* مصدر الصورة: تم إنشاؤه بواسطة أداة Unbounded AI *
بعد مغادرة JD.com ، لم يكن Zhou Bowen متحمسًا لهذا لفترة طويلة.
تحولت ChatGPT لإثارة العالم ، مثل رعد ربيعي أيقظ الممارسين من جميع مناحي الحياة ، حتى سمعوا جميعًا خطى دخول الذكاء الاصطناعي العام إلى الواقع.
في ظل الارتفاع المفاجئ ، رأى الناس أن وانغ هوي ون ووانغ شياوتشوان يبدآن أعمالهما التجارية الخاصة ، كما شهدوا سيطرة بايدو وعلي بابا على السوق. لقد درس Zhou Bowen ، بصفته العميد السابق لمعهد أبحاث الذكاء الاصطناعي في IBM و JD.com ، النظرية الأساسية للذكاء الاصطناعي والتقنيات الأساسية المتطورة والتطبيقات والتصنيع لأكثر من 25 عامًا. أسس Lianyuan Technology باسم في وقت مبكر من نهاية عام 2021. النموذج ، مع الذكاء الاصطناعي التوليدي والحوار متعدد الجولات وتكنولوجيا التعاون بين الإنسان والحاسوب ، يساعد الشركات والمستهلكين على إكمال ابتكار المنتجات وتحويل الذكاء الرقمي في عصر الذكاء الاصطناعي الجديد. "ليس الأمر كثيرًا أنني قررت بدء عمل تجاري في هذا المجال ، فمن الأفضل أن أقول إن هذا العمل وجدني." وصف تشو بوين هذا بأنه شيء يجب القيام به ، كما لو أن الإحساس بالمهمة كان يحثه على التصرف.
تخرج Zhou Bowen من جامعة العلوم والتكنولوجيا في الصين ، ثم التحق بجامعة كولورادو في بولدر للحصول على الدكتوراه. بصفته الرئيس السابق لمعهد أبحاث الذكاء الاصطناعي الأساسي في المقر الأمريكي لشركة IBM Research ، عاد إلى الصين بعد أن ترأس الأعمال المتعلقة بالذكاء الاصطناعي لسنوات عديدة ، وشغل على التوالي منصب نائب رئيس أول لمجموعة JD Group ، ورئيس اللجنة الفنية للمجموعة ، ورئيسًا لـ JD Cloud and AI ، والرئيس المؤسس لمعهد أبحاث الذكاء الاصطناعي JD وغيرها من المناصب. بصفته مؤسس JD AI ، فهو مسؤول عن البحث التقني وتطوير الأعمال في JD AI. أسس قسم JD AI ومعهد أبحاث AI و JD AI Accelerator من 0 لإنشاء منصة وطنية مفتوحة للذكاء الاصطناعي لسلسلة التوريد الذكية ، تحقيق حجم المكالمات اليومية من 0. إلى عشرات المليارات ، قاد إعادة الإعمار الفني لخدمة عملاء Jingdong الذكاء الاصطناعي وأطلق إنتاجًا خارجيًا ، وأدار مليارات من أعمال الخدمات الفنية وآلاف من التكنولوجيا المتكاملة ، والمنتجات ، وفرق التسويق والمبيعات.
في عام 2021 ، توقع Zhou Bowen أن ينفجر الذكاء الاصطناعي التوليدي في المستقبل القريب ، لذلك قرر ترك JD.com لتأسيس Lianyuan Technology ، الملتزمة بمساعدة المؤسسات العمودية على تنفيذ ابتكار المنتجات وتحويل الذكاء الرقمي باستخدام نموذج عام واسع النطاق القدرات ، وإعادة تشكيلها مع قيمة سلع الذكاء الاصطناعي ؛ في عام 2022 ، سيعمل كأستاذ كرسي Huiyan في جامعة تسينغهوا وأستاذًا في قسم الهندسة الإلكترونية ، وفي مايو من نفس العام ، سيؤسس بحث الذكاء التفاعلي التعاوني مركز جامعة تسينغهوا بالصدفة. **
ChatGPT على وشك القدوم ، ونشر Zhou Bowen أيضًا في Moments: "أعتقد أن الصين OpenAI بحاجة إلى استكشاف مسار جديد!" ولكن على عكس رواد الأعمال الآخرين ، اختار Zhou Bowen و Lianyuan Technology الاعتماد على عشرات المليارات من المعلمات وطريقة تدريب فريدة لجعل النموذج الكبير أفضل في فهم العلاقة بين الأشخاص والسلع على أساس القدرات العامة. تساعد التكنولوجيا الذكية الشركات على إعادة البناء نظام الابتكار كامل الارتباط من رؤية المنتج وتحديد المواقع والتصميم والبحث والتطوير إلى التسويق.
صرح Zhou Bowen ذات مرة علنًا أن اتجاهه الريادي هو أخذ زمام المبادرة في دمج الذكاء الاصطناعي مع الصناعات التقليدية لإضفاء قيمة أعلى على ابتكار الذكاء الرقمي للمؤسسات ، أي لتحقيق اختراق في قدرة النماذج الكبيرة العامة في السيناريوهات الرأسية.
في الآونة الأخيرة ، أجرى مراسل من AI Technology Review محادثة مع Zhou Bowen. وفيما يلي نص المحادثة. قامت AI Technology Review بتحرير المحتوى دون تغيير معناه الأصلي:
** دع الذكاء الاصطناعي يتعلم الحكمة البشرية ، نموذج جديد للتفاعل والتعاون **
** مراجعة تقنية الذكاء الاصطناعي: جلبت ChatGPT طريقة التفاعل هذه ، ما الذي تعتقد أنه يختلف عن طريقة التفاعل السابقة؟ **
** Zhou Bowen: ** أحد اتجاهاتي البحثية هو التفاعل بين الذكاء الاصطناعي والناس ، والتعلم في التفاعل. يختلف التفاعل بين الإنسان والحاسوب عن الحوار بين الإنسان والحاسوب.من خلال التفاعل بين الإنسان والحاسوب ، يمكن للذكاء الاصطناعي تعلم الأشياء في هذه العملية ، لذا فهذه ليست مهمة سهلة التنفيذ ، ولكنها وسيلة لتحقيق التعلم.
كما هو مسجل في "مختارات كونفوشيوس" ، إنها قصة كونفوشيوس وتلاميذه الاثنين والسبعين يتعلمون من خلال التفاعل. في الغرب ، على غرار أكاديمية أثينا لأفلاطون وأرسطو ، يتم إرث أقدم المعارف والحكمة من خلال الحوار بين الناس ، ويساعد المعلمون الطلاب على إكمال دراساتهم بشكل أفضل من خلال التفاعل مع الطلاب.
على سبيل المثال ، إذا طلب المعلم من الطلاب سكب كوب من الماء ، فمن الصعب على مثل هذه الإجراءات البسيطة "تنفيذ الأوامر" زيادة الحكمة ؛ كيفية التغلب على الصعوبات ، هذا هو التفاعل الذي يمكن أن يزيد الحكمة ، ويعكس أيضًا وجهة نظري الأساسية حول التفاعل التعاوني بين البشر والذكاء الاصطناعي.
جوهر الذكاء الاصطناعي هو التعاون والتفاعل مع البشر ، فهو يتعلم باستمرار من التفاعلات ، ثم يتعاون مع البشر لحل المشكلات بشكل أفضل. ستزداد أهمية وجهة النظر هذه في المستقبل القريب ، وفي نفس الوقت ستواجه المزيد من التحديات الفنية والأخلاقية ، وفي النهاية لن يكون من السهل الحفاظ على المحصلة النهائية. مثل محاذاة الذكاء الاصطناعي التي يقولها الجميع ، يمكن للبشر تمرير إرادتهم إلى الذكاء الاصطناعي ، ثم تقسيم المهام باستخدام الذكاء الاصطناعي ، مما يسمح للذكاء الاصطناعي بالتعلم وتحقيق الإرادة البشرية في هذه العملية. هذه طريقة جديدة للتعاون ، أي ذكاء تفاعلي تعاوني.
** مراجعة تقنية الذكاء الاصطناعي: هل تعتقد أن تحقيق محاذاة القيمة من خلال التفاعل طريقة فعالة للعقل البشري و GPT للتعاون؟ كيف يجب أن يعمل البشر والذكاء الاصطناعي معًا بشكل أفضل؟ **
** Zhou Bowen: ** بعد انفجار الذكاء الاصطناعي التوليدي ، سيصبح الذكاء الاصطناعي الذي يتعلم من خلال التفاعل التعاوني مع البشر أقوى وأقوى.
اقترح دانيال كانيمان ، الحائز على جائزة نوبل في الاقتصاد عام 2002 ، في كتابه الأكثر مبيعًا التفكير السريع والبطيء ، أن هناك نمطين من التفكير البشري - النظام 1 والنظام 2 ، والنظام 1 سريع. النظام 2 هو التفكير البطيء ، والذي يتطلب الكثير من التفكير والحساب.
في البداية ، اعتقد الناس أن الذكاء الاصطناعي كان أكثر ملاءمة لعمل "النظام 1" ، مثل التعرف على الوجوه وفحص الجودة ، والتي كانت تستند إلى التعرف على نمط "النظام 1". لكني أصر على أن القيمة الحقيقية للذكاء الاصطناعي تكمن في 2 ، وهي مساعدة البشر على إكمال مهام التفكير المنطقي المعقدة بشكل أفضل. ** أثبت ظهور ChatGPT جدوى الذكاء الاصطناعي باعتباره النظام 2 ، مما يعني أنه يمكن للذكاء الاصطناعي اكتشاف معرفة جديدة ، واكتشاف المعرفة الجديدة سيساعد البشر على تصميم ذكاء اصطناعي أفضل ** ، مثل اكتشاف علوم الدماغ وتحسين الحوسبة ، و ظهور دولاب الموازنة لخلق معرفة جديدة. يعني تأثير دولاب الموازنة أن الذكاء الاصطناعي يمكنه تمكين النظام بأكمله من اكتشاف المعرفة الجديدة بشكل أفضل ، ويمكن أن تساعد هذه المعرفة الجديدة في تصميم أنظمة ذكاء اصطناعي أفضل ، وبالتالي تشكيل دائرة فاضلة. لذلك ، تم تشكيل علاقة يعزز بعضها البعض بين الذكاء الاصطناعي والمعرفة والابتكار ، الأمر الذي يتطلب تغيير طريقة تعاون الذكاء الاصطناعي والبشر.
