>  기사  >  기술 주변기기  >  산업용 AI도 "ChatGPT 순간"을 열 것입니다.

산업용 AI도 "ChatGPT 순간"을 열 것입니다.

WBOY
WBOY앞으로
2023-04-04 12:55:04795검색

ChatGPT의 등장은 지난 몇 년 동안 점차 산업화의 병목 현상에 이르렀다고 여겨지던 AI 산업이 여전히 가장 혁신적인 비옥한 땅이며 엄청난 기회를 담고 있다는 것을 의미할 수 있습니다.

싱글 모달 GPT-3 기반 ChatGPT의 '지진' 여파는 가라앉지 않았고, 멀티 모달 GPT-4의 '쓰나미'는 순식간에 친구들을 휩쓸었습니다.

"이것은 인공 지능에 대한 예측이 매우 어렵다는 것을 상기시켜 줍니다." OpenAI CEO인 Sam Altman은 DALL-E 2 출시 후 이렇게 말한 적이 있습니다. 그가 옳았다는 것이 밝혀졌습니다. 2012년 딥러닝은 상징주의에 기반한 전문가 시스템의 쇠퇴로 한때 인공지능이 끝났다고 생각하게 만들었고, 이제는 딥러닝이 AI 분야를 장악하고 있다. 시스템이 대형화됨에 따라 교육 시간과 자본 비용도 계속해서 증가합니다. 모두가 모델에 매개변수를 추가하면 한계 이익이 줄어드는 것을 걱정하고 있을 때, GPT-3와 GPT-4는 더 크고 복잡한 딥 러닝 시스템이 실제로 더 놀라운 기능을 출시할 수 있으며 ChatGPT의 탄생을 세상에 알렸습니다. 더욱이 사람들은 "파괴적인" 적용 결과를 볼 수 있습니다(가짜 뉴스에서는 GPT4 매개변수의 수가 100조 개에 달한다고 주장하기도 합니다).

산업용 AI도 ChatGPT 순간을 열 것입니다.

ChatGPT의 등장은 지난 몇 년간 점차 산업화의 병목 현상에 이르렀다고 여겨지던 AI 산업이 여전히 가장 혁신적인 비옥한 땅이며 엄청난 기회를 담고 있음을 시사하는 것일 수도 있습니다. 새로운 생산성이 구체화되기 시작하면서 산업 제조업으로 대표되는 산업은 더 깊은 AI 변화를 가져오고 업계의 "ChatGPT 모멘트"를 가져올 수 있습니다. 이 과정에서 기술 동향에 부합하는 기술 기업도 가장 먼저 변화할 것으로 예상됩니다. 서클에서 나가십시오.

1. 보편성의 승리

지금까지 AI 분야를 장악한 모델은 여전히 ​​작업별 모델입니다. AI 회사가 개발한 모델은 특정 범위 내에서 잘 작동했지만 엔지니어는 일반화 기능이 더 넓은 범위의 시나리오에 대한 배포를 지원하기에는 부족하다는 사실을 발견했습니다. 업계 관계자에 따르면 많은 모델이 훈련되었지만 여전히 더 많은 모델이 필요합니다.

이 병목 현상은 고도로 세분화된 산업 제조 분야에서 거의 N배 확대됩니다. 산업제조에는 세분화된 분야가 많기 때문에 각 분야마다 생산공정, 기술, 생산라인 구성, 원자재, 제품 유형 등에서 큰 차이가 있습니다. 리튬 배터리 생산은 수천 개의 공정 지점이 있는 12개 이상의 공정으로 나눌 수 있으며, 생산 라인에는 최소 2,500개의 핵심 품질 관리 지점이 있습니다. LCD 패널 생산에는 수백 개의 공정이 포함되며 패널 유형은 최대 120개에 이릅니다. 생산 과정에서 발생할 수 있는 결함. 휴대폰에는 수백 개의 부품이 있고, 수백 개의 공급업체가 참여하며, 각 부품에는 테스트해야 할 수십 개의 결함이 있을 수 있습니다.

