Heddiw, mae Deallusrwydd Cyffredinol Artiffisial (AGI) wedi dod yn allweddair ffocal yn y cymunedau gwyddonol a diwydiannol. Ychydig flynyddoedd yn ôl, roedd llawer yn credu y byddai cyflawni AGI yn cymryd o leiaf 10 i 50 mlynedd, neu hyd yn oed yn meddwl ei fod yn amhosibl. Y dyddiau hyn, mae golygfeydd besimistaidd o'r fath yn brin. Fodd bynnag, o'i gymharu â chyffro'r cyhoedd ynglŷn â'r don hon o newid technolegol, mae llawer o ysgolheigion rheng flaen ac arweinwyr diwydiant ym maes AI yn credu bod llawer o ffordd i fynd o hyd i AI cyfredol ddatblygu'n AGI.
Yn ôl Qi Yuan, athro nodedig ym Mhrifysgol Fudan, cyfarwyddwr Sefydliad Ymchwil Cudd-wybodaeth Artiffisial Shanghai (SAIRI), a sylfaenydd y cwmni Model Mawr Dibynadwy "Infinite Lightyear," "Un o amlygiadau uchaf AGI yw darganfod anhysbys deddfau yn y byd cymhleth Yn syml, dylai fod yn 'AI Einstein.' Mae hyn yn ei gwneud yn ofynnol i ni greu modelau mawr dibynadwy 'blwch llwyd' sy'n cyfuno rhagfynegiadau tebygol 'blwch du' â rhesymu rhesymegol 'blwch gwyn' ac i hyrwyddo ymchwil sylfaenol, meithrin talent, a chymwysiadau ymarferol trwy integreiddio dwfn technoleg a diwydiant, a thrwy hynny adeiladu ecosystem arloesol ar gyfer deallusrwydd gwyddonol."
Yng Nghynhadledd Deallusrwydd Artiffisial y Byd (WAIC) diweddar 2024 a Chyfarfod Lefel Uchel Llywodraethu Byd-eang Deallusrwydd Artiffisial, llwyddodd SAIRI i gynnal fforwm thematig o'r enw "Deallusrwydd Artiffisial: Newid Paradigm mewn Ymchwil Gwyddonol a Datblygiad Diwydiannol." Hwn oedd ymddangosiad cyntaf y sefydliad ymchwil newydd hwn yn WAIC. Gellir gweld SAIRI fel model ar gyfer archwiliad Shanghai o ecosystem deallusrwydd gwyddonol "1+1+N" a yrrir gan arloesi. Mae'r model hwn yn cynnwys SAIRI fel y canolbwynt canolog sy'n gyfrifol am gynllunio strategol cyffredinol, integreiddio adnoddau, ac ymchwil ac arloesi technoleg allweddol, mewn cydweithrediad â Phrifysgol Fudan "1" arall, a sawl prifysgol "N", sefydliadau ymchwil, cwmnïau technoleg, timau arloesi, a sefydliadau buddsoddi, i hyrwyddo ymchwil wyddonol, meithrin talent, trosglwyddo technoleg, ac arloesi ac uwchraddio diwydiannol ar y cyd.
Dylai'r safon ar gyfer AGI fod i greu "AI Einstein."
O safbwynt technegol, a fydd modelau cynyddol fwy gyda mwy o baramedrau yn arwain at AGI? Hyd yn hyn, nid o safbwynt technoleg AI ei hun nac o safbwynt y defnydd o ynni, yn fodelau mawr yn seiliedig ar y bensaernïaeth awtiadol Transformer ddigon i arwain at AGI. Mae angen i AI ddatblygu modelau mawr dibynadwy "blwch llwyd" newydd. Mae'r casgliad hwn yn seiliedig ar flynyddoedd Qi Yuan o brofiad ymarferol yn y byd academaidd a diwydiant.