لقد اقترحت اتجاهًا بحثيًا "3 + 1" من قبل ، أي استخدام الذكاء الاصطناعي الموثوق به كقاعدة بحثية وهدف طويل المدى ، للتركيز على تفاعل التمثيل متعدد الوسائط ، والتفسير التعاوني بين الإنسان والحاسوب ، والتطور التعاوني البيئي. جوهر أن تكون إنسانًا يمكن أن يحقق التعاون والمشاركة في إنشاء الآلات هدف البشر بمساعدة الذكاء الاصطناعي على الابتكار ومساعدة الذكاء الاصطناعي البشر على الابتكار.
** أحدها هو تفاعل التمثيل متعدد الوسائط ** ، حيث قد تكون هناك نظرية كبيرة موحدة. في عام 2022 ، لا يزال الناس متشككين في هذا الأمر ، ولكن مع ظهور GPT-4 ، أصبح هذا التفاعل التمثيلي الموحد متعدد الوسائط أكثر إقناعًا ؛ ** نقطة أخرى هي التفاعل التعاوني بين الإنسان والحاسوب **. كان الناس أيضًا متشككين في هذا الأمر في عام 2022 ، ولكن الآن أصبحت طريقة التفاعل هذه أكثر مصداقية ، وبدأ الناس يعتقدون أنه من المحتمل أن يحدث ؛ ** النقطة الثالثة هي التطور المشترك للذكاء الاصطناعي والبيئة ** ، هذا يعني أن الذكاء الاصطناعي لا يحتاج فقط إلى التعاون مع البشر ، ولكن يجب أيضًا أن يتكيف مع البيئة المحيطة. لقد اقترحنا هذا المفهوم لأول مرة في أوائل عام 2022 ، وحتى الآن لم نشهد أي حالات ناجحة في هذا الاتجاه ، ولا حتى OpenAI.
** إذا لم تتمكن من تعلم OpenAI ، لكن لا يمكنك تعلم Microsoft ، فأنت بحاجة إلى طرح الشركات الناشئة المحلية على نطاق واسع **
** مراجعة تقنية الذكاء الاصطناعي: الميزة الخاصة لنموذج Transformer هي أنه يستخدم آلية انتباه (انتباه) لنمذجة النص. لقد لاحظنا أنك أجريت بحثًا متعلقًا بآلية الانتباه للذكاء الاصطناعي في وقت مبكر جدًا. **
** تشو بوين: ** أهم ما يميز Transformer هو آلية الانتباه الذاتي والآلية متعددة الرؤوس. في يونيو 2017 ، قدم كتاب "الانتباه هو كل ما تحتاجه" الذي نشرته Google Brain مفهوم آلية الانتباه الذاتي (الانتباه الذاتي) وآلية Transformer. في وقت لاحق ، تأثرت GPT الخاص بـ OpenAI بشكل كبير بهذه الورقة.
قبل ذلك ، قمت بنشر أول ورقة بحثية بصفتي مؤلفًا مناظرًا لتقديم آلية متعددة القفزات للانتباه الذاتي لتحسين المشفر - "تضمين جملة مهيكلة ذاتية اليقظة". تم الانتهاء من هذه الورقة وتحميلها إلى arXiv في عام 2016 ، وتم نشرها رسميًا في ICLR في أوائل عام 2017. نحن أيضًا أول فريق يقترح هذه الآلية ، والأهم من ذلك ، هذا هو أول نموذج تمثيل للغة الطبيعية لا يأخذ في الاعتبار المهام النهائية. على الاطلاق. لقد استخدم الجميع الانتباه أو الاهتمام الذاتي في بعض الحالات من قبل ، لكنهم جميعًا يعتمدون على المهمة.
** مراجعة تقنية الذكاء الاصطناعي: في هذه الورقة ، ماذا وجدت؟ كيف أثرت هذه الاكتشافات على التغييرات اللاحقة في تكنولوجيا Transformer؟ **
** Zhou Bowen: ** اقترحنا في الورقة أن أفضل طريقة تمثيل هي استخدام الاهتمام الذاتي المنظم لتمثيل اللغة الطبيعية (NLP) ، وقد تم الاستشهاد بهذه الورقة أكثر من 2300 مرة منذ نشرها.
قبل ذلك ، اعتقد إيليا سوتسكيفر ، كبير العلماء في OpenAI ، أن أفضل طريقة تمثيل هي "التسلسل إلى التسلسل (Seq2Seq)" ، أي تدريب النموذج على تحويل تسلسل مجال إلى تسلسل مجال آخر ، مثل لغة المصدر المقابلة في الترجمة الآلية واللغة الهدف ؛ أو في الإجابة على السؤال ، حيث يكون السؤال عبارة عن تسلسل والإجابة عبارة عن تسلسل. على هذا الأساس ، يتم تعلم علاقة رسم الخرائط بين الاثنين التي تمثلها الشبكة العصبية العميقة.
ولكن لاحقًا ، اقترح فريق خبير التعلم العميق والحائز على جائزة تورينج يوشوا بنجيو "آلية انتباه" ، جوهرها أنه ليست كل الكلمات مهمة بنفس القدر عند الإجابة على الأسئلة ؛ من خلال تحديد الأجزاء الأكثر أهمية ، ثم إيلاء المزيد من الاهتمام لهذا الجزء ، يمكنك إعطاء إجابة أفضل. سرعان ما حظي نموذج الانتباه هذا بقبول واسع جدًا. في عام 2015 ، قادت فريق IBM لبدء البحث استنادًا إلى بنية وأفكار "Seq2Seq + Attention Mechanism" في نفس الوقت ، وأطلقت على التوالي عدة نماذج أولية لكتابة الذكاء الاصطناعي بلغة طبيعية. كما تم الاستشهاد بالأوراق ذات الصلة أكثر من 3000 مرة.
لكنني لم أكن راضيًا عن محتوى الورقة في ذلك الوقت ، لأنه كانت هناك مشكلة فيها ، أي أن الانتباه كان مبنيًا على الإجابة. الذكاء الاصطناعي المدرب بهذه الطريقة يشبه الطالب الذي يطلب من المعلم تحديد النقاط الرئيسية قبل الامتحان النهائي للجامعة ، ثم يراجع النقاط الرئيسية باهتمام مستهدف. بهذه الطريقة ، على الرغم من إمكانية تحسين أداء الذكاء الاصطناعي في مشاكل معينة ، إلا أنه ليس عالميًا. لذلك ، اقترحنا أنه لا يعتمد على المهمة والمخرجات المحددة على الإطلاق ، ولكن فقط على أساس البنية الداخلية للغة الطبيعية المدخلة ، ومعرفة الأجزاء الأكثر أهمية والعلاقة بينها من خلال قراءات متعددة للذكاء الاصطناعي. هذا هو الاهتمام الذاتي بالإضافة إلى التعلم التمثيلي للآليات متعددة الرؤوس. ينظر هذا النوع من آلية التعلم فقط إلى المدخلات ، مثل دراسة الطلاب وفهم الدورة عدة مرات وبشكل منهجي قبل الامتحان ، بدلاً من التعلم بطريقة مستهدفة ومجزأة بناءً على النقاط الرئيسية للاختبار ، والتي هي أقرب إلى الغرض من الذكاء الاصطناعي العام ، وتعزيز قدرة الذكاء الاصطناعي على التعلم بشكل كبير.
** مراجعة تقنية الذكاء الاصطناعي: ما هي العلاقة بينك وبين ورقة "الانتباه هو كل ما تحتاجه"؟ **
** Zhou Bowen: ** نعلم أن ** جميع النماذج الكبيرة لهذه الموجة تأتي من Transformer ** ، لذلك عندما ترى حرف T في النموذج ، فمن المرجح أن يمثل T Transformer. ** يشرفني جدًا أن أقوم ببعض الأعمال التطلعية في هذا المجال **. في نهاية عام 2017 ، نشر باحثون من Google "الانتباه هو كل ما تحتاجه" ، وهي ورقة بحثية مهمة جلبت نموذج المحولات إلى العالم. وتم الاستشهاد بورقتنا بعنوان "تضمين جملة مهيكلة ذاتية اليقظة" ، والتي اقترحت لأول مرة "آلية انتباه ذاتي متعدد القفزات" نُشرت في أوائل عام 2017. وكان المؤلف الأول لهذه الورقة ، أشيش فاسواني ، طالبًا قمت بتوجيهه في شركة IBM. يعبر عنوان الورقة البحثية "الانتباه هو كل ما تحتاجه" أيضًا عن معنى "الاهتمام الذاتي مهم جدًا ، تعدد الرؤوس مهم جدًا ، لكن RNN قد لا تكون بنفس الأهمية التي اعتقدناها من قبل" المقترحة من قبلنا.
