门户
图库
科技
数据
VR
区块链
学院
论坛
百科
导航
登录
注册
帮助
公社首页
中国人工智能社区
公社版块
公社群组
Group
升级会员
用户名
Email
自动登录
找回密码
密码
登录
立即注册
登录后你可以:
登录
首次使用?
点我去注册
搜索
搜索
本版
帖子
公社群组
用户
道具
勋章
任务
设置
我的收藏
退出
首页
›
公社水吧
›
大话智能
›
如何看待我们的“人工智能AI”?
返回列表
如何看待我们的“人工智能AI”?
[复制链接]
sjkjdoe
2024-6-11 12:48:23
显示全部楼层
|
阅读模式
今天开始端午小长假了,难得一次不调休的假期,大家应该都很开心。
休闲的好时光,就不讲公司了。
前两天研读了一份文件,一份“孙凝晖”院士的演讲稿,这是一位长期从事高性能计算机科研工作的科学家,著名的“曙光计算机”就是他带头研发出来的。
前两年的“新一代人工智能(2030)专项”项目,是我们非常重要的AI研究项目,他负责总体设计“神经网络处理器关键标准与验证芯片”。
可以说在我们的人工智能行业,这是一位泰斗级大师,所以前阵子他的演讲,我很认真的进行了研读,加上一些我自己的思考,分享给大家。
2022年因为OpenAI公司推出了ChatGPT,以非常快的速度火遍全球,从那一年开始,各种大模型都竞相登场,所以2022年也被称为大模型元年。
人工智能虽然这两年一直在被广泛讨论,热度也从未消退,但毕竟是一个新型技术,所以很多人可能没有真正理解人工智能,不知道它是如何发展的,也不知道它将如何赋能千行百业。
今天我就在孙院士的基础上,讲讲人工智能。
一、智能计算
人工智能的核心就是智能计算,计算的载体当然就是计算机。
“计算”这个行为大概经历了四个发展阶段,第一个阶段八十年代之前出生的应该都经历过,那就是算盘,那个时候计算器都还没普及。
到了第二代的时候,电子器件发展起来,就出现了计算器和计算机,从手动进入了自动时代。
再后来互联网高速发展,计算范围无限扩大,不再局限于普通计算行为,万物皆可算,所以进入第三代网络计算时代。
虽然第三代的计算能力已经非常强,但是必须依赖人为给予的信息,机器不能按照需求自己思考自己获取信息,所以就有了第四代智能计算。
现在我们正处于从第三代到第四代的转型期,这也是全球很多地方都在打造数字化的原因。
如果把计算系统分类的话,可以分为五类,第一类就是孙院士研发的那种高性能计算平台,一般不对外使用,只在科研和核心领域部署。
第二类是企业计算平台,也就是服务器,国内几大平台比如百度、阿里、腾讯提供的都属于这一类。
第三类是个人电脑,第四类是我们的手机。
第五类的嵌入式计算机,嵌入式可以简单的理解为根据特定的应用场景,单独设计出来的专用计算机。
其实我们每天都在用嵌入式系统,比如计算器、电视机、各种家电等等,里面都有嵌入式模块,它不是我们常用的电脑系统,而是根据需求把硬件和软件集成到一起的系统,自动化程度很高。
现在我们人类正在打造第六类计算平台,就是智能计算系统,不过目前还处于初级阶段。
如果成功了,那就等于一台具有高度自主化的智能机器人,也就是科幻电影里面的那种。
智能计算的起源其实比较早,1946年的时候,国外科学家就想模拟人的大脑,研发出可以自己思考的机器。
但是那个时候的技术还太落后,至少算力就远远不够,所以失败了,最后退而求其次研发出了自动化计算机。
不过人类对这个目标的追求并没有停止,10年之后,1956年就产生了人工智能的概念,到现在已经快70年,人工智能AI才总算有了眉目。
经过前些年的声音识别、人脸识别和自动驾驶的发展,现在基本上完成了“深度学习计算系统”的搭建,也就是大模型的雏形。
要让机器具备智能化能力,必须要先让他具备学习能力,我们人类获取信息主要是靠各类神经元,先感知,然后存到大脑。
人工智能也是一样的,所以现在的AI学习系统,就叫“神经网络”。
把大量的数据经过标记后放到库里面,AI的神经网络就会去寻找并且吸收这些数据,理论上只要数据足够多,AI就会变成一个超级大脑。
从现在的进步程度来看,速度确实非常快。
2020年之前,AI还只是处于“小模型+判别式”的状态,也就是它只能根据定好的框架,识别并且简单的判断。