Ddeng mlynedd yn ôl, gyda'r syniad o "wneud AI yn ddefnyddiol," arweiniodd Qi Yuan dîm i gynyddu system ddysgu peiriant craidd Alibaba o 2 filiwn o baramedrau i gannoedd miliwn o baramedrau am y tro cyntaf, gan gyflawni gwelliant sylweddol mewn perfformiad busnes a gan ddangos y trawsnewid integredig o ddata, algorithmau, a galluoedd peirianneg. Dyma'n union amlygiad y Gyfraith Graddio, a drafodir yn eang yn y gymuned AI heddiw.
Mae Qi Yuan yn cofio bod y tîm yn wir wedi blasu melyster y Gyfraith Graddio: ar ôl cynyddu paramedrau'r model ganwaith, gwellodd yr effaith gyffredinol yn ddramatig. "Ond nawr dwi'n meddwl: pam na wnaethon ni wneud modelau AI hyd yn oed yn fwy yn ôl bryd hynny? Pam wnaethon ni stopio pan allem ni fod wedi cymryd cam ymhellach?" meddai. "Nid yw hyd yn oed biliynau o baramedrau mewn modelau mawr yn ddigon; mae angen i ni symud tuag at gannoedd o biliynau, triliynau, neu hyd yn oed mwy. Bryd hynny, nid oedd gan y byd academaidd a diwydiant y pŵer cyfrifiadurol, a hyd yn oed yn y sector diwydiannol, gan gyflawni mor uchel. roedd angen costau uchel iawn ar bŵer cyfrifiadura, heb sôn am y byd academaidd.”
Y rheswm pam y dylai'r safon ar gyfer AGI fod i greu "AI Einstein," eglura Qi Yuan, yw bod angen iddo fod yn effeithiol ac yn ddeallus. Yn gyntaf, darganfu Einstein "gymylau ffiseg yr 20fed ganrif gynnar" trwy ychydig o bwyntiau data allweddol. Dylai AGI hefyd allu darganfod a deall cyfreithiau anhysbys y byd cymhleth. Fodd bynnag, ni all modelau mawr presennol gyflawni hyn. Er enghraifft, er bod y model mawr gweledol SORA yn efelychu'r byd ffisegol i raddau nas gwelwyd o'r blaen, mae'n dal i adeiladu'r byd tri dimensiwn yn seiliedig ar efelychu'r byd dau-ddimensiwn ac nid yw ymhell o ddeall y byd ffisegol yn drylwyr. Yn ail, mae mater defnydd pŵer. Mae'r ymennydd dynol yn gweithredu ar tua 15 wat, tra gall un GPU gyrraedd uchafbwynt ar rai cannoedd o wat, heb sôn am y clystyrau o filoedd neu ddegau o filoedd o GPUs sydd eu hangen i hyfforddi modelau mawr cyffredinol. Ar hyn o bryd, os byddwn yn parhau i ddefnyddio pensaernïaeth bresennol, byddai'r defnydd o bŵer sydd ei angen yn seryddol, gan ei gwneud hi'n anodd cyrraedd y nod o fod yn effeithiol a deallus.
Mae'r "AI Einstein" hefyd yn nod allweddol AI ar gyfer Gwyddoniaeth (AI4S). Mae cudd-wybodaeth wyddonol wedi chwarae rhan bwysig wrth gyflymu datrysiad hafaliadau ffisegol hysbys, ond mae angen iddo hefyd gyfuno rheolau hysbys â data i leihau'r ddibyniaeth ddifrifol ar ddata a phŵer cyfrifiadurol, gwella cywirdeb rhesymu a rhagfynegi, a chynnig damcaniaethau gwyddonol newydd. yn seiliedig ar reolau gwybodaeth wedi'u haddasu gan ddata. Mae hyn yn cyd-fynd â nod hirdymor Qi Yuan ym Mhrifysgol Fudan a SAIRI - defnyddio deallusrwydd artiffisial i ddeall y byd cymhleth a darganfod cyfreithiau anhysbys.
