T Frontline | Exklusives Interview mit Wang Yan, Chef-KI-Architekt von Zuoyebang: Die Inklusivität der KI liegt in innovativen Ideen

Gast |. Wang Yan

Autor |. Yun Zhao

Kolumneneinführung: „T Frontline“ ist eine der ausführlichen Interviewkolumnen, die speziell von 5 1CTO-Inhalt Zentrum für technische Zahlen 1. Fördern Sie die Verbreitung und Entwicklung modernster Technologie, indem Sie Unternehmensleiter, leitende Architekten und leitende technische Experten in der Technologie-Community einladen, detaillierte Interpretationen und Einblicke in aktuelle Technologie-Hotspots, Technologiepraktiken usw. bereitzustellen Technologietrends. ​

Künstliche Intelligenz wird als vierte industrielle Revolution bezeichnet und weckt große Erwartungen in allen Lebensbereichen. Es verbessert nicht nur das Leben der Menschen, sondern auch die betriebliche Effizienz der gesamten Gesellschaft. Große Modelle und Multimodalität haben in den letzten Jahren die Begeisterung für die entsprechende Forschung noch einmal gesteigert.

​Im Rampenlicht sieht vielleicht jeder mehr, dass die Branche die KI auf die Spitze treibt, dabei aber oft die andere Seite des „Wasserschutzes für alle“ ignoriert.

Die Entwicklung der Technologie ist untrennbar mit den tatsächlichen Szenarien verbunden. Die vielen Höhen und Tiefen des KI-Forschungswahns gehen immer mit dem Problem der Anwendungslandung einher. Wie kann man „High-End“-Technologie stetig auf den Markt bringen? Wie sehen Sie die tiefe Integration von KI und Branchensegmenten? Was halten Sie vom Forschungswahn um große Modelle?

Mit diesen Fragen im Hinterkopf interviewte „T Frontline“ ein Technologieunternehmen, das tief in der Bildungsszene engagiert ist: Zuoyebang. Als Unternehmen, das sich der Nutzung von Technologie zur Förderung inklusiver Bildung verschrieben hat, nutzt es modernste Technologien wie künstliche Intelligenz und Big Data, um eine Reihe effizienter Dienste für Hunderte Millionen C-Seite-Benutzer und Tausende B-Seite-Kunden bereitzustellen Lern- und Bildungslösungen und -produkte.

Besonders im Bereich Bildung, der Erforschung und Implementierung von KI-Technologie ist Zuoyebang unabhängig von Benutzergröße und Technologieauswahl sehr repräsentativ. Dies ist auch eine wichtige Referenz für uns, um darüber nachzudenken, wie wir künstliche Intelligenz nutzen können, um Veränderungen in der Branche voranzutreiben. T Frontline fühlt sich geehrt, Herrn Wang Yan, Chefarchitekt des Zuoyebang Intelligent Technology Laboratory, einzuladen, uns seine Erkenntnisse zu diesen Themen mitzuteilen.

Die Grundlage von Bildungsprodukten: die drei Säulen des Fragenbankaufbaus

Wenn es um Hausaufgabenhilfe geht, werden Sie vielleicht von der leistungsstarken Fragenbankfunktion beeindruckt sein. Zuoyebang ist eines der ersten Bildungstechnologieunternehmen des Landes, das eine Fragendatenbank eingerichtet hat. Bisher verfügt es über eine Fragendatenbank von über 540 Millionen. Wie wurde eine so große Fragenbank aufgebaut? Laut Wang Yan hängt der Erfolg des Aufbaus einer fraglichen Bank von drei Bedingungen ab.

