기계 딥 러닝 혁명
기계 딥 러닝 혁명은 거의 세 번의 파도를 겪었습니다. 2010 년경 첫 번째 물결은 음성 인식의 돌파구를 보았으며 Markov 모델을 딥 러닝으로 대체하여 전례없는 결과로 대체했습니다. 두 번째 물결은 2012 년 이미지 인식에서 컨볼 루션 신경 네트워크의 돌파구이며, 이는 사람들의 상상력을 벗어난 것입니다. 인간 수준에 가까운 언어 모델의 최근 3 번째 물결은 지난 40 년에서 50 년 동안의 계산 언어학, 자연 언어 처리 연구를 뒤집어 놓았습니다.
대형 모델의 핵심은이 방법에 미리 훈련 단계가 있다는 것입니다. 이전 기계 학습은 인간 지향적이거나 기계가 만들어졌습니다. 사전 훈련은 세상이 어떻게 작동하는지에 대한 규칙에 따라 세계의 상식 시스템을 구축하는 것입니다. 이 연결은 상식을 통해 구성되며 그 효과는 상상력을 넘어서는 것입니다.
큰 모델은 AI 인간과 같은 지능을 제공하는 새로운 방법론입니다. 실제로, 큰 모델은 크로스 도메인 및 다소 산업 인간 지식 시스템을 초강력 컴퓨팅 성능을 통해 인간과 같은 뇌 신경망의 수학적 모델에 입력하고 컴퓨팅 패러다임을 통해 많은 분야에서 컨텐츠 제작 및 논리적 추론 기능을 가지고 있습니다.
우리나라는 여전히 무대를 쫓고 있습니다
새로운 라운드의 AI 경쟁에서 중국은 빨리 계속 유지할 수 있습니까? 대형 모델을 구축하려면 최소 수천 개의 칩이 필요하며, 대형 컴퓨팅 파워는 칩 간의 상호 연결이 필요하며, 상호 연결이 매우 높아야합니다. 초고속 대역폭이 필요합니다. 현재 전반적인 포괄적 인 강점과 혁신 개발 분야에서 중국의 대형 모델은 여전히 대표 기업과 비교할 때 여전히 큰 차이가 있습니다.
대형 모델에는 응용 프로그램 및 비용 문제도 있습니다. 현재 칩 비용, 특히 훈련 및 추론 비용은 높습니다.
보고서에 따르면 AI 칩은 훈련 칩과 추론 칩의 두 가지 범주로 나눌 수 있습니다. 대규모 모델 및 AI 알고리즘의 경우 훈련이 목표가 아니며 추론 및 응용 프로그램이 궁극적 인 목표입니다. 훈련 칩 측면에서, 중국의 많은 기업들은 제한된 생산 및 제조 장비 및 공정으로 인해 여전히 캐치 업 단계에 있습니다. 추론 분야에는 많은 기회가 있습니다. 장면의 조각화로 인해 국제 표준과 독점 기업은 없습니다.
인공 지능은 산업 혁명이며, 모든 사람들은 산업화, 기업, 전문화 및 수직을 달성하기 위해 인공 지능을 산업 디지털화와 결합 할 수있는 방법에 대해 매우 우려하고 있습니다. 원래 혁신을 따라 잡는 데 시간이 걸리지 만, 우리나라는 많은 인구, 많은 기업 및 많은 장면을 가지고있어 많은 혁신 기회를 생산할 것입니다.
업계는 폭발 기간에 안내 할 것으로 예상됩니다.
혁신에는 생태의 힘, 호기심의 힘이 필요합니다. 지난 2 년 동안 많은 파괴적인 혁신이 있었으며 앞으로 더 많은 과학적, 기술 혁신이 등장 할 것입니다. 중국의 응용 시나리오 데이터 볼륨은 크지 만 산업 표준 시스템 세트가 부족하며 기술 도구를 통해 차별화 이점이 실제로 작동하지 않습니다. 다양한 시나리오를 여는 목표와 효과를 측정하기 위해 업계 표준 및 기술 표준을 사용해야합니다.
각 세대의 기술이 나타날 때, 가장 큰 수혜자는 기술에 가장 민감한 사람들이며, 핵심은 업계의 요구를 기술과 결합하여 최선을 다하는 것입니다. 인공 지능은 곧 수천 개의 산업에 영향을 미치는 매우 효율적인 생산 도구입니다.
앞으로 각 사람에게는 3 개의 로봇이있을 수 있습니다. 집에서의 서비스 로봇, 사무실에서의 작업 로봇, 여행 로봇 - 무인 자동차 또는 낮은 고도의 유인 드론. 이 3 개의 로봇은 대규모 모델 또는 새로운 기술 경로와 AI 기능에 의해 구동 될 수 있으며 AI 기능은 대규모 모델에서 발전했습니다. 우리는 모두 독립적으로 개발 한 칩을 가지고 있기를 바랍니다. 앞으로 로봇은 우리가 일하고, 살고, 여행하는 데 도움이 될 것입니다. 인공 지능, 디지털 경제, 차세대 칩 및 응용 시나리오와 관련하여 전체 업계는 향후 폭발적인시기에 안내 할 것으로 예상됩니다.