기존 딥러닝 모델은 일반화 정도가 낮고, 동종 업계에서도 모델의 재사용률이 상대적으로 낮습니다. 예를 들어, 세계 최고의 휴대폰 브랜드의 전체 스마트 생산 라인에 서비스를 제공하려면 수십만 개의 알고리즘 모델을 생성해야 할 수도 있습니다(소프트웨어 및 하드웨어의 후속 반복 업그레이드 제외).

이제 이 까다로운 문제는 ChatGPT 뒤에 대표되는 기본 모델(빅 모델)의 전형적인 시나리오가 되었습니다.

2022년 Google, Stanford University, University of North Carolina at Chapel Hill, DeepMind 등 기관의 연구 논문[1]에서는 대형 모델의 'Emergent Ability', 즉 일부 현상이 더 작은 모델에는 존재하지 않는다고 소개했습니다. 모델이 더 큰 모델에 존재하기 때문에 그들은 모델의 이러한 능력이 출현한다고 주장합니다. 이 능력은 현재 주로 언어 모델에 반영되어 있지만 시각적 모델 및 다중 모드 모델에 대한 향후 연구에도 영감을 줍니다.

스탠포드 대학교 인간 중심 인공 지능(HAI) 센터의 기본 모델 연구 센터(CRFM)에 따르면 “이(대형 모델)는 AI 시스템 구축, 모델 훈련을 위한 새롭고 성공적인 패러다임을 나타냅니다. 많은 양의 데이터에 적용하고 다양한 애플리케이션에 적용할 수 있도록 만듭니다." [2]

이러한 범용 기능은 바로 산업 제조에 필요한 것입니다. 산업 제조는 다양한 시나리오에 직면해 있습니다. 안정적인 기술 시스템을 통해 고도로 세분화된 수요에서 보편적인 기술 역량을 창출하는 방법은 여기에서 자신의 재능을 보여주려는 모든 기술 회사에게 가장 큰 과제가 되었습니다.

Simou Technology의 창립자인 Jia Jiaya는 회사가 처음 설립될 때 AI 2.0의 개념을 언급했습니다. 오늘날 AI 1.0을 널리 채택하는 AI 회사와 구별되는 핵심 포인트 중 하나는 다양성을 강조한다는 점입니다. Jia Jiaya는 "우리는 차세대 AI 시스템 아키텍처를 구축하고 통합 아키텍처를 사용하여 이전에 다른 사람들이 단일 시나리오에서 수행한 문제를 해결하고 이를 다양한 시나리오에서 보편적으로 만들고 싶습니다"라고 말했습니다. 알고리즘은 표준화된 수단을 사용하여 분산된 산업 시나리오를 해결하고 복제 가능성 및 표준화와 같은 주요 문제를 극복합니다. "

Simou Technology의 가장 인기 있는 제품인 Smore ViMo 산업용 플랫폼은 유니버설 디자인 사고의 전형적인 예입니다. 다중 시나리오 다양성을 갖춘 산업 시나리오용으로 구축된 최초의 산업 간 허브 플랫폼입니다. 신에너지, 반도체, 자동차, 가전제품 등 다양한 산업 분야에서 1,000개 이상의 세분화된 애플리케이션 시나리오의 요구 사항을 충족할 뿐만 아니라 재료 추적, 결함 위치, 생산 라인의 공작물 계수, 외관 결함 감지 등

산업용 AI도 ChatGPT 순간을 열 것입니다.

SMore ViMo 지능형 산업 플랫폼의 시스템 아키텍처.

이 경로의 중요한 특징은 민첩성, 개인화 및 낮은 한계 비용 간의 더 나은 균형을 유지한다는 것입니다. SMore ViMo 플랫폼의 도움으로 SMore Technology는 이미 업계 내 다양한 ​​산업의 수백 개의 프로젝트를 동시에 지원할 수 있으며 앞으로는 동시에 수천 개의 프로젝트를 지원하도록 10배 확장되어 효율성을 높일 것으로 예상됩니다. AI 산업 응용 분야의 혁신.

simou는 스마트 제조의 효율성을 크게 향상시키기 위해 대규모 산업 시나리오에서 처음으로 Transformer 기술을 사용한 후 다시 한번 처음으로 대형 모델을 수용했습니다. Simou 팀은 산업 현장에서 대형 모델의 창발 능력에 대한 연구 및 산업화를 수행한 최초의 팀입니다. 산업용 대형 모델은 상황 내 학습을 위해 소수의 결함 샘플을 사용하므로 기본 모델이 신속하게 적응할 수 있습니다. 특정 산업 시나리오를 수행하고 특정 작업을 완료합니다.