Zuallererst liegt es an den angeborenen Vorteilen von Zuoyebang: Wie wir alle wissen, war Zuoyebang ursprünglich ein internes Inkubationsunternehmen von Baidu. Es war zunächst als Q&A-Community für gegenseitige Hilfe positioniert und startete später ein Such-Q&A-Unternehmen. Um die Such- und Antwortergebnisse zu optimieren, hat Zuoyebang durch die Bildung eines Teams aus Vollzeit-Unterrichtsforschern und Teilzeit-Lehrkräften die größte Online-Produktionsplattform für Fragendatenbanken eingerichtet. Dies leitet sich auch von einem Modell ab, das Baidu kennt. In einer Community-Atmosphäre, die den Austausch und die Kommunikation fördert, werden Benutzer dazu ermutigt, Probleme miteinander zu lösen, und es kommt auch den tatsächlichen Frage-und-Antwort- und Kommunikationsszenarien der Internetnutzer sehr nahe. Anstelle dessen, was andere Unternehmen damals taten: Lassen Sie Teilzeitstudenten die Fragendatenbank bearbeiten. Auf diese Weise verstehen wir durch eine eingehende Analyse und Analyse benutzergenerierter Inhalte nach und nach, welche Probleme die Benutzer im Lernszenario am meisten beunruhigen, welche Probleme schwieriger sind und auf welche Probleme die meisten Menschen stoßen werden. Dies ist eine wichtige Prämisse, die unsere Baurichtung verdeutlicht.

Zweitens legt Zuoyebang großen Wert auf den Wert und die Konstruktion von Ressourcen und schenkt der Fragenbank genügend Aufmerksamkeit. Die Fragenbank spielt nicht nur eine große Rolle in der Benutzerkommunikation, sondern ist auch ein sehr wichtiger Teil bei der Beantwortung von Fragen und im Unterricht. Mithilfe des Crowdsourcing-Systems wird der Aufbau der Fragenbank mit weniger Schwierigkeiten in unabhängige Prozessschritte unterteilt, wodurch die Fragenbank besser, schneller und relativ umfassend wird, was den Umfang des Aufbaus der Fragenbank gewährleistet.

Drittens reicht es nicht aus, Fragen nacheinander zu stellen, z. B. die zu prüfenden Wissenspunkte, der Schwierigkeitsgrad und andere Wissenspunkte, auf die sie sich stützen, beziehen sich auf Etikettenbegriffe. Dabei geht es um die Verarbeitung von Tags und die Verknüpfung mit technischer Infrastruktur wie Wissensgraphen und Wissensbäumen. Nur so kann die Fragendatenbank effizient durchsucht und gefiltert werden, sodass der Wert der Fragendatenbank wirklich zur Geltung kommt. Natürlich wurden viele Verknüpfungen im Aufbauprozess der Fragendatenbank selbst zu Beginn manuell bedient. Später wurde die KI-Technologie kontinuierlich eingeführt, wie zum Beispiel die meisten elektronischen Eingabeschritte, wie z. B. das Aufnehmen von Bildern von Fragen, die von der KI automatisch erkannt und umgewandelt wurden in computerverständliche Formate umwandeln. Die automatisierte Hilfsverarbeitung wird durch KI-Funktionen wie automatische Beschriftung, Formatierungsformeln und KI-Fehlerkorrekturtechnologie durchgeführt, was die Genauigkeit erheblich verbessert und die Arbeitskosten erheblich senkt. Dank des Aufbaus der Fragendatenbank und der kontinuierlichen Vertiefung und Erweiterung der KI-Technologie hat Zuoyebang eine Reihe von KI-Beschleunigungstechnologien implementiert, um die Antwortzeit von Such- und Antwortfragen auf 1 Sekunde zu optimieren, während die Antwortzeit früherer ähnlicher Produkte dies war etwa 8 Sekunden.

In Projekten mit öffentlichen Schulen spielt die Fragendatenbank eine große Rolle bei der Unterstützung von Unterrichtsszenarien. Ein Highlight-Szenario ist ein hochwertiges Hausaufgabensystem mit der Fähigkeit, Fragen präzise und personalisiert vorherzusagen. Der Kern dieses Systems besteht darin, eine Datenanalyse auf der Grundlage unterschiedlicher Studentenstatus durchzuführen, beispielsweise der Zeit, die für die Beantwortung der Fragen benötigt wird, und der Beherrschung verschiedener Wissenspunkte, um personalisierte Fragenempfehlungen zu erhalten. Denn für Studierende verlieren Fragen, die zu einfach oder zu schwierig sind, an Wert. Dieselbe Frage hat für verschiedene Schüler unterschiedliche Werte. Daher ist ein umfassendes Verständnis der Schüler in Kombination mit den umfangreichen Beschriftungsdimensionen der Fragenbank selbst und einer genauen Zuordnung erforderlich. Die Fragenbank spielt eine große unterstützende Rolle bei der Gestaltung hochwertiger Hausaufgabenprodukte und ist förderlich an Studierende, die das Wissen festigen, das wirklich gefestigt werden muss.