** مراجعة تقنية الذكاء الاصطناعي: ما هي الأحكام الفنية المتسقة التي تمتلكها أنت و OpenAI؟ **
** Zhou Bowen: هذه الورقة وبنية Transformer غيّرت كل شيء تمامًا ، وحلت مشكلة ذاكرة المسافات الطويلة للنموذج. ذكر إيليا سوتسكفر في مقابلة أجريت معه مؤخرًا أن شركة OpenAI تحولت تمامًا إلى بنية Transformer في اليوم التالي لظهور الورقة. **
نحن نعلم أن GPT مختلف تمامًا عن نموذج Bert ، والسبب في نجاح Bert في البداية ، ولكن ليس بنفس جودة GPT لاحقًا هو أنه يستخدم المعلومات من اليسار إلى اليمين ومن اليمين إلى اليسار. بعبارة أخرى ، يستخدم بيرت المعلومات المستقبلية لمساعدة الذكاء الاصطناعي على تعلم كيفية التمثيل ، بينما تصر GPT على التنبؤ بما ستعتمد عليه الكلمة التالية على المعلومات السابقة فقط. ** يتماشى نهج OpenAI في هذه النقطة مع تفكير فريقنا ، وهو: حاول عدم استخدام الإجابات للتعلم. ** من الانتباه إلى الاهتمام الذاتي ، من BERT إلى GPT-3 ، فإن الفكرة الأساسية هي عندما لا تعود تعتمد على المعلومات المستقبلية مثل المخرجات أو سياق الكلمة التي سيتم توقعها ، أو عندما يمكن استخدام المزيد من البيانات بشكل كامل عند تدريب نماذج الذكاء الاصطناعي ، بدأنا في رؤية إمكانية الذكاء الاصطناعي العام.
بالإضافة إلى ذلك ، تعتقد شركة OpenAI أن النماذج الكبيرة تتعلم المعرفة العالمية من خلال اللغة الطبيعية ، وبالتالي يتم ضغط المعرفة العالمية في نماذج كبيرة ، كما يتم أيضًا الترويج لنماذج سلسلة GPT الكبيرة و ChatGPT وفقًا لهذا المفهوم. وينطبق الشيء نفسه على مفهوم ورؤية فريقي وأنا ، أي بناء نموذج واسع النطاق للأغراض العامة ، وتمكينه من ممارسة قيمة وقدرات أعلى في المجال الرأسي من خلال التدريب المهني ، ودمج المستهلكين يتم ضغط المشاعر والاحتياجات والخبرات المعقدة ، بالإضافة إلى ابتكار المنتجات ، والتصميم ، ومعلمات المنتج ، والمواد ، والوظائف ، وما إلى ذلك ، في نموذج كبير لإعادة بناء العلاقة الثنائية بين الأشخاص والمنتجات ، واستخدام الذكاء الاصطناعي لإعادة تشكيل قيمة منتجات.
** مراجعة تقنية الذكاء الاصطناعي: بالإضافة إلى القوة التقنية ، ما هي الجوانب الأخرى لـ OpenAI التي تجعلك تعتقد أن هناك مزايا؟ **
** Zhou Bowen: ** ليس فقط من حيث الأحكام الفنية ، فإن منهج عمل OpenAI بالكامل تمثيلي ، بما في ذلك: إنشاء النظام البيئي ، والإعلان عن قانون Moore الجديد ، وخفض أسعار API بنسبة 90٪ ، وما إلى ذلك. توسيع مساحة خيال رأس المال والمستخدمين للتطبيق التجاري للنماذج الكبيرة ، واستنباط سيناريوهات تطبيق غير محدودة تقريبًا. بالإضافة إلى ذلك ، فإن خطط OpenAI للحوكمة الأخلاقية وتطوير الأعمال والتكنولوجيا البيئية والتنمية المستقبلية واضحة جدًا أيضًا.
** مراجعة تقنية الذكاء الاصطناعي: هل ستظهر OpenAI القادمة في الصين؟ **
** تشو بوين: ** إن الصعوبة الفنية في بناء نموذج كبير هي في الواقع تتجاوز خيال العديد من رواد الأعمال الصينيين. لذلك ، لا أوصي الشركات المحلية باتباع نموذج "OpenAI + Microsoft" بشكل أعمى ونسخه ، لأن معظم شركات التكنولوجيا الصينية في الصين ليست جيدة في اتخاذ القرارات التجارية مثل Microsoft ، وحكمها التكنولوجي ليس جيدًا مثل OpenAI . **
إن نجاح OpenAI هو نتيجة للعديد من العوامل ، على سبيل المثال ، أصدر إيليا سوتسكيفر أحكامًا فنية ، وقام جريج بروكمان بوظائف ، ودمج Sam Altman الموارد ، بما في ذلك البحث عن تأثير الذكاء الاصطناعي على الأخلاق والمجتمع. إذا قامت الشركات المحلية بتقليد OpenAI ببساطة ، فإن المسافة بين بعضها البعض ستزداد أكثر فأكثر.
يمكن رؤية الحكم الفني لشركة OpenAI من نطاق عرض البيانات ، لأنه ليست كل البيانات في العالم لها نفس الأهمية. لماذا اختارت OpenAI استخدام لغة برمجة Github لتدريب سلسلة التفكير؟ نظرًا لأن الدلالات والنحو في لغة البرمجة بسيطة للغاية ، فإن منطق عملية التنفيذ صارم. يمثل هذا أيضًا خاصية وميزة OpenAI: فهو لن يهاجم بشكل أعمى. لذلك ، أعتقد أن تطوير الذكاء الاصطناعي في الصين يحتاج إلى إيجاد مسار آخر ، أي الاعتماد على قدرة النماذج الكبيرة العامة على البدء من تطبيق السيناريوهات الرأسية ، والتي من المرجح أن تنجح.
** سيؤدي الذكاء الاصطناعي التوليدي إلى تعطيل تجربة المستهلك الحالية **
** مراجعة تقنية الذكاء الاصطناعي: لماذا تستهدف قطاع المستهلك؟ **
** Zhou Bowen: ** عندما كنت في JD.com ، رأيت فرصة عمل ضخمة "لمطابقة طلب المستهلك وتصميم المنتج ديناميكيًا مع الذكاء الاصطناعي". في عام 2021 ، قررت ترك وظيفتي وبدء عمل تجاري لتطوير نموذج لغة كبير عام للصناعات الرأسية (لم ينفجر نموذج اللغة الكبير في ذلك الوقت) ، على أمل تغطية جميع سلوكيات المستهلك من سيناريوهات غير محددة. نحن نعلم أن مشاهد الزمان والمكان تختلف من الاثنين إلى الجمعة ، كما أن تركيز العاملين ذوي الياقات البيضاء أو المهن الأخرى مختلف أيضًا. وخلف هذه الرموز الثقافية التي تؤثر على سلوك التسوق مشاعر المستهلكين المعقدة وخبراتهم وخياراتهم للمنتجات. منطقيًا ، هذه هي بالضبط المعلومات القيمة التي تحتاجها الشركات. عند صنع المنتجات في جانب العرض ، فإنه يشمل الإبداع والتصميم ومعلمات المنتج والوظائف والمواد ووضع العلامة التجارية والشعار والتسويق والإعلان والتسويق والصور الترويجية وما إلى ذلك. هناك بالفعل علاقة مقابلة قوية وراء كل هذه العوامل.
لم يتم تمرير هذا النوع من العلاقات المقابلة من قبل البشر من قبل. الممارسون في التخطيط والتسويق والمبيعات يفهمون فقط الروابط التي يتحملون مسؤوليتها. وسنقوم بصنع أول نموذج واسع النطاق للأغراض العامة في العالم لسلسلة توريد السلع ، أي لضغط كل هذه المعلومات في نموذج للأغراض العامة بدقة عالية ، وبناءً على هذا النموذج الواسع النطاق لتمكين دورة الحياة الكاملة لمنتجات المؤسسة ، بما في ذلك: الفرص إنسايت (اكتشف) ، تعريف المنتج (تعريف) ، تصميم البرنامج (التصميم) ، محرك البحث والتطوير (التطوير) ، التحول التسويقي (التوزيع). وبهذه الطريقة ، يمكن للمؤسسات اكتشاف فرص الابتكار بشكل أكثر كفاءة ، وتصميم وإنتاج أكثر إبداعًا ، والقيام بالترويج للتسويق ، والوصول إلى المستخدمين وإكمال التحول بشكل أكثر فعالية.
** مراجعة تقنية الذكاء الاصطناعي: فيما يتعلق بنموذج الأعمال ، يبدو أن هذا أكثر تقدمًا. **
** Zhou Bowen: ** بالنسبة لأي فريق ريادي ، من المهم جدًا أن تكون قادرًا على تنمية المزيد من القدرات المهنية بعد امتلاك القدرات الفنية العامة للنماذج الكبيرة. في الوقت الحالي ، تكمن طفرة GPT بشكل أساسي في قدرتها العامة ، ولكن لم يتم تطوير قيمتها بعد في صناعات محددة ومجالات رأسية. على سبيل المثال: يمكن لـ GPT رسم لوحات فنية واقعية للغاية ، لكنها لا تستطيع رسم مخططات الدوائر ، لأنها تفعل ذلك. ليس لديهم معرفة كافية بالمعرفة الجسدية. الأحكام المتعمقة وذات الصلة ليست مهنية بدرجة كافية.
لذلك ، أعتقد أن هناك حاجة لمثل هذه الأداة (نموذج كبير للأغراض العامة بقدرات احترافية) لتسهيل العثور على المنتجات التي يحتاجون إليها وزيادة استعدادهم لشرائها ، مما قد يغير تمامًا مسارات التسوق الحالية للأشخاص . يمكن للذكاء الاصطناعي التوليدي ضغط كميات هائلة من معلومات الأعمال في مثل هذه النماذج الكبيرة ، وذلك لمعرفة جميع جوانب سلسلة توريد السلع الأساسية ، وتحسين كفاءة الروابط الرئيسية التي تركز على المستهلكين. هذه هي الفكرة والإبداع الذي تم إنشاؤه بالفعل في عام 2021.