일부 업계 관계자의 견해에 따르면 ChatGPT의 성공과 그 뒤에 있는 보다 다재다능한 기술은 AI 애플리케이션을 새로운 단계로 끌어올릴 것입니다. 산업 제조업으로 대표되는 각계각층 중에서, 과거에 해당 산업에 뿌리를 내리고 이러한 추세를 수용하고 데이터 및 기술의 폐쇄 루프 구현을 완료한 기업은 더 많은 이점을 가지며 향후 폭발적인 산업 성장에서 더 선호될 것입니다. 응용 프로그램.

2. AI의 포괄적인 개발을 가속화하세요

산업 제조 분야에서도 서로 다른 "언어" 사이에 심각한 격차가 있습니다. 업계 관계자는 “산업 제조업은 많은 데이터를 축적했지만 제조 엔지니어(기계 엔지니어, 재료 엔지니어 등)는 아직 이 데이터를 활용하기 위한 프로그램을 작성하는 경우가 거의 없으며 AI 개발자도 산업 문제를 이해하는 데 어려움을 겪고 있다”고 말했다. 기술의 구현을 크게 제한합니다.

Simou Technology의 알고리즘 엔지니어들은 RLHF(Reinforcement Learning from Human Feedback, Reinforcement Learning based on Human Feedback)와 같은 ChatGPT 기반 기술을 통해 기존 작업을 더 발전시킬 수 있음을 확인할 수 있다고 말했습니다.

RLHF는 인간의 피드백을 대형 모델 훈련 과정에 통합하는 강화 학습의 확장으로, 인간이 다른 전문가로부터 전문 지식을 배우는 것과 마찬가지로 기계에 자연스럽고 인간적인 대화형 학습 프로세스를 제공합니다. RLHF는 AI와 인간 사이에 다리를 구축함으로써 AI가 인간 경험을 빠르게 마스터할 수 있도록 지원합니다.

향후 산업용 AI를 활용하면 알고리즘 엔지니어와 주석 전문가의 협력을 통해 능동적 학습 AIaaS(AI As a Service) 플랫폼을 탄생시킬 수 있다고 밝혔습니다. AI가 산업 문제를 이해하고 특정 산업 작업의 요구 사항을 충족하도록 하는 데 사용되므로 프로그래밍할 수 없는 산업 전문가가 AI 모델을 훈련할 수 있습니다.

현재 Simou Technology는 이미 RLHF와 산업을 결합하는 응용 시나리오를 탐색하고 있습니다.

또한 ChatGPT의 간단한 상호 작용 모드도 산업 제조에 AI를 구현하는 전략과 매우 유사합니다. 산업 현장의 시나리오는 복잡하고 좋은 제품은 간단하고 사용하기 쉬워야 합니다. 예를 들어 간결한 상호 작용과 원클릭 배포 솔루션을 통해 배송 과정에서 교육 비용과 학습 부담을 줄일 수 있습니다.

많은 프로그래머들은 ChatGPT가 웅장한 바벨탑을 재건하는 것과 같다고 말합니다. 컴퓨터와의 통신은 더 이상 프로그래머만의 전유물이 아닙니다. ChatGPT는 이미 일부 요구 사항을 이해하고 간단한 코드 솔루션을 생성할 수 있습니다. 하지만 이제는 가까운 미래에 제조 분야 실무자들도 AI 플랫폼에서 자체 프로그래밍을 구현하고 생산 라인 요구 사항에 따라 모델을 개발할 수 있을 것으로 예상할 수 있습니다. 이는 제조업의 AI 인재 부족 문제도 해결하는 데 도움이 될 수 있다.

