广东
深圳商报·读创客户端首席记者 袁静娴
通用人工智能时代，应该怎样思考大模型？在技术融合与产业跃迁上，大模型时代中国的AI研究者和企业有哪些机遇和挑战？在9月28日举行的“2024年青年科学科学家50²论坛”上，香港科技大学董会主席、美国国家工程院外籍院士沈向洋带来了他对大模型发展的思考。
在沈向洋看来，大模型的发展，算力首先是第一道门槛。过去十几年，大模型的算力以每年数倍到十几倍的增长，而影响算力的两大要素是模型大小以及数据规模。算力是大模型和深度学习不可或缺的基础。随着模型规模的不断扩大，所需的算力也在急剧增长。从2010年开始，大模型所需算力以每年4倍的速度增长，这一趋势要求计算机芯片行业的发展必须从传统的摩尔定律转变为黄氏定律，即GPU推动AI算力实现逐年翻倍。在沈向洋看来，算力的获取和优化将是未来大模型发展的关键。
算力的增长也延伸出了沈向洋的另一个思考——数据的重要性。“当GPT-3出来的时候，GPT-4出来的时候，给我非常大的震撼，就像是互联网40年积累的数据，只为了一个AI时刻”。
那么大模型发展至今，下一章是什么？沈向洋认为，大模型产业的未来将从大语言模型发展到多模态模型，最终迈向世界模型。技术发展将朝着理解和生成统一的方向发展，这将推动AI技术在更多领域的应用和创新。
截至7月底，中国备案大模型是197个。其中，约30%是通用大模型，70%是行业大模型。在他看来，未来也将会有越来越多的行业大模型诞生。
“毫无疑问，大模型正在横扫千行百业”。沈向洋表示，大模型可分为通用大模型、行业大模型、企业大模型，甚至还有个人大模型。不同规模的模型对算力有不同的需求，而行业大模型目前占绝大多数。这表明，大模型技术正在逐渐渗透到各个行业中，推动产业的智能化升级。
那随着各类大模型的不断推出，催生的真正了不起的人工智能应用是什么？在沈向洋看来，那就是“AI agent”。AI Agent将改变人机交互方式，并可能颠覆软件行业。在他看来，AI Agent的发展需要深刻理解模型的能力，并构建AI深度参与的工作流程。
沈向洋表示，在AI时代，人机交互最本质的是对话。尽管近几年GPT等模型发展迅速，但人们对智能的理解仍然有限。智能的本质是神经网络与符号系统的结合，深度学习需要更多的可解释性和鲁棒性。“今天的人工智能，还在一个相对比较早期的阶段，尽管行业有很多应用，但只要下定决心去做，仍对未来充满信心。”
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