** تطور Lianyuan Technology نموذجًا كبيرًا بقدرات عامة. يتمتع هذا النموذج الكبير بخبرة في ربط المنتجات والمستهلكين. ** لدينا 37 مؤشرًا لتقييم النماذج على نطاق واسع ، 2/3 منها هي قدرات للأغراض العامة مثل القدرة على التفكير والقدرة على الحوسبة ، ويتم تطبيق أكثر من اثني عشر عنصرًا بشكل خاص على الاتصال بين المنتجات والمستهلكين ، وذلك من أجل أدرك هدف "دع كل منتج يجب أن يولد من الحاجة ، دع كل مستهلك يحصل على ما يريد".
** مراجعة تقنية الذكاء الاصطناعي: كيف يمكن للذكاء الاصطناعي التوليدي أن يتكامل بشكل أفضل مع سيناريوهات الاستهلاك مثل التجارة الإلكترونية؟ **
** Zhou Bowen: ** يمكن للبشر إما فهم منطق الأعمال للتخطيط أو منطق التسويق ، لكن الذكاء الاصطناعي يمكنه فتح جميع سلاسل الأعمال.
يحتاج المستهلكون إلى الكثير من المفردات الاحترافية للعثور على المنتجات التي يريدونها في سيناريوهات مثل منصات التجارة الإلكترونية ؛ ولكن على الجانب الآخر ، لا يفهم التجار الاحتياجات الحقيقية للمستهلكين ولا يمكنهم الوصول إلى المستهلكين إلا من خلال معاملات التجارة الإلكترونية ، من خلال الاستشارات المؤسسات البحثية لفهم المستهلكين بشكل أكبر. بعد تقديم وظيفة حوار متعدد الجولات مثل ProductGPT ، ستكون كفاءة المطابقة الديناميكية للتجار والمستهلكين على المنتجات أكثر كفاءة من أبحاث السوق ، بحيث يمكن لمنصات التجارة الإلكترونية المشاركة بشكل أكثر عمقًا في ابتكار المنتجات ، والتصميم ، والبحث والتطوير ، و التسويق والترويج وما إلى ذلك.
في المجتمع التجاري الفعلي ، هناك بالفعل تطابق قوي بين جانب الطلب وجانب العرض. تعتمد منصة SaaS للابتكار التعاوني الرائدة المطورة ذاتيًا على الفهم متعدد الوسائط وقدرات الاستدلال والتوليد للنماذج الكبيرة ، وتساعد الشركات على اكتشاف الفرص التجارية وابتكار المنتجات من خلال رؤى عميقة للمستهلكين والسيناريوهات والمنتجات ومراجع المنتجات والبحث والتطوير . في الوقت نفسه ، توفر منصة الحوار متعدد الجوانب ProductGPT لشركة Lianyuan Technology لكل موظف في المؤسسة مساعدًا شخصيًا مخصصًا بعمق وفقًا للأدوار المهنية المختلفة ، ويلبي احتياجات العمل الخاصة بهم من خلال توفير المهارات والمعرفة الخاصة بالأدوار. على سبيل المثال ، سيوفر المساعد الشخصي لأبحاث المستهلك في Lianyuan Technology المهارات المهنية والمعرفة ذات الصلة مثل البحث عن اتجاهات السوق وفهم احتياجات المستهلك وأبحاث السوق.
** مراجعة تقنية الذكاء الاصطناعي: لقد استخدمت الذكاء الاصطناعي التوليدي لكسب المال في JD.com ، كيف فعلت ذلك؟ **
** Zhou Bowen: ** في عام 2019 ، قادت فريق الذكاء الاصطناعي في JD.com لتطبيق الذكاء الاصطناعي التوليدي لإنشاء كتابة نصوص المنتج واختيار الصور. وهذا أيضًا هو أول نموذج عام واسع النطاق لشركة JD.com. في ذلك الوقت ، أنجز نموذج الذكاء الاصطناعي الخاص بنا بشكل أساسي ثلاثة أشياء:
أولاً ، يمكنك قراءة المحتوى الموجود في صفحة تفاصيل المنتج بنفسك ، وإنشاء 8-9 نقاط بيع لهذا المنتج مباشرةً من خلال التحليل ؛
ثانيًا ، عندما يتصفح المستهلك منتجًا معينًا ، سيكتشف النموذج الكبير بسرعة نقاط البيع التي يمكن أن تثير إعجاب المستخدم أكثر من خلال تحليل بيانات سلوك المستهلكين المختلفين ؛
ثالثًا ، ستقوم AIGC بإنشاء شعارات حصرية حول نقاط البيع التي يهتم بها المستهلكون بشكل أكبر استنادًا إلى صور المستخدم.
بعد فترة من التنفيذ ، ارتفع معدل تحويل توصيات المنتجات بنسبة 30٪ مقارنةً بالسابق. قد لا يدرك المستهلكون أنه عند البحث والتسوق على JD.com ، فإن فئات المنتجات والأوصاف التي يرونها يتم إنشاؤها تلقائيًا بواسطة AIGC كلمة بكلمة وفقًا لتفضيلات المستخدم ونقاط بيع المنتجات في اللحظة التي يتصفح فيها المنتجات .
** مراجعة تقنية الذكاء الاصطناعي: ما رأيك في واجهة برمجة تطبيقات OpenAI المفتوحة ، وماذا تعني بالنسبة للصناعة؟ **
** Zhou Bowen: ** بالحديث عن تجربتي الشخصية ، اعتدت أن أكون كبير العلماء في مجموعة IBM Watson Group. في ذلك الوقت ، تم تنظيم بيانات بعض الصناعات في الولايات المتحدة ، ولم تكن هذه الشركات عمومًا قادرة على التعاون ، وكان بإمكانها فقط نشر السحب الخاصة. لهذا السبب ، في 2015-2016 ، قررت أن أكون سحابة عامة. من أجل تحقيق ذلك ، من الضروري إنشاء واجهة برمجة تطبيقات لإمكانيات الذكاء الاصطناعي الخاصة بـ Watson. في ذلك الوقت ، قادت إطلاق العشرات من واجهات برمجة التطبيقات بما في ذلك الحوار وفهم اللغة الطبيعية. ضع واجهات برمجة التطبيقات هذه على النظام الأساسي السحابي ، والآن تجني أعمال الذكاء الاصطناعي التابعة لشركة IBM الأموال منها.
عدت إلى الصين في نهاية عام 2017 ، وفي أبريل 2018 ، أطلقت منصة JD.com المفتوحة للذكاء الاصطناعي. في ذلك الوقت ، لم يكن هناك أساسًا منصة ذكاء اصطناعي في الصين ، والتي جلبت أيضًا دخلاً كبيرًا لـ JD.com. في عام 2019 ، حقق فريق الذكاء الاصطناعي JD.com بقيادة أنا 170 مليون يوان من العائدات ، وهو أمر ليس سيئًا لفريق مكون من 200 شخص.
** مراجعة تقنية الذكاء الاصطناعي: هناك تصور في الصناعة بأن مخاطر صنع نموذج رأسي كبير مرتفع للغاية ، ما رأيك؟ **
** Zhou Bowen: ** أعتقد أنه في المستقبل ، سيتم إكمال تدفقات العمل عالية القيمة والمحددة جيدًا هذه بواسطة نماذج AI احترافية بدلاً من نماذج AI العامة. من السهل زيادة تحسين القدرات الأساسية لنموذج كبير للأغراض العامة بعد اكتمال مشهد رأسي معين بنجاح. بالإضافة إلى ذلك ، إذا بدأنا من سيناريو عمودي ، فيمكن استخدام تراكمنا السابق من حيث قوة الحوسبة والبيانات والخوارزميات بشكل كامل. لذلك ، في Lianyuan Technology ، يجب أن يتمتع النموذج الكبير بالقدرات الأساسية لتكنولوجيا النماذج الكبيرة العامة في الإطار الأساسي للتكنولوجيا ، ويجب تقييمها بالطرق العلمية ، ولكنها تتطلب أيضًا تدريبًا احترافيًا.
في عام 2023 ، بسبب الشعبية المفاجئة لـ ChatGPT ، بدأ السوق في استخدام AI 2.0 لوصف إمكاناته الهائلة. بالإضافة إلى ذلك ، انضمت جميع عمالقة التكنولوجيا تقريبًا إلى المعركة ، ويحاول سوق رأس المال الاستثماري اغتنام فرص جديدة ، كما أن بيئة السوق تتغير بسرعة. GPT هي فرصة تنظيمية منهجية ، ولكن مجرد النسخ والمتابعة واللحاق بالركب أمر محفوف بالمخاطر وصعب.
بعد تأسيس Lianyuan Technology ، تواصلنا مع أكثر من 100 عميل ، ورأينا الاحتياجات الحقيقية ، وقمنا بتحسين مسار تحقيق التكنولوجيا من خلال التحسين المستمر للنموذج الكبير: "في عام 2022 ، أظهرنا القيمة التجارية والجدوى الفنية لهذا السيناريو ، وهذا يعني أنه حتى لو كنا نصنع نموذجًا كبيرًا ، فإننا نسير على مسار مختلف عن OpenAI ، ونموذج الربح مختلف أيضًا.
ما أريد القيام به هو ضاغط معرفة بالعالم أفضل من GPT الحالي ، والذي يتطلب بيانات تفاعلية للغاية ، ومن الواضح أن البيانات مرتبطة ارتباطًا وثيقًا بالمشهد. بالنسبة إلى أي نوع من البيانات له معنى ذكاء بشري أعلى ، فهناك في الواقع الكثير من العمل النظري الذي يتعين القيام به ، وهو اتجاه يستحق الاستكشاف في المستقبل.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
حوار 丨 بوين تشو: كيف يخترق النموذج العام واسع النطاق سيناريوهات الصناعة الرأسية؟
** المؤلف: وانغ يونغانغ المحرر: دونغ تسيبو **
** المصدر: ** AI Technology Review
بعد مغادرة JD.com ، لم يكن Zhou Bowen متحمسًا لهذا لفترة طويلة.