现在已经变成大家所熟知的“大模型+生成式”,也就是不仅是机械式的判断,而是可以自主学习,然后自主输出想法和结论,等于是经过思考生成一个全新的东西。
之所以称为“大模型”,因为参数足够大,比如ChatGPT-3就有1700亿个参数,用了上万块V100 GPU进行训练。
ChatGPT-4的参数规模更是到了万亿到十万亿的级别,而且还在快速上升。
即便是这样,用过的朋友都知道,其实缺陷还是很多,说明参数远远不够,学习程度也还远远不达标。
所以现在国内外都在耗巨资打造新的“智算中心”,越到后面,AI对算力的需求越恐怖,简直是难以想象的地步。
参数规模、数据量、算力这三个要素,就决定了AI模型的先进程度,这里面的原理,其实现在科学界都还没搞明白。
研究发现当参数规模到达一定程度,也就是突破某个阈值后,AI的能力就会大幅度提升,但是至今都不知道为什么会有这个差别。
好像跟人类的“厚积薄发”有异曲同工之妙。
现在AI人工智能的发展方向主要有四个:
第一个是多模态方向
这是模拟人类做出的选择,我们人体的感知和输出有眼、耳、鼻、舌、身、嘴这七个,是与生俱来的。
AI如果要足够智能化,当然不能只具备一项能力,比如视觉和听觉必须是要同时具备的,这就是大语言模型的研究方向。
第二个是视频生成
这个大家都知道,2月份OpenAI发布了视频生成模型SORA,就是基于这个东西,他们正在搭建一个“世界模型”,也就是试图预测下一秒会发生什么。
这个世界模型虽然现在问题还很多,但是非常有“科幻感”,感兴趣的可以在网上搜一下,想象空间是真的很大。
第三个是机器人
现在不少机构都在研究虚拟和现实的结合,也就是真正的机器人,不用实时控制,机器人具备信息吸收能力,然后有一颗强大的智算大脑。
按照设想,机器人具备学习能力,通过采集实时数据,能够感知周围的一切,并且进行理解,得出结论后可以自主行动。
这跟人类其实已经差不多了。
第四个是科学发现
到今天为止,我们所有的科研结果,都是大胆猜想,小心求证,最后实验很多次才总结出来的,这非常耗时耗力。
人类的猜想是需要前提的,那就是大量的知识储备和经验积累。
这一点显然AI能做得更好,因为理论上它们可以有无限的知识做支撑,并且吸收无数人的科研经验,这样就能具备比人类更强的推理能力。
这个方面其实已经在初步应用了,我之前分析万华化学的时候还专门讲过一些。
比如催化剂实验,很多都是一万多个分子式的可能性,这些分子式都要去组合然后合成,看哪一组结果更好。
要知道一个经验丰富的硕士生,一年也只能做20个左右的分子合成。
也就是要研发一个催化剂,需要10~20个人做一辈子的实验,才能完成。
这个工作完全是可以交给AI来做的,效率会提高很多很多。
还有更高级一点的,比如新药研发,比如蛋白质结构的预测研究等等,这些东西未来肯定会有AI的用武之地,以后的科研效率,想必要大大提升了。
二、人工智能的未来
虽然人工智能目前还处于初级阶段,但是相信没人会否认AI的价值,尤其是企业端。
现在我们的人工智能技术离国外还有比较大的差距,而且这个差距还没有看到缩小的趋势。
到那时即便再艰难,我们也还是要努力追赶。
在追赶方式的选择上,就有了诸多分歧。
1、首先要确定的,是走闭源封闭,还是走开源开放?
这里面有三条路,第一条是往兼容外国AI体系上面靠。
这也是目前国内多数企业正在走的,比如尽量去兼容他们的CUDA,很无奈,这也是性价比最高的办法。
因为硬件的被限制,我们的算力严重不足,再加上我们大大小小的各企业,都是自己做自己的,没有形成行业生态,算法方面同样缺陷很严重。
所以如果不去兼容他们领先的,我们的差距可能会越来越大。
第二条是在某些特殊领域建立闭源封闭系统,比如气象、军事等等特殊领域,现在一些大的国企就是在做这个。
好处是安全性高,自己用着放心,但缺陷是发展速度会比较慢,因为毕竟脱离了行业,注定没法全球化。
第三条是全球共建开源开放,这是一个很美好的构想,但是难度很大。
国外那些巨头的态度先不去说,我们的身份就不一样了,之前在互联网时代,我们本质上是使用者和参与者,享受到了全球互联网开源的红利。
这次如果共建人工智能全球开源,我们就变成了发起者,是要充当主力角色的。
以我们目前的实力,难度还是太大了,没法主导全球AI的走向。
2、我们未来到底是拼算法,还是拼智算基建?
