AI大模型“狂”潮還將持續(xù)多久？訪北京郵電大學(xué)教授曾劍秋

2023-08-03 09:51:02來源：人民郵電報(bào)

【資料圖】

科技創(chuàng)新總是在發(fā)現(xiàn)問題、解決問題中前行，每一項(xiàng)顛覆性創(chuàng)新成果從來都不是水到渠成的自然發(fā)展，而是由量的積累帶來質(zhì)的提升。對于人工智能大模型而言，參數(shù)規(guī)模的倍增帶來了智能涌現(xiàn)。當(dāng)下，大模型密集發(fā)布，各大廠商紛紛加碼人工智能，這樣的大模型“狂”潮還會持續(xù)多久，發(fā)展方向是什么？針對業(yè)界關(guān)注的熱點(diǎn)問題，《人民郵電》報(bào)記者采訪了北京郵電大學(xué)教授曾劍秋。

AI大模型兼具“大規(guī)模”和“預(yù)訓(xùn)練”兩種屬性，在海量數(shù)據(jù)上進(jìn)行訓(xùn)練后能夠完成一系列下游任務(wù)。曾劍秋認(rèn)為，大模型帶來的顛覆性創(chuàng)新可以總結(jié)為：規(guī)模大、速度快、場景全。首先，參數(shù)規(guī)模上，從GPT-1的1.17億參數(shù)到GPT-3的1750億參數(shù)，大模型的參數(shù)規(guī)模動(dòng)輒上千億，能夠從海量數(shù)據(jù)和知識中學(xué)習(xí)，在不同領(lǐng)域和場景中“輕松”完成任務(wù)。其次，得益于信息基礎(chǔ)設(shè)施穩(wěn)步推進(jìn)帶來的算力提升，大模型能夠在短時(shí)間內(nèi)響應(yīng)用戶并提供歸納整理后的內(nèi)容，已然從聊天機(jī)器人轉(zhuǎn)變?yōu)閿?shù)字助手。最后，在應(yīng)用廣度方面，大模型似乎是“全才”，寫詩、編程、繪畫、解題樣樣全能，具有廣闊的應(yīng)用場景。

曾劍秋認(rèn)為，大模型是建立在網(wǎng)絡(luò)能力、數(shù)據(jù)能力和計(jì)算能力三者之上的創(chuàng)新應(yīng)用。大模型需要在多個(gè)設(shè)備之間進(jìn)行數(shù)據(jù)傳輸和參數(shù)同步，而堅(jiān)實(shí)的網(wǎng)絡(luò)基礎(chǔ)為大模型提供了高效、穩(wěn)定、可擴(kuò)展的訓(xùn)練和部署環(huán)境。數(shù)據(jù)要素作為數(shù)字經(jīng)濟(jì)的核心生產(chǎn)要素，已成為推動(dòng)產(chǎn)業(yè)升級、優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)和打造經(jīng)濟(jì)增長點(diǎn)的戰(zhàn)略性資源。數(shù)據(jù)能力對于大模型的訓(xùn)練和應(yīng)用至關(guān)重要，因?yàn)榇竽Ｐ托枰獜暮Ａ繑?shù)據(jù)中學(xué)習(xí)和捕獲知識以提升泛化能力。在計(jì)算能力方面，大模型需要海量的計(jì)算資源來執(zhí)行復(fù)雜運(yùn)算和存儲巨量參數(shù)，需要使用高性能、低功耗、高度并行的計(jì)算設(shè)備和系統(tǒng)（如GPU），可以說，算力是大模型訓(xùn)練、人工智能發(fā)展的基礎(chǔ)設(shè)施。曾劍秋談到，這三種能力是大模型發(fā)展、人工智能產(chǎn)業(yè)進(jìn)步、信息技術(shù)創(chuàng)新應(yīng)用的“沃土”。

入局大模型的門檻主要包括基礎(chǔ)門檻、訓(xùn)練門檻和應(yīng)用門檻。曾劍秋談到，基礎(chǔ)門檻包括網(wǎng)絡(luò)能力和數(shù)據(jù)處理能力，需要具備大模型訓(xùn)練計(jì)算所需的高性能服務(wù)器、GPU設(shè)備、高速網(wǎng)絡(luò)等。訓(xùn)練門檻是指大模型的“成長”迭代需要不斷訓(xùn)練，需要提供符合一定標(biāo)準(zhǔn)的高質(zhì)量訓(xùn)練數(shù)據(jù)，因而需要花費(fèi)時(shí)間和計(jì)算資源來對數(shù)據(jù)進(jìn)行清洗和預(yù)處理，從而保障數(shù)據(jù)的質(zhì)量和準(zhǔn)確性。應(yīng)用門檻是指大模型的落地需要與垂直行業(yè)需求深度融合，同時(shí)，對于企業(yè)來說需要權(quán)衡收益與研發(fā)成本。

基于公有數(shù)據(jù)的大模型是通用底座，很難滿足專業(yè)場景的特定需求。曾劍秋談到，如何打通大模型技術(shù)和產(chǎn)業(yè)應(yīng)用的“最后一公里”，找到計(jì)算資源和產(chǎn)業(yè)應(yīng)用效果之間的平衡，是需要關(guān)注的重點(diǎn)課題。

大模型“熱”需要“冷”思考，要超前布局也要理性發(fā)展。曾劍秋表示，盲目跟風(fēng)研發(fā)大模型不可取，當(dāng)熱潮退去，留下的注定是推動(dòng)人工智能技術(shù)革新、深耕垂直行業(yè)應(yīng)用的數(shù)智實(shí)干家。同時(shí)，曾劍秋建議建立國家級的基礎(chǔ)大模型平臺，加強(qiáng)智算中心、超算中心等算力資源統(tǒng)籌，加強(qiáng)跨數(shù)據(jù)中心算力協(xié)同能力，從戰(zhàn)略高度著手，培育大模型發(fā)展基礎(chǔ)，構(gòu)筑人工智能發(fā)展優(yōu)勢。

標(biāo)簽：