人工智慧領域，突破難題：國產大模型「無源之水」問題解決。

人工智慧領域，突破難題：國產大模型「被動之水」問題解決。

在2023年世界人工智慧大會的「大模型時代的通用人工智慧產業發展機會以及風險」論壇上，多位通用人工智慧領域的專家聚焦大模型，深入探討了基礎創新、應用技術和未來前景等方面的人工智慧問題。

中國工程院院士戴瓊海表示：「我國應該從政策、機制和投入上深化人工智慧的人才培養和基礎研究，強化原始創新，避免陷入『無源之水』的困境。」他在主題演講中強調了這一觀點。

清華大學電子工程系長聘教授、系主任汪玉指出，上海已經擁有許多晶片企業和演算法，但如何有效且統一地在晶片上部署這些演算法，是一個非常重要的問題。他強調，這是上海在人工智慧領域所面臨的關鍵挑戰。

從基礎研究領域來看，戴瓊海認為我國在大型創新上的突破性成果較為有限。他的觀點是，中國在人工智慧領域的人才主要集中在應用方面，因此在應用場景和技術層面有巨大的發展潛力。然而，在基礎層面的人才方面，中國明顯處於劣勢，原始創新不足。

戴瓊海表示，人工智慧創新發展需要三大支柱：演算法、數據和算力。演算法決定智能水平，數據決定智能範圍，算力決定智能效率。大體來說，預計在未來5年左右，大型演算法模型將成為人工智慧應用的核心基礎平台。

戴瓊海同時指出，腦智能是未來的新方向。融合腦部和認知的人工智慧新演算法將引領新一代智慧的發展。他建議政府鼓勵企業主導大模型的建設，探索生物機制和機器特色的結合，進一步推動基礎研究和應用發展。他預測，以認知智能為核心的人工智慧將在十年後開始廣泛應用。

此外，戴瓊海也提醒人們需要警惕大模型應用的安全問題。大模型尚不能對輸出進行可信賴性的驗證，例如產生欺騙性內容。他強調，大模型應用的問題並不像電腦網路病毒那麼簡單，一旦出現問題，將帶來顛覆性的影響。因此，在大模型的應用過程中，應該要明確討論安全性和可信度。

需要重點解決國內大型模型落地面臨的四個問題所需的痛點。首先，需要解決長文本處理的問題。其次，需要提高大模型的性價比。第三，需要將大模型應用於多種垂直領域。最後，需要實現一站式部署的新需求。他強調，這些需求的解決將推動整個產業鏈的發展。

在論壇中，與會者對大模型的發展提出了更多看法和建議。一些專家認為，在晶片領域的依賴性可以透過增強國內大算力晶片的研發和應用來彌補。他們強調，儘管國內已經出現了一些晶片企業，但需要進一步加強晶片上演算法的高效統一部署能力。

同時，專家也提到了大模型在不同垂直領域的應用問題。在醫療和金融等領域，要取得大規模的語料資料是一項巨大的難題。因此，建立通用基座大模型，並進行細緻微調，將有助於提升各行各業的基礎效能。

人們普遍認為，將大型模型的部署和最佳化自動化為一體化解決方案是一個重要的趨勢。透過實施層次化的方法來優化軟硬體協作、編譯最佳化和硬體設施部署，從而提升整體效率並獲得更具成本效益的結果。專家呼籲進一步探索高效的微調演算法，以滿足大模型在不同垂直領域的需求。

與會者們達成共識，強調大模型的發展需要政府、企業和學術界共同合作努力。政府應該加強政策引導，推動基礎研究和人才培育。企業應該承擔起主導角色，加大對大模型建設的投入與推動。學術界應該加強與產業界的合作，促進科技成果的轉化與應用。

專家們強調在大型模式的發展上，需要加強對安全性和可信性的研究和探索。他們主張確立相應的規範和標準，以確保大型模型的應用不會帶來不良影響和風險。

最後，與會者紛紛表示，大模型的發展將為人工智慧產業帶來巨大機遇，但也需要警惕潛在的風險和挑戰。他們鼓勵各方在大模型的研發、部署和應用中進行深入合作，共同推動人工智慧的健康發展和社會進步。

專家們在世界人工智慧大會的論壇上就大型模式的發展和應用進行了廣泛的研討和交流。他們對人工智慧領域的基礎創新、技術應用和未來前景提出了寶貴的見解和建議，為人工智慧產業的發展指明了方向。

以上是人工智慧領域，突破難題：國產大模型「無源之水」問題解決。的詳細內容。更多資訊請關注PHP中文網其他相關文章！