Automatisch unterstützte Korrektur: Wie löst eine Maschine Grafikprobleme?

In Bezug auf Hausaufgabenszenarien ist neben der Fragendatenbank vor allem die automatisch unterstützte Korrekturtechnologie wichtiger. Im Vergleich zu objektiven Fragen ist es sehr schwierig, subjektive Fragen zu korrigieren. Am Beispiel mathematischer Antwortfragen verwenden wir die über viele Jahre gesammelte OCR-Technologie, um den Inhalt der Antworten der Schüler genau zu identifizieren, und verwenden dann die NLP-Technologie, um eine strukturierte Analyse durchzuführen, z. B. eine logische Analyse des Antwortinhalts, und identifizieren dann Fehler Punkte entsprechend den Antwortspezifikationen; Darüber hinaus wird die Fähigkeit von Wissensgraphen genutzt, nicht nur darauf hinzuweisen, wo Schüler Fehler gemacht haben, sondern auch, um den Schülern mitzuteilen, warum sie Fehler gemacht haben. Außerdem wird die Fähigkeit von Benutzerporträts und Empfehlungsalgorithmen zur Generierung genutzt Schülerspezifische Lernberichte, die den Schülern helfen, Schwachstellen im Lernprozess zu finden. Gleichzeitig sorgt der Einsatz des Cloud-nativen und Multi-Cloud-Disaster-Recovery-Systems von Zuoyebang für hohe Stabilität und Zuverlässigkeit dieses Servicesystems. Dadurch wird sichergestellt, dass es auch bei gleichzeitiger Nutzung durch viele Schulen zu keinen Ausfallzeiten kommt und eine stabile Nutzung durch die Benutzer gewährleistet ist.

Laut Wang Yan werden Zuoyebang aufgrund der langjährigen Anhäufung von Großnutzern regelmäßig Leistungsbewertungen des Betriebssystems durchführen, und die Bewertungsergebnisse sind im Vergleich zu branchenführend Ähnliche Produkte auf dem Markt, derzeit unterstützt Zuoyebang auch mehr Fragetypen und hat eine höhere Genauigkeit. 1. Automatische Korrektur auf Schrittebene Übungen: Was Sie nicht wissen, erfordert kontinuierliches Lernen und Üben. In diesem geschlossenen Lehrkreislauf aus „Vorlesung → Fragen beantworten → Fragen beurteilen → über Fragen sprechen“ ist das wiederholte Korrigieren einer großen Menge an Hausaufgaben für Lehrer zu einem großen Problem geworden. In der Vergangenheit war es für Lehrer schwierig, jeden Schüler genau zu unterrichten. Der Einsatz von KI zur Unterstützung bei Korrekturen kann Lehrern dabei helfen, die Belastung durch Korrekturen effektiv zu reduzieren, unnötige Zeit und Energie deutlich zu reduzieren und gleichzeitig mehr Schülern die Möglichkeit zu geben, ihre Ergebnisse effektiv zu verbessern.

Derzeit wird das Hausaufgaben-Produktsystem stark genutzt und Lehrer nutzen es fast täglich. Darüber hinaus kann dieses System auch die Unterrichtserfahrung und den Unterrichtsstil des Lehrers integrieren und an die unterschiedlichen Bedürfnisse des Lehrers angepasst werden. Derzeit können subjektive Fragen und Anwendungsfragen anhand von Stufenstufen bewertet werden. Die Hauptrichtung für spätere Verbesserungen besteht darin, den Anteil der manuellen Arbeit der Lehrer bei der Korrektur von Hausaufgaben weiter zu reduzieren.