تحولت ChatGPT لإثارة العالم ، مثل رعد ربيعي أيقظ الممارسين من جميع مناحي الحياة ، حتى سمعوا جميعًا خطى دخول الذكاء الاصطناعي العام إلى الواقع.
في ظل الارتفاع المفاجئ ، رأى الناس أن وانغ هوي ون ووانغ شياوتشوان يبدآن أعمالهما التجارية الخاصة ، كما شهدوا سيطرة بايدو وعلي بابا على السوق. لقد درس Zhou Bowen ، بصفته العميد السابق لمعهد أبحاث الذكاء الاصطناعي في IBM و JD.com ، النظرية الأساسية للذكاء الاصطناعي والتقنيات الأساسية المتطورة والتطبيقات والتصنيع لأكثر من 25 عامًا. أسس Lianyuan Technology باسم في وقت مبكر من نهاية عام 2021. النموذج ، مع الذكاء الاصطناعي التوليدي والحوار متعدد الجولات وتكنولوجيا التعاون بين الإنسان والحاسوب ، يساعد الشركات والمستهلكين على إكمال ابتكار المنتجات وتحويل الذكاء الرقمي في عصر الذكاء الاصطناعي الجديد. "ليس الأمر كثيرًا أنني قررت بدء عمل تجاري في هذا المجال ، فمن الأفضل أن أقول إن هذا العمل وجدني." وصف تشو بوين هذا بأنه شيء يجب القيام به ، كما لو أن الإحساس بالمهمة كان يحثه على التصرف.
تخرج Zhou Bowen من جامعة العلوم والتكنولوجيا في الصين ، ثم التحق بجامعة كولورادو في بولدر للحصول على الدكتوراه. بصفته الرئيس السابق لمعهد أبحاث الذكاء الاصطناعي الأساسي في المقر الأمريكي لشركة IBM Research ، عاد إلى الصين بعد أن ترأس الأعمال المتعلقة بالذكاء الاصطناعي لسنوات عديدة ، وشغل على التوالي منصب نائب رئيس أول لمجموعة JD Group ، ورئيس اللجنة الفنية للمجموعة ، ورئيسًا لـ JD Cloud and AI ، والرئيس المؤسس لمعهد أبحاث الذكاء الاصطناعي JD وغيرها من المناصب. بصفته مؤسس JD AI ، فهو مسؤول عن البحث التقني وتطوير الأعمال في JD AI. أسس قسم JD AI ومعهد أبحاث AI و JD AI Accelerator من 0 لإنشاء منصة وطنية مفتوحة للذكاء الاصطناعي لسلسلة التوريد الذكية ، تحقيق حجم المكالمات اليومية من 0. إلى عشرات المليارات ، قاد إعادة الإعمار الفني لخدمة عملاء Jingdong الذكاء الاصطناعي وأطلق إنتاجًا خارجيًا ، وأدار مليارات من أعمال الخدمات الفنية وآلاف من التكنولوجيا المتكاملة ، والمنتجات ، وفرق التسويق والمبيعات.
في عام 2021 ، توقع Zhou Bowen أن ينفجر الذكاء الاصطناعي التوليدي في المستقبل القريب ، لذلك قرر ترك JD.com لتأسيس Lianyuan Technology ، الملتزمة بمساعدة المؤسسات العمودية على تنفيذ ابتكار المنتجات وتحويل الذكاء الرقمي باستخدام نموذج عام واسع النطاق القدرات ، وإعادة تشكيلها مع قيمة سلع الذكاء الاصطناعي ؛ في عام 2022 ، سيعمل كأستاذ كرسي Huiyan في جامعة تسينغهوا وأستاذًا في قسم الهندسة الإلكترونية ، وفي مايو من نفس العام ، سيؤسس بحث الذكاء التفاعلي التعاوني مركز جامعة تسينغهوا بالصدفة. **
ChatGPT على وشك القدوم ، ونشر Zhou Bowen أيضًا في Moments: "أعتقد أن الصين OpenAI بحاجة إلى استكشاف مسار جديد!" ولكن على عكس رواد الأعمال الآخرين ، اختار Zhou Bowen و Lianyuan Technology الاعتماد على عشرات المليارات من المعلمات وطريقة تدريب فريدة لجعل النموذج الكبير أفضل في فهم العلاقة بين الأشخاص والسلع على أساس القدرات العامة. تساعد التكنولوجيا الذكية الشركات على إعادة البناء نظام الابتكار كامل الارتباط من رؤية المنتج وتحديد المواقع والتصميم والبحث والتطوير إلى التسويق.
صرح Zhou Bowen ذات مرة علنًا أن اتجاهه الريادي هو أخذ زمام المبادرة في دمج الذكاء الاصطناعي مع الصناعات التقليدية لإضفاء قيمة أعلى على ابتكار الذكاء الرقمي للمؤسسات ، أي لتحقيق اختراق في قدرة النماذج الكبيرة العامة في السيناريوهات الرأسية.
في الآونة الأخيرة ، أجرى مراسل من AI Technology Review محادثة مع Zhou Bowen. وفيما يلي نص المحادثة. قامت AI Technology Review بتحرير المحتوى دون تغيير معناه الأصلي:
** دع الذكاء الاصطناعي يتعلم الحكمة البشرية ، نموذج جديد للتفاعل والتعاون **
** مراجعة تقنية الذكاء الاصطناعي: جلبت ChatGPT طريقة التفاعل هذه ، ما الذي تعتقد أنه يختلف عن طريقة التفاعل السابقة؟ **
** Zhou Bowen: ** أحد اتجاهاتي البحثية هو التفاعل بين الذكاء الاصطناعي والناس ، والتعلم في التفاعل. يختلف التفاعل بين الإنسان والحاسوب عن الحوار بين الإنسان والحاسوب.من خلال التفاعل بين الإنسان والحاسوب ، يمكن للذكاء الاصطناعي تعلم الأشياء في هذه العملية ، لذا فهذه ليست مهمة سهلة التنفيذ ، ولكنها وسيلة لتحقيق التعلم.
كما هو مسجل في "مختارات كونفوشيوس" ، إنها قصة كونفوشيوس وتلاميذه الاثنين والسبعين يتعلمون من خلال التفاعل. في الغرب ، على غرار أكاديمية أثينا لأفلاطون وأرسطو ، يتم إرث أقدم المعارف والحكمة من خلال الحوار بين الناس ، ويساعد المعلمون الطلاب على إكمال دراساتهم بشكل أفضل من خلال التفاعل مع الطلاب.
على سبيل المثال ، إذا طلب المعلم من الطلاب سكب كوب من الماء ، فمن الصعب على مثل هذه الإجراءات البسيطة "تنفيذ الأوامر" زيادة الحكمة ؛ كيفية التغلب على الصعوبات ، هذا هو التفاعل الذي يمكن أن يزيد الحكمة ، ويعكس أيضًا وجهة نظري الأساسية حول التفاعل التعاوني بين البشر والذكاء الاصطناعي.
جوهر الذكاء الاصطناعي هو التعاون والتفاعل مع البشر ، فهو يتعلم باستمرار من التفاعلات ، ثم يتعاون مع البشر لحل المشكلات بشكل أفضل. ستزداد أهمية وجهة النظر هذه في المستقبل القريب ، وفي نفس الوقت ستواجه المزيد من التحديات الفنية والأخلاقية ، وفي النهاية لن يكون من السهل الحفاظ على المحصلة النهائية. مثل محاذاة الذكاء الاصطناعي التي يقولها الجميع ، يمكن للبشر تمرير إرادتهم إلى الذكاء الاصطناعي ، ثم تقسيم المهام باستخدام الذكاء الاصطناعي ، مما يسمح للذكاء الاصطناعي بالتعلم وتحقيق الإرادة البشرية في هذه العملية. هذه طريقة جديدة للتعاون ، أي ذكاء تفاعلي تعاوني.
** مراجعة تقنية الذكاء الاصطناعي: هل تعتقد أن تحقيق محاذاة القيمة من خلال التفاعل طريقة فعالة للعقل البشري و GPT للتعاون؟ كيف يجب أن يعمل البشر والذكاء الاصطناعي معًا بشكل أفضل؟ **
** Zhou Bowen: ** بعد انفجار الذكاء الاصطناعي التوليدي ، سيصبح الذكاء الاصطناعي الذي يتعلم من خلال التفاعل التعاوني مع البشر أقوى وأقوى.
اقترح دانيال كانيمان ، الحائز على جائزة نوبل في الاقتصاد عام 2002 ، في كتابه الأكثر مبيعًا التفكير السريع والبطيء ، أن هناك نمطين من التفكير البشري - النظام 1 والنظام 2 ، والنظام 1 سريع. النظام 2 هو التفكير البطيء ، والذي يتطلب الكثير من التفكير والحساب.