"Blwch llwyd" parth fertigol dibynadwy modelau mawr grymuso diwydiannau amrywiol.
Pa broblemau sydd angen eu datrys er mwyn i fodelau mawr ddod yn rymoedd cynhyrchiol newydd o offer AI? Yn ôl Qi Yuan, mae'r diwydiant model mawr yn wynebu llawer o heriau cyffredin, gan ei gwneud hi'n anodd i dechnoleg, cynhyrchion, ac anghenion y farchnad alinio.
"Y mater mwyaf gyda gweithredu model mawr heddiw yw ei bod yn ymddangos yn ddefnyddiol ar yr olwg gyntaf ond yn methu â defnydd ymarferol," eglura Qi Yuan. Mae modelau iaith mawr heddiw yn rhagweld y gair nesaf yn bennaf yn seiliedig ar eiriau blaenorol lluosog, ond nid yw'r dull hwn yn addas ar gyfer rhesymu aml-gam trwyadl. "Mae iaith yn arf ar gyfer cyfathrebu, nid ar gyfer meddwl." Yn ddiweddar, papur a gyhoeddwyd gan sefydliadau gan gynnwys MIT yn y cyfnodolyn academaidd gorauNaturNododd fod iaith yn arf pwerus ar gyfer trosglwyddo gwybodaeth ddiwylliannol, ac efallai ei bod wedi cyd-esblygu â'n galluoedd meddwl a rhesymu, gan adlewyrchu cymhlethdod gwybyddiaeth ddynol. Fodd bynnag, nid yw iaith yn cynhyrchu cymhlethdod rhesymu.
Er mwyn mynd i'r afael ag annibynadwyedd, dehongliad isel, a chostau uchel modelau mawr presennol, ateb effeithiol yw cyfuno rhesymu rhwydwaith niwral tebygol â chyfrifiant symbolaidd rhesymegol, yn debyg i'r cyfuniad o feddwl cyflym yn seiliedig ar reddf a meddwl araf yn seiliedig ar resymu rhesymegol a ddisgrifir yn Llyfr Daniel Kahneman, enillydd gwobr NobelMeddwl, Cyflym ac Araf. "Gellir galw hyn yn fodel mawr 'blwch llwyd'," cred Qi Yuan. Gall cyfuno cyfrifiant symbolaidd â rhwydweithiau niwral mewn model mawr dibynadwy "blwch llwyd" leihau "rhithweledigaethau" AI a datrys problemau proffesiynol mewn meysydd fertigol, a thrwy hynny rymuso diwydiannau amrywiol a rhyddhau cynhyrchiant modelau mawr.
Beth yw model mawr dibynadwy "blwch llwyd"? "Yn wreiddiol, roedd dysgu dwfn yn cael ei ystyried yn 'bocs du.' Nawr, trwy gyfuno rhesymu rhesymegol â dysgu dwfn, mae gennym 'blwch llwyd,'" eglura Qi Yuan. "Gadawodd y 'blwch du' gwreiddiol bobl yn anymwybodol o'r broses a ddefnyddiwyd i gynhyrchu data, tra bod model mawr y 'blwch llwyd', gyda chymorth rhesymu rhesymegol, yn galluogi pobl i 'wybod y canlyniadau a'r rhesymau y tu ôl iddynt.' O safbwynt arall, gall modelau 'blwch llwyd' ddefnyddio dysgu dwfn i leihau rheolau nad ydynt yn cydymffurfio â data a arsylwyd yn y byd go iawn."