2. Die Antwort auf die Grafikfrage enthält das Universum

Im Vergleich zu Textfragen können die richtigen Fragen im Allgemeinen durch OCR, Textsuche usw. identifiziert und in der Fragendatenbank abgeglichen werden. Es gibt jedoch eine spezielle Art von Fragen, nämlich Grafikfragen. Bei Testarbeiten gibt es beispielsweise häufig Fragen wie diese: Finden Sie den Schattenbereich der folgenden Grafiken. Zu diesem Zeitpunkt müssen nicht nur Text, sondern auch Bildmerkmale extrahiert werden. Denn nur durch Textsuche kann das Suchsystem hinter der Fragendatenbank nach ähnlichen Fragenstämmen suchen, die Form jeder Frage in den erhaltenen Ergebnissen ist jedoch unterschiedlich. Zu diesem Zeitpunkt müssen wir eine vektorisierte Merkmalsextraktion für das Bild durchführen. Der digitale Vektorausdruck wird mit den Merkmalen einer großen Anzahl von Fragendatenbanken zu den Merkmalen „Text + Bild“ aggregiert. Besonders bei Fragen in der Grundschule gibt es oft viele gemischte Bilder und Texte. Es ist nicht nur notwendig, den Text der Frage zu verstehen, sondern auch die strukturelle Beziehung zwischen den Kästchen zu verstehen, einschließlich der Startposition der Linienmerkmale für die „. Verbindungsfragen“ und die Extraktion der zu bestimmenden Flugbahn. Das Gleiche gilt für Zeichenfragen.

3. Testpapier-Restaurierung: Schwarze Technologie wurzelt oft in der Realität

# 🎜 🎜#Im Zusammenhang mit dem Hilfsunterricht hat Zuoyebang auch viele technische Patente in den Bereichen OCR, Sprache, Bilderkennung und Hausaufgabenkorrektur gesammelt. Beispielsweise haben wir ein Patent für künstliche Intelligenz zur effizienten Korrektur verzerrter Bilder offengelegt, das in einem sehr anspruchsvollen Szenario entwickelt wurde. Wie wir alle wissen, ist das „Wiederholen falscher Fragen“ ein sehr wichtiger Schritt in Unterrichtsszenarien. Eltern und Lehrer müssen den unbeantworteten Zustand der Testarbeit wiederherstellen. Nach dem Fotografieren der Testarbeit erscheint die Handschrift jedoch oft ungleichmäßig Fragen auf dem Testpapier sind verzerrt. Daher ist Technologie erforderlich, um das Problem der Satzkorrektur zu lösen.

Wir verwenden tiefe neuronale Netze, um menschliche Handschrift zu identifizieren und sie von Testpapierschriftarten zu unterscheiden, kombiniert mit Bildverbesserungstechnologie usw., um das Testpapier sehr effektiv wiederherzustellen. Diese Technologie ist derzeit in der Zuoyebang-App verfügbar und wurde auf Druckerprodukte angewendet. Sie kann den Originalzustand von Papiertestpapieren wiederherstellen. Von der Aufnahme eines Fotos bis zur Wiederherstellung vergehen nur wenige Sekunden. In den bisherigen Übungen mussten die Studierenden die Fragen meist manuell kopieren und dann noch einmal wiederholen. Man kann sagen, dass es sich hierbei um eine leistungsstarke „schwarze Technologie“ handelt. Natürlich wird diese Technologie nicht nur zur Wiederherstellung von Prüfungsarbeiten verwendet, sondern kann auch dazu verwendet werden, die fotografierten Hausaufgaben vor der Abgabe im Online-Unterricht zu korrigieren und zu verschönern, um sie wieder in einen besseren Layoutzustand zu versetzen zum anderen kann es auch die Genauigkeit der Inhaltserkennung verbessern.