في البداية ، اعتقد الناس أن الذكاء الاصطناعي كان أكثر ملاءمة لعمل "النظام 1" ، مثل التعرف على الوجوه وفحص الجودة ، والتي كانت تستند إلى التعرف على نمط "النظام 1". لكني أصر على أن القيمة الحقيقية للذكاء الاصطناعي تكمن في 2 ، وهي مساعدة البشر على إكمال مهام التفكير المنطقي المعقدة بشكل أفضل. ** أثبت ظهور ChatGPT جدوى الذكاء الاصطناعي باعتباره النظام 2 ، مما يعني أنه يمكن للذكاء الاصطناعي اكتشاف معرفة جديدة ، واكتشاف المعرفة الجديدة سيساعد البشر على تصميم ذكاء اصطناعي أفضل ** ، مثل اكتشاف علوم الدماغ وتحسين الحوسبة ، و ظهور دولاب الموازنة لخلق معرفة جديدة. يعني تأثير دولاب الموازنة أن الذكاء الاصطناعي يمكنه تمكين النظام بأكمله من اكتشاف المعرفة الجديدة بشكل أفضل ، ويمكن أن تساعد هذه المعرفة الجديدة في تصميم أنظمة ذكاء اصطناعي أفضل ، وبالتالي تشكيل دائرة فاضلة. لذلك ، تم تشكيل علاقة يعزز بعضها البعض بين الذكاء الاصطناعي والمعرفة والابتكار ، الأمر الذي يتطلب تغيير طريقة تعاون الذكاء الاصطناعي والبشر.
لقد اقترحت اتجاهًا بحثيًا "3 + 1" من قبل ، أي استخدام الذكاء الاصطناعي الموثوق به كقاعدة بحثية وهدف طويل المدى ، للتركيز على تفاعل التمثيل متعدد الوسائط ، والتفسير التعاوني بين الإنسان والحاسوب ، والتطور التعاوني البيئي. جوهر أن تكون إنسانًا يمكن أن يحقق التعاون والمشاركة في إنشاء الآلات هدف البشر بمساعدة الذكاء الاصطناعي على الابتكار ومساعدة الذكاء الاصطناعي البشر على الابتكار.
** أحدها هو تفاعل التمثيل متعدد الوسائط ** ، حيث قد تكون هناك نظرية كبيرة موحدة. في عام 2022 ، لا يزال الناس متشككين في هذا الأمر ، ولكن مع ظهور GPT-4 ، أصبح هذا التفاعل التمثيلي الموحد متعدد الوسائط أكثر إقناعًا ؛ ** نقطة أخرى هي التفاعل التعاوني بين الإنسان والحاسوب **. كان الناس أيضًا متشككين في هذا الأمر في عام 2022 ، ولكن الآن أصبحت طريقة التفاعل هذه أكثر مصداقية ، وبدأ الناس يعتقدون أنه من المحتمل أن يحدث ؛ ** النقطة الثالثة هي التطور المشترك للذكاء الاصطناعي والبيئة ** ، هذا يعني أن الذكاء الاصطناعي لا يحتاج فقط إلى التعاون مع البشر ، ولكن يجب أيضًا أن يتكيف مع البيئة المحيطة. لقد اقترحنا هذا المفهوم لأول مرة في أوائل عام 2022 ، وحتى الآن لم نشهد أي حالات ناجحة في هذا الاتجاه ، ولا حتى OpenAI.
** إذا لم تتمكن من تعلم OpenAI ، لكن لا يمكنك تعلم Microsoft ، فأنت بحاجة إلى طرح الشركات الناشئة المحلية على نطاق واسع **
** مراجعة تقنية الذكاء الاصطناعي: الميزة الخاصة لنموذج Transformer هي أنه يستخدم آلية انتباه (انتباه) لنمذجة النص. لقد لاحظنا أنك أجريت بحثًا متعلقًا بآلية الانتباه للذكاء الاصطناعي في وقت مبكر جدًا. **
** تشو بوين: ** أهم ما يميز Transformer هو آلية الانتباه الذاتي والآلية متعددة الرؤوس. في يونيو 2017 ، قدم كتاب "الانتباه هو كل ما تحتاجه" الذي نشرته Google Brain مفهوم آلية الانتباه الذاتي (الانتباه الذاتي) وآلية Transformer. في وقت لاحق ، تأثرت GPT الخاص بـ OpenAI بشكل كبير بهذه الورقة.
قبل ذلك ، قمت بنشر أول ورقة بحثية بصفتي مؤلفًا مناظرًا لتقديم آلية متعددة القفزات للانتباه الذاتي لتحسين المشفر - "تضمين جملة مهيكلة ذاتية اليقظة". تم الانتهاء من هذه الورقة وتحميلها إلى arXiv في عام 2016 ، وتم نشرها رسميًا في ICLR في أوائل عام 2017. نحن أيضًا أول فريق يقترح هذه الآلية ، والأهم من ذلك ، هذا هو أول نموذج تمثيل للغة الطبيعية لا يأخذ في الاعتبار المهام النهائية. على الاطلاق. لقد استخدم الجميع الانتباه أو الاهتمام الذاتي في بعض الحالات من قبل ، لكنهم جميعًا يعتمدون على المهمة.
** مراجعة تقنية الذكاء الاصطناعي: في هذه الورقة ، ماذا وجدت؟ كيف أثرت هذه الاكتشافات على التغييرات اللاحقة في تكنولوجيا Transformer؟ **
** Zhou Bowen: ** اقترحنا في الورقة أن أفضل طريقة تمثيل هي استخدام الاهتمام الذاتي المنظم لتمثيل اللغة الطبيعية (NLP) ، وقد تم الاستشهاد بهذه الورقة أكثر من 2300 مرة منذ نشرها.
قبل ذلك ، اعتقد إيليا سوتسكيفر ، كبير العلماء في OpenAI ، أن أفضل طريقة تمثيل هي "التسلسل إلى التسلسل (Seq2Seq)" ، أي تدريب النموذج على تحويل تسلسل مجال إلى تسلسل مجال آخر ، مثل لغة المصدر المقابلة في الترجمة الآلية واللغة الهدف ؛ أو في الإجابة على السؤال ، حيث يكون السؤال عبارة عن تسلسل والإجابة عبارة عن تسلسل. على هذا الأساس ، يتم تعلم علاقة رسم الخرائط بين الاثنين التي تمثلها الشبكة العصبية العميقة.
ولكن لاحقًا ، اقترح فريق خبير التعلم العميق والحائز على جائزة تورينج يوشوا بنجيو "آلية انتباه" ، جوهرها أنه ليست كل الكلمات مهمة بنفس القدر عند الإجابة على الأسئلة ؛ من خلال تحديد الأجزاء الأكثر أهمية ، ثم إيلاء المزيد من الاهتمام لهذا الجزء ، يمكنك إعطاء إجابة أفضل. سرعان ما حظي نموذج الانتباه هذا بقبول واسع جدًا. في عام 2015 ، قادت فريق IBM لبدء البحث استنادًا إلى بنية وأفكار "Seq2Seq + Attention Mechanism" في نفس الوقت ، وأطلقت على التوالي عدة نماذج أولية لكتابة الذكاء الاصطناعي بلغة طبيعية. كما تم الاستشهاد بالأوراق ذات الصلة أكثر من 3000 مرة.
لكنني لم أكن راضيًا عن محتوى الورقة في ذلك الوقت ، لأنه كانت هناك مشكلة فيها ، أي أن الانتباه كان مبنيًا على الإجابة. الذكاء الاصطناعي المدرب بهذه الطريقة يشبه الطالب الذي يطلب من المعلم تحديد النقاط الرئيسية قبل الامتحان النهائي للجامعة ، ثم يراجع النقاط الرئيسية باهتمام مستهدف. بهذه الطريقة ، على الرغم من إمكانية تحسين أداء الذكاء الاصطناعي في مشاكل معينة ، إلا أنه ليس عالميًا. لذلك ، اقترحنا أنه لا يعتمد على المهمة والمخرجات المحددة على الإطلاق ، ولكن فقط على أساس البنية الداخلية للغة الطبيعية المدخلة ، ومعرفة الأجزاء الأكثر أهمية والعلاقة بينها من خلال قراءات متعددة للذكاء الاصطناعي. هذا هو الاهتمام الذاتي بالإضافة إلى التعلم التمثيلي للآليات متعددة الرؤوس. ينظر هذا النوع من آلية التعلم فقط إلى المدخلات ، مثل دراسة الطلاب وفهم الدورة عدة مرات وبشكل منهجي قبل الامتحان ، بدلاً من التعلم بطريقة مستهدفة ومجزأة بناءً على النقاط الرئيسية للاختبار ، والتي هي أقرب إلى الغرض من الذكاء الاصطناعي العام ، وتعزيز قدرة الذكاء الاصطناعي على التعلم بشكل كبير.
** مراجعة تقنية الذكاء الاصطناعي: ما هي العلاقة بينك وبين ورقة "الانتباه هو كل ما تحتاجه"؟ **
** Zhou Bowen: ** نعلم أن ** جميع النماذج الكبيرة لهذه الموجة تأتي من Transformer ** ، لذلك عندما ترى حرف T في النموذج ، فمن المرجح أن يمثل T Transformer. ** يشرفني جدًا أن أقوم ببعض الأعمال التطلعية في هذا المجال **. في نهاية عام 2017 ، نشر باحثون من Google "الانتباه هو كل ما تحتاجه" ، وهي ورقة بحثية مهمة جلبت نموذج المحولات إلى العالم. وتم الاستشهاد بورقتنا بعنوان "تضمين جملة مهيكلة ذاتية اليقظة" ، والتي اقترحت لأول مرة "آلية انتباه ذاتي متعدد القفزات" نُشرت في أوائل عام 2017. وكان المؤلف الأول لهذه الورقة ، أشيش فاسواني ، طالبًا قمت بتوجيهه في شركة IBM. يعبر عنوان الورقة البحثية "الانتباه هو كل ما تحتاجه" أيضًا عن معنى "الاهتمام الذاتي مهم جدًا ، تعدد الرؤوس مهم جدًا ، لكن RNN قد لا تكون بنفس الأهمية التي اعتقدناها من قبل" المقترحة من قبلنا.
