรรมและหลักการ ความเสี่ยงเหล่านี้สามารถควบคุมได้ล่วงหน้า แต่ยังมีความเสี่ยงบางประการที่เกิดจากความก้าวหน้าทางเทคโนโลยีอย่างต่อเนื่อง หากเกิดขึ้น การแก้ปัญหาจะต้องได้รับการแก้ไขอย่างต่อเนื่องโดยใช้เทคนิค "หากต้องการคลายระฆัง คุณต้องผูกระฆัง" หากเราไม่พัฒนาเทคโนโลยีนี้เนื่องจากมีปัญหาที่อาจเกิดขึ้น เทคโนโลยีนี้จะไม่เป็นไปตามกฎหมายของการพัฒนาทางวิทยาศาสตร์และเทคโนโลยี