4. Wissensgraph: ein Treffpunkt für Expertenwissen

#🎜🎜 # Die Konstruktion des Wissensgraphen ist untrennbar mit dem menschlichen Erfahrungssystem verbunden, und das Gleiche gilt für Bildungsszenen. Unsere Knowledge-Graph-Fähigkeiten werden in Kursszenarien stärker akkumuliert. Eine Vielzahl von Lehr- und Forschungslehrenden fassen Zusammenhänge, Abhängigkeiten und Lernpfade von Wissenspunkten im Lehr- und Forschungsprozess zusammen. Diese Beziehungen und Pfade können verstreute Wissenspunkte zu einem Netzwerk verbinden und so den Prototyp eines Wissensgraphen bilden. Lehr- und Forschungslehrer stellen eine Fülle von Expertenerfahrungen und Wissenspunktsystemen zur Verfügung. In diesem Prozess nutzt die Forschungs- und Entwicklungsabteilung eine Reihe automatisierter KI-Funktionen für maschinelles Lernen für die groß angelegte Implementierung. Nachdem wir die Karte haben, können wir den nächsten Schritt der personalisierten Hausaufgabengestaltung machen, z. B. Fragen empfehlen, die der Fähigkeit entsprechen oder sogar herausfordern, tiefere Wissenspunkte zu erlernen. Derzeit werden Wissensgraphen in einer Vielzahl von Anwendungsszenarien in der Hausaufgabenhilfe eingesetzt: Unterrichtsszenarien, Hausaufgabenkorrektur, personalisiertes Lernen, Hausaufgabendiagnose, einschließlich der Korrelation relevanter Fragen in der gerade vorgestellten Fragenbank, die den Fragen im Wesentlichen eine mehr verleiht genaues Maß zum Abrufen und Empfehlen.

Von der Digitalisierung zur KI: Die ursprünglichen Gewohnheiten der Nutzer respektieren

In der vergangenen Lehrszene waren einerseits Papierbücher und Tafelschreiben, PPT usw. wurden nicht digitalisiert. Andererseits müssen auch die Antwortinhalte der Schüler, einschließlich der Frage, ob die Antworten richtig sind oder nicht, Hausaufgaben und Testergebnisse usw. digitalisiert werden. Warum digitalisieren? Denn wenn der Inhalt der natürlichen physischen Welt nicht in Dateninformationen umgewandelt wird, die Computer verstehen können, kann nicht nur unsere fortschrittliche Technologieforschung im Computerbereich nicht umgesetzt werden, sondern auch Technologien, die nur die Effizienz verbessern, wie z. B. Abruf und Empfehlung , wird nutzlos sein. Daher sind sowohl Sprache als auch Bilder wichtige Medien und Träger für die Vermittlung von Lehrideen und Wissen, die einer tiefgreifenden Digitalisierung bedürfen.

In den letzten Jahren wurden mit der kontinuierlichen Weiterentwicklung der Bildungsinformatisierung die meisten Klassenzimmer mit großen digitalen Bildschirmen ausgestattet, und die im täglichen Unterricht verwendeten Lehrmaterialien wurden digitalisiert, und was wir jetzt tun, ist zu fördern die Digitalisierung von Arbeitsszenarien. Es ist jedoch zu beachten, dass die Fähigkeit zur Nutzung von KI in dieser Phase die ursprünglichen Gewohnheiten von Lehrern und Schülern respektieren muss und nicht einfach geändert werden sollte. Im ursprünglichen Lehrmodell ist beispielsweise jeder an Papiertestpapiere gewöhnt. Wenn Sie die Papiertestpapiere stornieren und alle online verschieben, entsteht ein ernstes Problem der „Akklimatisierung“. Obwohl Online-Antworten digitalisiert werden müssen, verändert dies die Gewohnheiten. Sobald Sie Ihre Gewohnheiten ändern, wird es schwierig, sie in großem Umfang anzuwenden.

Auf dieser Grundlage hat Zuoyebang aus Respekt vor den tatsächlichen Gewohnheiten der Lehrer bei der Benotung von Arbeiten und den Antworten der Schüler innovative Geschäftsideen: die Einführung von „Originalpapierspuren“ im Hausaufgabensystem „Diese Funktion. Deshalb brauchen wir nach Ansicht von Wang Yan mehr Innovationen im Denken, eine Senkung der Hemmschwelle für den Einsatz von Technologie und eine Digitalisierung ohne Änderung der Gewohnheiten.

Wenn Sie von der Hausaufgabenszene in die Bildungsszene hineinzoomen, werden Sie viele neue Bedürfnisse in neuen Szenarien entdecken. Zum Beispiel im Sportbereich: Während des Unterrichts legt der Sportlehrer großen Wert auf die Belastungsintensität, die jeder Schüler ertragen kann, etwa durch die Überwachung der Herzfrequenz. Wenn die Herzfrequenz eines Schülers während des Trainings zu hoch ist, sollte er daran erinnert werden, anzuhalten und sich auszuruhen. Ein weiteres Beispiel ist die „Springseilzählung“. Wir verwenden keinen Zähler, aber es wäre praktischer, die Kamera automatisch identifizieren und zählen zu lassen. Darüber hinaus ist die Erfassung von Körperbewegungen auch eine praktische Technologie, um Schülern zu helfen, zu überprüfen, ob ihre Bewegungen standardisiert und standardisiert sind. Diese KI kann bei der Korrektur helfen.