Dywed Qi Yuan, er mwyn i AI chwarae rhan graidd mewn senarios cymhleth ar draws amrywiol ddiwydiannau - boed ym meysydd cyllid ac yswiriant, ynni gwynt ac ynni, neu longau cefnforol a meysydd fferyllol - mae angen cyfuno gwybodaeth systematig am y diwydiant, rhesymeg resymu, a phenderfyniad -gwneud mecanweithiau gyda modelau mawr. Mae'r model mawr "blwch llwyd" nid yn unig yn gyfeiriad ar gyfer AGI ond hefyd yn offeryn pwerus ar gyfer meysydd fertigol treiddio'n ddwfn a datrys problemau'r byd go iawn yn wirioneddol. "O safbwynt diwydiannol, mae'r ddealltwriaeth hon yn reddfol iawn," mae Qi Yuan yn dangos. Nid oes angen i feddygon ddod yn gyfreithwyr, ac nid oes angen i gyfreithwyr ddod yn arbenigwyr buddsoddi ychwaith. Dylai pob rôl broffesiynol ganolbwyntio ar eu maes a gwella eu hoffer cynhyrchiant. O safbwynt technegol, os yw model mawr yn gor-ddysgu tasgau amherthnasol, gall brofi "anghofio trychinebus." Er enghraifft, pe bai Li Bai yn treulio ei holl amser yn cyfrifo yn lle ysgrifennu barddoniaeth, efallai y byddai ei ysbrydoliaeth farddonol yn pylu'n raddol. "Rydym eisoes wedi arsylwi, wrth hyfforddi modelau mawr ar gyfer parthau fertigol, os yw'r model yn dysgu gormod o swyddogaethau nad ydynt yn gysylltiedig, gall ymyrryd â'i alluoedd gwreiddiol. Felly, mae datblygu modelau mawr 'blwch llwyd' effeithiol ar gyfer parthau fertigol o werth mawr mewn diwydiannol. gweithredu."
"Rwy'n credu y bydd modelau mawr 'blwch llwyd' yn chwarae rhan gynyddol bwysig ar y llwybr i AGI ac wrth weithredu diwydiannau parth fertigol. O safbwynt methodolegol Bayesaidd, mae'n cyfuno ein gwybodaeth hysbys â gwybodaeth gudd yn y data i ddarganfod deddfau newydd a datrys problemau gwyddonol a diwydiannol," dywed Qi Yuan. Yn y dyfodol, gallai "AI Einstein" hefyd fod yn "AI Buffett."
Cysylltu'r gadwyn arloesi ac adeiladu ecosystem arloesi cudd-wybodaeth wyddonol.
Yng Nghynhadledd Deallusrwydd Artiffisial y Byd eleni, lansiodd tîm Qi Yuan fodelau mawr ariannol a meddygol dibynadwy gyda channoedd o biliynau o baramedrau. Roedd y modelau parth fertigol hyn yn rhagori ar fodel paramedr triliwn OpenAI GPT-4 Turbo wrth ei brofi, gan dynnu sylw'r diwydiant unwaith eto at weithredu modelau mawr.
"Mae datblygiadau arloesol AI heddiw yn cael eu gyrru nid yn unig gan arloesiadau mewn egwyddorion sylfaenol ond hefyd gan ddulliau sy'n cael eu gyrru gan gynnyrch sy'n mynd i'r afael ag anghenion cymdeithasol. Mae cymdeithas yn gofyn nid yn unig am gyhoeddi papurau damcaniaethol neu arloesiadau model busnes ond hefyd integreiddio'n ddwfn arloesiadau technolegol a diwydiannol yn seiliedig ar egwyddorion cyntaf. Unwaith y bydd y ddwy elfen hyn yn cael eu cyfuno, gallwn gyrraedd dyfroedd glasach," meddai Qi Yuan.
Mae gan y byd academaidd a diwydiant genadaethau gwahanol. Mae Academia yn archwilio ffenomenau newydd, tra bod diwydiant yn datrys problemau ymarferol yn bennaf. Mater cyffredin ledled y byd yw bod angen i sefydliadau ymchwil fynd i'r afael â llawer o broblemau arloesi technolegol, ond os ydynt yn anwybyddu anghenion cynnyrchu ac anghenion cymdeithasol, maent yn wynebu dau ddiffyg: diffyg pwysau cystadleuol gwirioneddol, sy'n rhwystro mireinio technolegau arloesol, ac absenoldeb effeithiol. adborth marchnad i arwain ymchwil technolegol.
