Данас је вештачка општа интелигенција (АГИ) постала кључна реч иу научној и у индустријској заједници. Пре само неколико година, многи су веровали да ће за постизање АГИ бити потребно најмање 10 до 50 година, или су чак мислили да је немогуће. Данас су такви песимистични ставови ретки. Међутим, у поређењу са узбуђењем јавности због овог таласа технолошких промена, многи научници и лидери у индустрији у области вештачке интелигенције верују да је још дуг пут да се тренутна АИ развије у АГИ.
Према Ки Иуану, угледном професору на Универзитету Фудан, директору Шангајског института за истраживање вештачке интелигенције (САИРИ) и оснивачу компаније Труствортхи Ларге Модел „Инфините Лигхтиеар“, „Једна од највећих манифестација АГИ је откриће непознатог закони у сложеном свету, то би требало да буде 'АИ Ајнштајн.' Ово захтева од нас да креирамо велике моделе вредне поверења који комбинују вероватноћа предвиђања 'црне кутије' са логичким резоновањем у 'белој кутији' и да промовишемо фундаментална истраживања, култивацију талената и практичне примене кроз дубоку интеграцију технологије и индустрије; изградња иновативног екосистема за научну интелигенцију“.
На недавно одржаној Светској конференцији о вештачкој интелигенцији (ВАИЦ) 2024. и састанку високог нивоа за глобално управљање вештачком интелигенцијом, САИРИ је успешно био домаћин тематског форума под називом „Вештачка интелигенција: промена парадигме у научном истраживању и индустријском развоју“. Ово је било прво појављивање ове нове истраживачке институције на ВАИЦ-у. САИРИ се може посматрати као модел за истраживање Шангаја екосистема научно-обавештајног „1+1+Н” вођеног иновацијама. Овај модел укључује САИРИ као централно чвориште одговорно за укупно стратешко планирање, интеграцију ресурса и кључна технолошка истраживања и иновације, у сарадњи са другим "1" Фудан универзитетом, и неколико "Н" универзитета, истраживачких институција, технолошких компанија, иновационих тимова, и инвестиционе институције, да заједнички промовишу научна истраживања, култивацију талената, трансфер технологије и индустријске иновације и унапређење.
Стандард за АГИ би требало да буде стварање „АИ Ајнштајна“.
Из техничке перспективе, да ли ће све већи модели са више параметара довести до АГИ? До данас, ни из перспективе саме АИ технологије ни из перспективе потрошње енергије, велики модели засновани на ауторегресивној архитектури Трансформер нису довољни да доведу до АГИ. АИ треба да развије нове велике моделе „сиве кутије“ од поверења. Овај закључак је заснован на Ки Иуановом дугогодишњем практичном искуству како у академским круговима тако и у индустрији.
Пре десет година, са идејом да „учини вештачку интелигенцију корисном“, Ки Иуан је предводио тим да повећа основни систем машинског учења Алибабе са 2 милиона параметара на неколико стотина милиона параметара по први пут, постигавши значајно побољшање пословних перформанси и демонстрирање интегрисане трансформације података, алгоритама и инжењерских способности. Ово је управо манифестација Закона о скалирању, о којој се данас нашироко расправља у заједници АИ.
Ћи Јуан подсећа да је тим заиста осетио слаткоћу Закона о скалирању: након стоструког повећања параметара модела, укупан ефекат се драматично побољшао. "Али сада размишљам: зашто тада нисмо направили АИ моделе још веће? Зашто смо стали када смо могли да направимо корак даље?" рекао је. "Чак ни милијарде параметара у великим моделима нису довољне; треба да се крећемо ка стотинама милијарди, трилионима, па чак и више. У то време, и академској заједници и индустрији је недостајала рачунарска моћ, па чак и у индустријском сектору, достижући тако висок ниво. рачунарска снага је захтевала веома високе трошкове, а да не помињемо академију."
Разлог зашто би стандард за АГИ требало да буде стварање „АИ Ајнштајна“, објашњава Ћи Јуан, је тај што он мора да буде и ефикасан и интелигентан. Прво, Ајнштајн је открио „облаке физике раног 20. века“ кроз неколико кључних тачака података. АГИ такође треба да буде у стању да открије и разуме непознате законе сложеног света. Међутим, садашњи велики модели то не могу постићи. На пример, иако визуелни велики модел СОРА симулира физички свет у невиђеном степену, он и даље конструише тродимензионални свет заснован на симулацији дводимензионалног света и далеко је од потпуног разумевања физичког света. Друго, постоји питање потрошње енергије. Људски мозак ради на око 15 вати, док један ГПУ може достићи врхунац од неколико стотина вати, а да не помињемо групе од хиљада или десетина хиљада ГПУ-а потребних за обуку генералних великих модела. Тренутно, ако наставимо да користимо постојеће архитектуре, потребна потрошња енергије би била астрономска, што би отежавало постизање циља да буде ефикасан и интелигентан.