"컴퓨터 시스템이 산업 구현의 여러 주요 문제를 돌파하고 자동 알고리즘 조합 및 배포를 실현할 수 있고, 인간이 소량의 맞춤형 알고리즘 설계에 참여하기만 하면 되는 경우에만 AI의 도메인 간 대규모 산업화가 가능해질 것입니다. 가능합니다." Jia Jaya는 한때 이렇게 말했습니다.

사실 Simou Technology는 이미지를 업로드하기만 하면 자동으로 결함이 표시되고, 원클릭 테스트를 통해 제품 수준의 모델이나 SDK를 얻을 수 있는 개발 플랫폼 구축을 아주 일찍부터 상상해 왔습니다. , 프로젝트의 많은 작업에 투자되는 알고리즘 비용을 줄입니다.

프로젝트를 반복하면서 Simou Technology는 점차적으로 보다 성숙한 산업 솔루션과 실제 경험을 자사 제품에 통합한 다음 완전한 제품 유형을 출시하여 고객이 Simou Technology 직원의 도움 없이 이를 경험하고 사용할 수 있게 되었습니다. 제품의 최초 상업적 적용.

기술이 발전함에 따라 소비자용이든 산업 제조와 같은 산업이든 관계없이 우리는 더 많은 포괄적인 기술 응용 프로그램을 볼 수 있으며 이는 엄청난 기회를 가져옵니다.

3. ChatGPT는 단지 시작점일 뿐입니다

지난 10년 동안 AI 기술의 상용화에 대해 많은 의문이 제기되었습니다. 이번에는 ChatGTP의 기술적 혁신이 혁명의 도래를 예고하며 AI가 진정으로 보편적인 생산성 인프라가 될 수 있습니다.

"GPT(Generative Pre-Trained Transformer)는 General Purpose Technology(범용 기술)의 약자이기도 합니다." The Economist의 기사에서는 "획기적인 혁신은 증기 기관과 같을 수 있고, 전기와 컴퓨터를 사용하면 모든 계층의 생산성이 향상됩니다.”[3]

1980년대에 시작된 개인용 컴퓨터 혁명은 이러한 기계가 더 저렴해지고, 더 강력해지고, 인터넷에 연결되면서 1990년대 후반부터 생산성을 크게 높이기 시작했습니다. 딥러닝의 전환점은 2012년에 AlexNet 신경망이 ImageNet 대회에서 우승하면서부터 시작되었습니다. 이후 많은 사람들이 이를 다양한 분야에 적용할 수 있도록 영감을 주기 시작했습니다. 10년이 넘는 기간 동안 딥 러닝 기술은 대규모 활성화 산업의 문턱을 넘어섰습니다.

지능형 산업 제조의 발전 역사를 되돌아보면 기술적 역량과 알고리즘이 실제 애플리케이션 요구 사항을 충족할 수 없음, 복제 가능성이 낮고 솔루션 구현이 어려움, 신기술 기업과 기업 간의 높은 통신 비용 등의 과제가 항상 있었습니다. 제조 회사. 현재 기본 모델(대형 모델)은 다중 도메인 및 다중 작업에 대한 일반적인 능력을 보여줍니다. 이는 이러한 산업의 "장벽"을 무너뜨리고 낮은 내결함성과 비용에 민감한 산업 응용 프로그램을 "획기적으로" 보여줍니다. -비용과 포괄적인 방법.

AI를 사용하여 산업 문제를 해결하는 것은 기회를 포함합니다. ChatGPT는 업계에 뿌리를 둔 일부 기술 회사가 지속적으로 심화됨에 따라 점점 더 많은 산업이 AI 애플리케이션의 "ChatGPT 순간"을 맞이하고 있습니다.

위 내용은 산업용 AI도 "ChatGPT 순간"을 열 것입니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

성명:
이 기사는 51cto.com에서 복제됩니다. 침해가 있는 경우 admin@php.cn으로 문의하시기 바랍니다. 삭제