1. So finden Sie Landemöglichkeiten für KI

Job Help ist ein technologiegetriebenes Unternehmen. Entwicklungsteams stellen oft Fragen wie: Welche anderen Technologien könnten verwendet werden? Gibt es eine gute Technologie, die es ermöglichen kann, die Bedürfnisse zu erfüllen, die in der Vergangenheit nicht erfüllt wurden, und die Dinge zu vollenden, die zuvor unerreichbar waren? Auf dieser Grundlage fasste Wang Yan die Logik hinter der Suche nach Implementierungsmöglichkeiten für KI zusammen: Wir sollten wissen, welche Technologien wir beherrschen und über welche Ressourcen wir verfügen, und dann überlegen, wie wir geeignete Technologien auf bestimmte Szenarien anwenden können. Führen Sie basierend auf den vorhandenen technischen Ressourcen einen Szenenabgleich durch. Der nächste Schritt besteht darin, darüber nachzudenken und abzuwägen, was die Technologie leisten kann, und sie dann zu testen und zu optimieren.

2. Die Genauigkeitsanforderungen auf der B-Seite sind strenger. Job In diesem Szenario haben die Kunden der B-Seite im Vergleich zum Szenario der C-Seite besondere Bedürfnisse und individuelle Anforderungen. Beispielsweise werden an Schulen höhere Anforderungen an die Genauigkeit gestellt und bei der Korrektur dürfen keine Fehler gemacht werden. Während bei C-End-Produkten der Funktionsumfang und die Benutzererfahrung stärker im Vordergrund stehen, sind die Erwartungen an die Genauigkeit nicht so hoch.

Meinungen zur KI-Branche

1. Grundlagenforschung ist die Grundlage, und Spitzentechnologie ist mehr duftend

#🎜 🎜#

Grundlagenforschung ist unsere technische Basis. Die Optimierung grundlegender Technologien wird bereits heute zu erheblichen Verbesserungen führen Daher sind Investitionen in die Grundlagenforschung unerlässlich. Die Erforschung modernster Technologie kann zu Veränderungen im Gameplay führen, was früher nicht möglich war. Die Schüler werden im Labor möglicherweise dazu ermutigt, 20 bis 30 % ihres Wissens bereitzustellen Energie, aufmerksam zu sein und weiterzuverfolgen. Was die Fähigkeiten der Kandidaten angeht, hoffen wir, dass wir neben bestimmten akademischen Forschungsfähigkeiten auch ingenieurwissenschaftliche Fähigkeiten schätzen werden. Stärkere technische Fähigkeiten bedeuten stärkere Implementierungsfähigkeiten, und um die Implementierung der KI-Technologie wirklich voranzutreiben, müssen wir auf der Anwendungsebene weiterhin solide sein. Natürlich hoffen wir im Idealfall, dass die Talente über Full-Stack-Fähigkeiten verfügen und selbstständig experimentelles Design und Anwendungsimplementierung abschließen können, um die Verbesserungseffekte bestimmter Innovationen in praktischen Anwendungen schnell zu überprüfen.

2 Das Modell kann nicht nur nach Größe streben, sondern die Vorteile müssen auch umfassend sein

Die Praxis- und Entwicklungserfahrung im Bildungsbereich und in der allgemeinen Industrie unterscheidet sich immer noch etwas von der allgemeinen Technologie. KI wird mittlerweile in allen Lebensbereichen eingesetzt, aber wenn es um Bildungsszenarien geht, können die meisten Modelle, die auf allgemeinen Szenarien basieren, für bestimmte Szenarien nicht „allgemein vorteilhaft“ sein. Wang Yan gab uns ein anschauliches Beispiel, etwa die Handschrifterkennung in der Handschrifteingabemethode. Das Algorithmusmodell geht davon aus, dass die Handschrift von Erwachsenen geschrieben wurde. Allerdings schreiben Schüler unterschiedlichen Alters in Hausaufgabenszenarien unterschiedlich und es gibt nicht so viele Anforderungen an Ordentlichkeit und Ordentlichkeit. Daher muss die KI im Bildungsbereich auf der Grundlage spezifischer Szenarien verfeinert werden. Sie muss in bestimmte Szenarien eintauchen, um Probleme zu lösen, die in allgemeinen Bereichen nicht gut sind, neue Geschäftsanforderungen zu erkunden und zu entdecken und praktische Probleme zu lösen . dabei die Entwicklung verwandter Technologien voranzutreiben.