I'r perwyl hwn, mae Qi Yuan wedi ceisio cysylltu'r gadwyn arloesi o "sefydliadau ymchwil-prifysgolion-cychwynnol" ers tro byd i greu ecosystem arloesi dda sy'n ystyried technoleg sylfaenol ac anghenion y farchnad. Dylai cyfeiriad y cynnyrch gael ei arwain gan alw'r farchnad a senarios, gan adeiladu cystadleurwydd craidd cynnyrch trwy arloesi sylfaenol.
Wedi'i sefydlu yn 2023, mae SAIRI wedi ymrwymo i arloesiadau AI for Science gwreiddiol sy'n cyfuno gwybodaeth a data. Yn ddiweddar, lansiodd SAIRI gyfres Fuxi o fodelau mawr meteorolegol 2.0 ar gyfer ceisiadau ym meysydd ynni newydd, yswiriant, rheolaeth drefol, a sefydlodd y Gynghrair Ecosystemau Arloesedd Meteorolegol Clyfar. Nod y gynghrair hon yw hyrwyddo cymhwysiad diwydiannol modelau mawr meteorolegol cyfres Fuxi 2.0 yn raddol. Mae'r "blwch llwyd" modelau mawr dibynadwy hefyd yn symud ymlaen wrth weithredu cynnyrch, gydag Infinite Lightyear, y cwmni model mawr dibynadwy a sefydlwyd gan Qi Yuan, sydd eisoes wedi'i sefydlu.
Er mwyn hyrwyddo'r ecosystem arloesi cudd-wybodaeth wyddonol ymhellach, ail Gystadleuaeth Cudd-wybodaeth Wyddonol y Byd, a drefnwyd ar y cyd gan SAIRI a Phrifysgol Fudan, ac a arweinir gan adrannau lluosog gan gynnwys Pwyllgor Gwyddoniaeth a Thechnoleg Shanghai, Comisiwn Datblygu a Diwygio Shanghai, Pwyllgor Economaidd a Thechnoleg Gwybodaeth Shanghai, a Phwyllgor Addysg Shanghai, wedi'i lansio. Mae'r gystadleuaeth yn cynnig miliynau mewn gwobrau i recriwtio cyfranogwyr byd-eang i archwilio meysydd terfyn deallusrwydd gwyddonol. Yn ogystal, mae SAIRI wedi datblygu llwyfan data gwyddonol sy'n cwmpasu data gwyddonol amlfodd, sy'n cefnogi'r gadwyn lawn o gasglu a phrosesu data i reoli a modelu, gan sicrhau prosesu data effeithlon, dibynadwyedd, a chyfathrebu diogel. Yn seiliedig ar y platfform hwn, mae SAIRI a'i bartneriaid wedi adeiladu sawl set ddata wyddonol o ansawdd uchel ar gyfer gwyddorau bywyd, gwyddorau materol, gwyddorau atmosfferig, a meysydd eraill, gan ddarparu adnoddau gwerthfawr ar gyfer ymchwil cudd-wybodaeth wyddonol. At hynny, mae SAIRI wedi cychwyn y Gynghrair Ecosystem Data Gwyddonol Fyd-eang, gydag aelodau cychwynnol yn cynnwys China Telecom Corporation, COSCO Shipping Insurance Captive, Shanghai Lingang New Area Cross- Border Data Technology, a mwy na deg endid arall. Nod y gynghrair yw adeiladu adnodd data mawr ymchwil byd-eang, aml-faes agored a rhannu trwy gydweithio rhwng y llywodraeth, mentrau, prifysgolion a sefydliadau ymchwil.
"P'un ai mewn ymchwil wyddonol neu ddiwydiant, ni ddylem arloesi er mwyn arloesi. Rydym yn gobeithio adeiladu AGI yn y dyfodol a chymwysiadau sy'n datrys problemau byd go iawn," meddai Qi Yuan.