** مراجعة تقنية الذكاء الاصطناعي: ما هي الأحكام الفنية المتسقة التي تمتلكها أنت و OpenAI؟ **
** Zhou Bowen: هذه الورقة وبنية Transformer غيّرت كل شيء تمامًا ، وحلت مشكلة ذاكرة المسافات الطويلة للنموذج. ذكر إيليا سوتسكفر في مقابلة أجريت معه مؤخرًا أن شركة OpenAI تحولت تمامًا إلى بنية Transformer في اليوم التالي لظهور الورقة. **
نحن نعلم أن GPT مختلف تمامًا عن نموذج Bert ، والسبب في نجاح Bert في البداية ، ولكن ليس بنفس جودة GPT لاحقًا هو أنه يستخدم المعلومات من اليسار إلى اليمين ومن اليمين إلى اليسار. بعبارة أخرى ، يستخدم بيرت المعلومات المستقبلية لمساعدة الذكاء الاصطناعي على تعلم كيفية التمثيل ، بينما تصر GPT على التنبؤ بما ستعتمد عليه الكلمة التالية على المعلومات السابقة فقط. ** يتماشى نهج OpenAI في هذه النقطة مع تفكير فريقنا ، وهو: حاول عدم استخدام الإجابات للتعلم. ** من الانتباه إلى الاهتمام الذاتي ، من BERT إلى GPT-3 ، فإن الفكرة الأساسية هي عندما لا تعود تعتمد على المعلومات المستقبلية مثل المخرجات أو سياق الكلمة التي سيتم توقعها ، أو عندما يمكن استخدام المزيد من البيانات بشكل كامل عند تدريب نماذج الذكاء الاصطناعي ، بدأنا في رؤية إمكانية الذكاء الاصطناعي العام.
بالإضافة إلى ذلك ، تعتقد شركة OpenAI أن النماذج الكبيرة تتعلم المعرفة العالمية من خلال اللغة الطبيعية ، وبالتالي يتم ضغط المعرفة العالمية في نماذج كبيرة ، كما يتم أيضًا الترويج لنماذج سلسلة GPT الكبيرة و ChatGPT وفقًا لهذا المفهوم. وينطبق الشيء نفسه على مفهوم ورؤية فريقي وأنا ، أي بناء نموذج واسع النطاق للأغراض العامة ، وتمكينه من ممارسة قيمة وقدرات أعلى في المجال الرأسي من خلال التدريب المهني ، ودمج المستهلكين يتم ضغط المشاعر والاحتياجات والخبرات المعقدة ، بالإضافة إلى ابتكار المنتجات ، والتصميم ، ومعلمات المنتج ، والمواد ، والوظائف ، وما إلى ذلك ، في نموذج كبير لإعادة بناء العلاقة الثنائية بين الأشخاص والمنتجات ، واستخدام الذكاء الاصطناعي لإعادة تشكيل قيمة منتجات.
** مراجعة تقنية الذكاء الاصطناعي: بالإضافة إلى القوة التقنية ، ما هي الجوانب الأخرى لـ OpenAI التي تجعلك تعتقد أن هناك مزايا؟ **
** Zhou Bowen: ** ليس فقط من حيث الأحكام الفنية ، فإن منهج عمل OpenAI بالكامل تمثيلي ، بما في ذلك: إنشاء النظام البيئي ، والإعلان عن قانون Moore الجديد ، وخفض أسعار API بنسبة 90٪ ، وما إلى ذلك. توسيع مساحة خيال رأس المال والمستخدمين للتطبيق التجاري للنماذج الكبيرة ، واستنباط سيناريوهات تطبيق غير محدودة تقريبًا. بالإضافة إلى ذلك ، فإن خطط OpenAI للحوكمة الأخلاقية وتطوير الأعمال والتكنولوجيا البيئية والتنمية المستقبلية واضحة جدًا أيضًا.
** مراجعة تقنية الذكاء الاصطناعي: هل ستظهر OpenAI القادمة في الصين؟ **
** تشو بوين: ** إن الصعوبة الفنية في بناء نموذج كبير هي في الواقع تتجاوز خيال العديد من رواد الأعمال الصينيين. لذلك ، لا أوصي الشركات المحلية باتباع نموذج "OpenAI + Microsoft" بشكل أعمى ونسخه ، لأن معظم شركات التكنولوجيا الصينية في الصين ليست جيدة في اتخاذ القرارات التجارية مثل Microsoft ، وحكمها التكنولوجي ليس جيدًا مثل OpenAI . **
إن نجاح OpenAI هو نتيجة للعديد من العوامل ، على سبيل المثال ، أصدر إيليا سوتسكيفر أحكامًا فنية ، وقام جريج بروكمان بوظائف ، ودمج Sam Altman الموارد ، بما في ذلك البحث عن تأثير الذكاء الاصطناعي على الأخلاق والمجتمع. إذا قامت الشركات المحلية بتقليد OpenAI ببساطة ، فإن المسافة بين بعضها البعض ستزداد أكثر فأكثر.
يمكن رؤية الحكم الفني لشركة OpenAI من نطاق عرض البيانات ، لأنه ليست كل البيانات في العالم لها نفس الأهمية. لماذا اختارت OpenAI استخدام لغة برمجة Github لتدريب سلسلة التفكير؟ نظرًا لأن الدلالات والنحو في لغة البرمجة بسيطة للغاية ، فإن منطق عملية التنفيذ صارم. يمثل هذا أيضًا خاصية وميزة OpenAI: فهو لن يهاجم بشكل أعمى. لذلك ، أعتقد أن تطوير الذكاء الاصطناعي في الصين يحتاج إلى إيجاد مسار آخر ، أي الاعتماد على قدرة النماذج الكبيرة العامة على البدء من تطبيق السيناريوهات الرأسية ، والتي من المرجح أن تنجح.
** سيؤدي الذكاء الاصطناعي التوليدي إلى تعطيل تجربة المستهلك الحالية **
** مراجعة تقنية الذكاء الاصطناعي: لماذا تستهدف قطاع المستهلك؟ **
** Zhou Bowen: ** عندما كنت في JD.com ، رأيت فرصة عمل ضخمة "لمطابقة طلب المستهلك وتصميم المنتج ديناميكيًا مع الذكاء الاصطناعي". في عام 2021 ، قررت ترك وظيفتي وبدء عمل تجاري لتطوير نموذج لغة كبير عام للصناعات الرأسية (لم ينفجر نموذج اللغة الكبير في ذلك الوقت) ، على أمل تغطية جميع سلوكيات المستهلك من سيناريوهات غير محددة. نحن نعلم أن مشاهد الزمان والمكان تختلف من الاثنين إلى الجمعة ، كما أن تركيز العاملين ذوي الياقات البيضاء أو المهن الأخرى مختلف أيضًا. وخلف هذه الرموز الثقافية التي تؤثر على سلوك التسوق مشاعر المستهلكين المعقدة وخبراتهم وخياراتهم للمنتجات. منطقيًا ، هذه هي بالضبط المعلومات القيمة التي تحتاجها الشركات. عند صنع المنتجات في جانب العرض ، فإنه يشمل الإبداع والتصميم ومعلمات المنتج والوظائف والمواد ووضع العلامة التجارية والشعار والتسويق والإعلان والتسويق والصور الترويجية وما إلى ذلك. هناك بالفعل علاقة مقابلة قوية وراء كل هذه العوامل.
لم يتم تمرير هذا النوع من العلاقات المقابلة من قبل البشر من قبل. الممارسون في التخطيط والتسويق والمبيعات يفهمون فقط الروابط التي يتحملون مسؤوليتها. وسنقوم بصنع أول نموذج واسع النطاق للأغراض العامة في العالم لسلسلة توريد السلع ، أي لضغط كل هذه المعلومات في نموذج للأغراض العامة بدقة عالية ، وبناءً على هذا النموذج الواسع النطاق لتمكين دورة الحياة الكاملة لمنتجات المؤسسة ، بما في ذلك: الفرص إنسايت (اكتشف) ، تعريف المنتج (تعريف) ، تصميم البرنامج (التصميم) ، محرك البحث والتطوير (التطوير) ، التحول التسويقي (التوزيع). وبهذه الطريقة ، يمكن للمؤسسات اكتشاف فرص الابتكار بشكل أكثر كفاءة ، وتصميم وإنتاج أكثر إبداعًا ، والقيام بالترويج للتسويق ، والوصول إلى المستخدمين وإكمال التحول بشكل أكثر فعالية.
** مراجعة تقنية الذكاء الاصطناعي: فيما يتعلق بنموذج الأعمال ، يبدو أن هذا أكثر تقدمًا. **
** Zhou Bowen: ** بالنسبة لأي فريق ريادي ، من المهم جدًا أن تكون قادرًا على تنمية المزيد من القدرات المهنية بعد امتلاك القدرات الفنية العامة للنماذج الكبيرة. في الوقت الحالي ، تكمن طفرة GPT بشكل أساسي في قدرتها العامة ، ولكن لم يتم تطوير قيمتها بعد في صناعات محددة ومجالات رأسية. على سبيل المثال: يمكن لـ GPT رسم لوحات فنية واقعية للغاية ، لكنها لا تستطيع رسم مخططات الدوائر ، لأنها تفعل ذلك. ليس لديهم معرفة كافية بالمعرفة الجسدية. الأحكام المتعمقة وذات الصلة ليست مهنية بدرجة كافية.
لذلك ، أعتقد أن هناك حاجة لمثل هذه الأداة (نموذج كبير للأغراض العامة بقدرات احترافية) لتسهيل العثور على المنتجات التي يحتاجون إليها وزيادة استعدادهم لشرائها ، مما قد يغير تمامًا مسارات التسوق الحالية للأشخاص . يمكن للذكاء الاصطناعي التوليدي ضغط كميات هائلة من معلومات الأعمال في مثل هذه النماذج الكبيرة ، وذلك لمعرفة جميع جوانب سلسلة توريد السلع الأساسية ، وتحسين كفاءة الروابط الرئيسية التي تركز على المستهلكين. هذه هي الفكرة والإبداع الذي تم إنشاؤه بالفعل في عام 2021.