Was weit verbreitet ist, muss für die Öffentlichkeit erschwinglich sein. „Große Modelle haben zwar anerkannte Leistungsverbesserungen erzielt, sind aber noch weit davon entfernt, von den Benutzern umfassend genutzt zu werden.“ Nach Ansicht von Wang Yan können große Modelle und multimodale Forschung tatsächlich zu Verbesserungen der Genauigkeit führen, wenn auch oft B. von 95 auf 96, geht dieser Verbesserungspunkt mit einem enormen Einbußen bei der Rechenleistung einher. Heutzutage erfordern große Modelle mit Parameterskalen von Hunderten von Milliarden und Billionen sehr große Cluster zur Unterstützung und Ausführung. Wenn für tatsächliche Szenarien kein großer Rechenleistungscluster vorhanden ist, können die Ergebnisse großer Modelle innerhalb einer Sekunde ausgeführt werden. was eine recht lange Laufzeit erfordern kann. Obwohl sich die Leistung der Cluster-Hardware ständig verbessert und die entsprechenden Kosten für die Rechenleistung pro Einheit ständig sinken, muss eine weit verbreitete Technologie kostengünstig und erschwinglich sein. Bis zu einem gewissen Grad ist es ein gewisses Opfer, seine ganze Energie auf das Streben nach Rechenleistung zu konzentrieren. Die flächendeckende Implementierung von KI beruht eher auf der Innovation von Ideen und dem Streben nach Kosteneffizienz der Technologie selbst.

Wie man Tausenden von Benutzern von der Technologie profitieren kann und wie man Gimmick-ähnliche Funktionen im wirklichen Leben umfassend nutzen kann, ist eine zentrale Frage. Wir haben derzeit eine sehr große Anzahl von Benutzern, und jede Sekunde nutzen viele Benutzer es. Wenn wir also die Methode „Rechenleistungshaufen“ verwenden, sind die Kosten unvorstellbar. Unter den Umständen der Erschwinglichkeit müssen wir derzeit den Benutzern möglichst umfangreiche Funktionen und Dienste bieten. Einerseits denken wir darüber nach, wie wir die Nutzung der Rechenleistung verbessern können, damit die Geräte nicht im Leerlauf sind. Andererseits untersuchen wir, wie wir das Modell und die technische Architektur verbessern und optimieren können, um Zehntausende Operationen pro Sekunde bereitzustellen zum günstigsten Preis für groß angelegte KI-Dienste. Noch wichtiger ist, wie man Ideen innoviert. Nur durch Innovationen unter dem Gesichtspunkt der Problemlösung und der Möglichkeit, dass mehr Menschen und Benutzer den Komfort der Technologie tatsächlich berühren und spüren können, kann ein größerer Mehrwert geschaffen werden.

Gastvorstellung

Wang Yan, Chefarchitekt von Zuoyebang, verantwortlich für das Intelligent Technology Laboratory von Zuoyebang Menschen. Er war einst technischer Direktor von Baidu Zhizhi und Baidu Encyclopedia. Derzeit ist er Leiter des Intelligent Technology Laboratory von Zuoyebang. Er konzentriert sich auf verwandte Forschung und Umsetzung in den Bereichen künstliche Intelligenz, Bildtechnologie und groß angelegte Hochtechnologie. Er ist hauptsächlich für Zuoyebang Search Q&A, AI-Korrektur, Fragenbank und andere damit verbundene Dienste verantwortlich.

Das obige ist der detaillierte Inhalt vonT Frontline | Exklusives Interview mit Wang Yan, Chef-KI-Architekt von Zuoyebang: Die Inklusivität der KI liegt in innovativen Ideen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!