„АИ Ајнштајн“ је такође кључни циљ АИ за науку (АИ4С). Научна интелигенција је играла важну улогу у убрзавању решавања познатих физичких једначина, али такође треба да комбинује позната правила са подацима како би смањила озбиљну зависност од података и рачунарске моћи, побољшала тачност закључивања и предвиђања и предложила нове научне теорије на основу правила знања прилагођених подацима. Ово је у складу са Ки Иуан-овим дугорочним циљем на Универзитету Фудан и САИРИ-у – да користи вештачку интелигенцију за разумевање сложеног света и откривање непознатих закона.
Велики модели са вертикалним доменом од поверења „Сива кутија“ оснажују различите индустрије.
Које проблеме треба решити да би велики модели постали нове продуктивне снаге од АИ алата? Према Ки Иуану, индустрија великих модела суочава се са многим заједничким изазовима, што отежава усклађивање технологије, производа и тржишта.
„Највећи проблем са имплементацијом великог модела данас је то што се на први поглед чини корисним, али не успева у практичној употреби“, објашњава Ћи Јуан. Данашњи велики језички модели првенствено предвиђају следећу реч на основу више претходних речи, али овај приступ није погодан за ригорозно размишљање у више корака. „Језик је средство за комуникацију, а не за размишљање. Недавно је објављен рад институција укључујући МИТ у врхунском академском часописуПриродаистакао да је језик моћно оруђе за преношење културног знања и да је можда еволуирао са нашим способностима размишљања и расуђивања, одражавајући сложеност људске спознаје. Међутим, језик не ствара сложеност расуђивања.
Да би се решила непоузданост, ниска интерпретабилност и високи трошкови постојећих великих модела, ефикасно решење је комбиновање вероватног размишљања неуронске мреже са логичким симболичким рачунањем, слично комбинацији брзог размишљања заснованог на инстинкту и спорог размишљања заснованог на логичком закључивању описаном у Књига нобеловца Данијела КанеманаРазмишљање, брзо и споро. "Ово се може назвати великим моделом 'сиве кутије'", сматра Ки Иуан. Комбиновање симболичког рачунања са неуронским мрежама у великом моделу од поверења у „сивој кутији“ може да смањи „халуцинације“ вештачке интелигенције и реши професионалне проблеме у вертикалним пољима, оснажујући на тај начин различите индустрије и ослобађајући продуктивност великих модела.
Шта је велики модел „сива кутија“ од поверења? „У почетку се дубоко учење сматрало ’црном кутијом‘. Сада, комбиновањем логичког закључивања са дубоким учењем, имамо 'сиву кутију'“, објашњава Ћи Јуан. „Првобитна 'црна кутија' је оставила људе несвесним процеса којим су подаци произвели резултате, док велики модел 'сиве кутије', потпомогнут логичким расуђивањем, омогућава људима да 'знају и резултате и разлоге иза њих.' Из друге перспективе, велики модели 'сиве кутије' могу користити дубоко учење да смање правила која нису у складу са посматраним подацима из стварног света."
Ки Иуан наводи да је за АИ кључну улогу у сложеним сценаријима у различитим индустријама – било да се ради о финансијама и осигурању, енергији ветра и енергији, или у океанском транспорту и фармацеутским пољима – неопходно је комбиновати систематско знање индустрије, логику расуђивања и одлуке -израда механизама са великим моделима. Велики модел „сиве кутије“ није само правац за АГИ, већ и моћно средство за дубоко продирање у вертикална поља и истинско решавање проблема из стварног света. „Из индустријске перспективе, ово разумевање је веома интуитивно“, илуструје Ћи Јуан. Лекари не морају да постану адвокати, нити адвокати морају да постану стручњаци за инвестиције. Свака професионална улога треба да се фокусира на своју област и побољша своје алате за продуктивност. Са техничког становишта, ако велики модел претерано учи небитне задатке, може доживети „катастрофално заборављање“. На пример, ако би Ли Баи све своје време проводио радећи рачуноводство уместо писања поезије, његова поетска инспирација би постепено избледела. „Већ смо приметили да када обучавамо велике моделе за вертикалне домене, ако модел научи превише неповезаних функција, то може да омета своје оригиналне могућности. Стога је развој ефикасних 'сиве кутије' великих модела за вертикалне домене од велике вредности у индустријској имплементација“.