** تطور Lianyuan Technology نموذجًا كبيرًا بقدرات عامة. يتمتع هذا النموذج الكبير بخبرة في ربط المنتجات والمستهلكين. ** لدينا 37 مؤشرًا لتقييم النماذج على نطاق واسع ، 2/3 منها هي قدرات للأغراض العامة مثل القدرة على التفكير والقدرة على الحوسبة ، ويتم تطبيق أكثر من اثني عشر عنصرًا بشكل خاص على الاتصال بين المنتجات والمستهلكين ، وذلك من أجل أدرك هدف "دع كل منتج يجب أن يولد من الحاجة ، دع كل مستهلك يحصل على ما يريد".
** مراجعة تقنية الذكاء الاصطناعي: كيف يمكن للذكاء الاصطناعي التوليدي أن يتكامل بشكل أفضل مع سيناريوهات الاستهلاك مثل التجارة الإلكترونية؟ **
** Zhou Bowen: ** يمكن للبشر إما فهم منطق الأعمال للتخطيط أو منطق التسويق ، لكن الذكاء الاصطناعي يمكنه فتح جميع سلاسل الأعمال.
يحتاج المستهلكون إلى الكثير من المفردات الاحترافية للعثور على المنتجات التي يريدونها في سيناريوهات مثل منصات التجارة الإلكترونية ؛ ولكن على الجانب الآخر ، لا يفهم التجار الاحتياجات الحقيقية للمستهلكين ولا يمكنهم الوصول إلى المستهلكين إلا من خلال معاملات التجارة الإلكترونية ، من خلال الاستشارات المؤسسات البحثية لفهم المستهلكين بشكل أكبر. بعد تقديم وظيفة حوار متعدد الجولات مثل ProductGPT ، ستكون كفاءة المطابقة الديناميكية للتجار والمستهلكين على المنتجات أكثر كفاءة من أبحاث السوق ، بحيث يمكن لمنصات التجارة الإلكترونية المشاركة بشكل أكثر عمقًا في ابتكار المنتجات ، والتصميم ، والبحث والتطوير ، و التسويق والترويج وما إلى ذلك.
في المجتمع التجاري الفعلي ، هناك بالفعل تطابق قوي بين جانب الطلب وجانب العرض. تعتمد منصة SaaS للابتكار التعاوني الرائدة المطورة ذاتيًا على الفهم متعدد الوسائط وقدرات الاستدلال والتوليد للنماذج الكبيرة ، وتساعد الشركات على اكتشاف الفرص التجارية وابتكار المنتجات من خلال رؤى عميقة للمستهلكين والسيناريوهات والمنتجات ومراجع المنتجات والبحث والتطوير . في الوقت نفسه ، توفر منصة الحوار متعدد الجوانب ProductGPT لشركة Lianyuan Technology لكل موظف في المؤسسة مساعدًا شخصيًا مخصصًا بعمق وفقًا للأدوار المهنية المختلفة ، ويلبي احتياجات العمل الخاصة بهم من خلال توفير المهارات والمعرفة الخاصة بالأدوار. على سبيل المثال ، سيوفر المساعد الشخصي لأبحاث المستهلك في Lianyuan Technology المهارات المهنية والمعرفة ذات الصلة مثل البحث عن اتجاهات السوق وفهم احتياجات المستهلك وأبحاث السوق.
** مراجعة تقنية الذكاء الاصطناعي: لقد استخدمت الذكاء الاصطناعي التوليدي لكسب المال في JD.com ، كيف فعلت ذلك؟ **
** Zhou Bowen: ** في عام 2019 ، قادت فريق الذكاء الاصطناعي في JD.com لتطبيق الذكاء الاصطناعي التوليدي لإنشاء كتابة نصوص المنتج واختيار الصور. وهذا أيضًا هو أول نموذج عام واسع النطاق لشركة JD.com. في ذلك الوقت ، أنجز نموذج الذكاء الاصطناعي الخاص بنا بشكل أساسي ثلاثة أشياء:
أولاً ، يمكنك قراءة المحتوى الموجود في صفحة تفاصيل المنتج بنفسك ، وإنشاء 8-9 نقاط بيع لهذا المنتج مباشرةً من خلال التحليل ؛
ثانيًا ، عندما يتصفح المستهلك منتجًا معينًا ، سيكتشف النموذج الكبير بسرعة نقاط البيع التي يمكن أن تثير إعجاب المستخدم أكثر من خلال تحليل بيانات سلوك المستهلكين المختلفين ؛
ثالثًا ، ستقوم AIGC بإنشاء شعارات حصرية حول نقاط البيع التي يهتم بها المستهلكون بشكل أكبر استنادًا إلى صور المستخدم.
بعد فترة من التنفيذ ، ارتفع معدل تحويل توصيات المنتجات بنسبة 30٪ مقارنةً بالسابق. قد لا يدرك المستهلكون أنه عند البحث والتسوق على JD.com ، فإن فئات المنتجات والأوصاف التي يرونها يتم إنشاؤها تلقائيًا بواسطة AIGC كلمة بكلمة وفقًا لتفضيلات المستخدم ونقاط بيع المنتجات في اللحظة التي يتصفح فيها المنتجات .
** مراجعة تقنية الذكاء الاصطناعي: ما رأيك في واجهة برمجة تطبيقات OpenAI المفتوحة ، وماذا تعني بالنسبة للصناعة؟ **
** Zhou Bowen: ** بالحديث عن تجربتي الشخصية ، اعتدت أن أكون كبير العلماء في مجموعة IBM Watson Group. في ذلك الوقت ، تم تنظيم بيانات بعض الصناعات في الولايات المتحدة ، ولم تكن هذه الشركات عمومًا قادرة على التعاون ، وكان بإمكانها فقط نشر السحب الخاصة. لهذا السبب ، في 2015-2016 ، قررت أن أكون سحابة عامة. من أجل تحقيق ذلك ، من الضروري إنشاء واجهة برمجة تطبيقات لإمكانيات الذكاء الاصطناعي الخاصة بـ Watson. في ذلك الوقت ، قادت إطلاق العشرات من واجهات برمجة التطبيقات بما في ذلك الحوار وفهم اللغة الطبيعية. ضع واجهات برمجة التطبيقات هذه على النظام الأساسي السحابي ، والآن تجني أعمال الذكاء الاصطناعي التابعة لشركة IBM الأموال منها.
عدت إلى الصين في نهاية عام 2017 ، وفي أبريل 2018 ، أطلقت منصة JD.com المفتوحة للذكاء الاصطناعي. في ذلك الوقت ، لم يكن هناك أساسًا منصة ذكاء اصطناعي في الصين ، والتي جلبت أيضًا دخلاً كبيرًا لـ JD.com. في عام 2019 ، حقق فريق الذكاء الاصطناعي JD.com بقيادة أنا 170 مليون يوان من العائدات ، وهو أمر ليس سيئًا لفريق مكون من 200 شخص.
** مراجعة تقنية الذكاء الاصطناعي: هناك تصور في الصناعة بأن مخاطر صنع نموذج رأسي كبير مرتفع للغاية ، ما رأيك؟ **
** Zhou Bowen: ** أعتقد أنه في المستقبل ، سيتم إكمال تدفقات العمل عالية القيمة والمحددة جيدًا هذه بواسطة نماذج AI احترافية بدلاً من نماذج AI العامة. من السهل زيادة تحسين القدرات الأساسية لنموذج كبير للأغراض العامة بعد اكتمال مشهد رأسي معين بنجاح. بالإضافة إلى ذلك ، إذا بدأنا من سيناريو عمودي ، فيمكن استخدام تراكمنا السابق من حيث قوة الحوسبة والبيانات والخوارزميات بشكل كامل. لذلك ، في Lianyuan Technology ، يجب أن يتمتع النموذج الكبير بالقدرات الأساسية لتكنولوجيا النماذج الكبيرة العامة في الإطار الأساسي للتكنولوجيا ، ويجب تقييمها بالطرق العلمية ، ولكنها تتطلب أيضًا تدريبًا احترافيًا.
في عام 2023 ، بسبب الشعبية المفاجئة لـ ChatGPT ، بدأ السوق في استخدام AI 2.0 لوصف إمكاناته الهائلة. بالإضافة إلى ذلك ، انضمت جميع عمالقة التكنولوجيا تقريبًا إلى المعركة ، ويحاول سوق رأس المال الاستثماري اغتنام فرص جديدة ، كما أن بيئة السوق تتغير بسرعة. GPT هي فرصة تنظيمية منهجية ، ولكن مجرد النسخ والمتابعة واللحاق بالركب أمر محفوف بالمخاطر وصعب.
بعد تأسيس Lianyuan Technology ، تواصلنا مع أكثر من 100 عميل ، ورأينا الاحتياجات الحقيقية ، وقمنا بتحسين مسار تحقيق التكنولوجيا من خلال التحسين المستمر للنموذج الكبير: "في عام 2022 ، أظهرنا القيمة التجارية والجدوى الفنية لهذا السيناريو ، وهذا يعني أنه حتى لو كنا نصنع نموذجًا كبيرًا ، فإننا نسير على مسار مختلف عن OpenAI ، ونموذج الربح مختلف أيضًا.
ما أريد القيام به هو ضاغط معرفة بالعالم أفضل من GPT الحالي ، والذي يتطلب بيانات تفاعلية للغاية ، ومن الواضح أن البيانات مرتبطة ارتباطًا وثيقًا بالمشهد. بالنسبة إلى أي نوع من البيانات له معنى ذكاء بشري أعلى ، فهناك في الواقع الكثير من العمل النظري الذي يتعين القيام به ، وهو اتجاه يستحق الاستكشاف في المستقبل.