"Верујем да ће велики модели 'сиве кутије' играти све важнију улогу на путу ка АГИ и у имплементацији индустрија вертикалног домена. Из Бајесове методолошке перспективе, комбинује наше познато знање са скривеним информацијама у подацима како би открио нове законе и решавају научне и индустријске проблеме“, наводи Ки Иуан. У будућности би „АИ Ајнштајн“ могао бити и „АИ Бафет“.
Повезивање ланца иновација и изградња научног иновационог екосистема.
На овогодишњој Светској конференцији о вештачкој интелигенцији, тим Ки Иуана је лансирао поуздане финансијске и медицинске велике моделе са стотинама милијарди параметара. Ови велики модели вертикалног домена надмашили су ОпенАИ-јев модел са трилион параметара ГПТ-4 Турбо у тестирању, још једном привлачећи пажњу индустрије на имплементацију великих модела.
„Данашња открића АИ нису вођена само иновацијама у основним принципима, већ и приступима вођеним производима који се баве друштвеним потребама. Друштво захтева не само објављивање теоријских радова или иновација пословног модела, већ и дубоку интеграцију технолошких и индустријских иновација заснованих на први принципи Једном када се ова два елемента комбинују, можемо доћи до плавијих вода", каже Ки Иуан.
Академија и индустрија имају различите мисије. Академија истражује нове феномене, док индустрија првенствено решава практичне проблеме. Уобичајени проблем широм света је да истраживачке институције треба да се позабаве многим проблемима технолошких иновација, али ако занемаре производњу и друштвене потребе, суочавају се са два недостатка: недостатком стварног притиска конкуренције, који омета усавршавање иновативних технологија, и одсуством ефективних технологија. повратне информације тржишта за вођење технолошких истраживања.
У том циљу, Ки Иуан је дуго настојао да повеже ланац иновација „универзитета-истраживачких института-стартапа” како би створио добар иновацијски екосистем који узима у обзир и основну технологију и потребе тржишта. Правац производа треба да буде вођен тржишном потражњом и сценаријима, изграђујући конкурентност језгра производа кроз темељне иновације.
Основан 2023, САИРИ је посвећен оригиналним иновацијама АИ за науку које комбинују знање и податке. Недавно је САИРИ лансирао Фуки серију великих метеоролошких модела 2.0 за апликације у новој енергији, осигурању, урбаном менаџменту и покренуо Алијансу за паметне метеоролошке иновације екосистема. Овај савез има за циљ да постепено промовише индустријску примену великих метеоролошких модела Фуки серије 2.0. Велики модели од поверења у „сивој кутији“ такође напредују у имплементацији производа, а Инфините Лигхтиеар, поуздана компанија за велике моделе коју је основао Ки Иуан, већ је основана.
Да би се даље промовисао екосистем иновација научне интелигенције, друго Светско такмичење у научној интелигенцији, које заједнички организују САИРИ и Универзитет Фудан, а које воде више одељења, укључујући Шангајски комитет за науку и технологију, Шангајску комисију за развој и реформу, Шангајски комитет за економску и информатичку технологију, и Шангајски одбор за образовање, покренут је. Такмичење нуди милионске награде за регрутовање глобалних учесника да истраже гранична поља научне интелигенције. Поред тога, САИРИ је развио платформу за научне податке која покрива мултимодалне научне податке, која подржава цео ланац од прикупљања и обраде података до управљања и моделирања, обезбеђујући ефикасну обраду података, поузданост и безбедну комуникацију. На основу ове платформе, САИРИ и његови партнери су изградили неколико висококвалитетних научних скупова података за науке о животу, науке о материјалима, атмосферске науке и друга поља, обезбеђујући вредне ресурсе за истраживање научне интелигенције. Штавише, САИРИ је покренуо Глобал Сциентифиц Дата Ецосистем Аллианце, са почетним члановима укључујући Цхина Телецом Цорпоратион, ЦОСЦО Схиппинг Инсуранце Цаптиве, Схангхаи Линганг Нев Ареа Цросс-Бордер Дата Тецхнологи, и више од десет других ентитета. Алијанса има за циљ да изгради глобалну платформу за истраживање великих података са више домена која је отворена и дељена кроз сарадњу између владе, предузећа, универзитета и истраживачких институција.
„Било да се ради о научним истраживањима или индустрији, не би требало да иновирамо због иновација. Надамо се да ћемо изградити будући АГИ и апликације које решавају проблеме у стварном свету“, каже Ки Иуан.