不要以为人工智能好像有点类似互联网,是虚拟的,没什么基础建设。
这是种误解,即便是互联网,当年西方建立信息高速公路,也是花了绝大代价的,才成功引领了全球的互联网。
人工智能也是一样的,AI的核心是智算,智算取决于数据、算力和算法,数据的采集和存放,就是一个非常庞大的工程。
算力就更不用说了,我们现在都还生产不出高端芯片,根本没法拼算力。
本次大基金三期落地,就是为了大力扶持半导体行业。
所以整个人工智能的基础建设,是一项极其庞大的工程,需要巨额资金投入很多年才行。
现在我们很明显是选择了新型基建这条路,而且在数据方面,我们还取得了先机。
这个我在前不久讲海康威视的时候也提了一下,这几年我们的数据化转型越来越快,未来必然还会加大扶持力度。
毕竟再强大的算力,也必须要有数据支撑才行。
大家可能对我们的数字化转型没太多概念,其实已经慢慢渗透到我们的日常生活中了。
比如智能家电、智能驾驶、安防、可穿戴设备等等,无时无刻不在走向数据化。
一旦把这个新型基建布局完成,好处是非常大巨大,必将复制我们在工业制造上的成功模式。
我们的工业产品在全球为什么会有这么强大的竞争力?
因为各生产企业成本足够低。
这个成本怎么降下来的?
能源、运输、交通、服务、产业配套等方面,我们都非常完善,所以企业除了原材料和经营成本之外,其他外在的成本,相比于国外就有了很大的优势。
未来的人工智能也是一样的,AI的最终应用,终归还是要服务于企业和消费者,如果成本太高,客户也就没法享受到廉价的智算服务,行业就没法发展。
所以接下来的几年,在人工智能基础建设领域,我认为会有一大波机会。
3、我们的人工智能到底是为了服务实体经济,还是服务虚拟经济?
很显然西方选择的是虚拟经济,比如虚拟现实、元宇宙、区块链、大模型等等,这些东西全都是他们炒作起来。
我们不一样,我们是制造业大国,我们的实体经济占比很高,这也是我们能这么快崛起的优势所在。
所以尽管虚拟经济入门会更容易一些,产业链延伸的时候也简单一些,但是并非长久之计。
AI这个东西注定只能成为一个“赋能”的角色,否则就真成科幻小说了。
那么什么叫赋能?
降低企业的生产成本,提高企业的经营效率,加快技术的研发速度,这就是赋能。
所以未来我们的人工智能,应该与世界上其他的人工智能天差地别,这也是我们巨大的潜力。
三、总结
现在我们的人工智能很难很难,有些企业甚至有点绝望,因为被卡的太难受了。
西方的AI综合能力本来就要远远高于我们,我们一直都是在跟着跑。
即便是这样,还把高端芯片给停了,我们的算力根本上不去。
他们训练一个大模型的某个阶段,可能需要两三个月,我们至少要一年以上。
现在国内做得好一点的企业,比如华为、曙光、龙芯、海光、寒武纪等诸多公司,都被列入了清单。
所以导致我们现在芯片工艺要落后他们2~3代,后果就是芯片性能也要落后2~3代。
再加上他们起步早,不管是人才储备,还是资金投入上,都占有很大的优势。
我们现在的高端AI人才,是非常稀缺的,诸多企业由于技术和规模都比不上人家,自然也就缺钱,研发投入就会比较少。
要知道英伟达这么厉害了,他每年的研发投入都是几百亿,是我们国内公司的10倍以上。
这是我们人工智能目前很大的一个困境,没有任何捷径可走,只能咬着牙通过前面说的那几条路,慢慢追赶。
什么时候能追上?此时此刻来说,还遥遥无期!
不过我们从来都不缺耐心,这么大的工程,本来就不是一朝一夕的事情,所以也不要太着急。
即今江海一归客,他日云霄万里人!
更何况我们并非江海归客,而是披星戴月的赶路人。
相信我们建设全球AI开源体系是迟早的事情,风水轮流转,也该轮着我们主导一回了!
为什么会有这个自信?
因为目前全球只要我们选择了最难最辛苦的人工智能基础建设道路。
先苦后甜,是我们的优良传统。
我做了下面这张《A股核心资产研究汇总》表,里面精选了上百家优质公司,并附数万字的分析方法。
所有分析过的公司都会在上面这个表里更新数据。
一起探索企业基本面的研究,收获必然巨大。
小拇指,发财手点个赞......
#财经##人工智能##让AI触手可及#
本帖子中包含更多资源
您需要
登录
才可以下载或查看,没有账号?
立即注册
x
回复
使用道具
举报
发表新帖
高级模式
B
Color
Image
Link
Quote
Code
Smilies
您需要登录后才可以回帖
登录
|
立即注册
本版积分规则
发表回复
回帖后跳转到最后一页
sjkjdoe
金牌会员
0
关注
0
粉丝
77
帖子
Ta的主页
发布
加好友
最近发表
重量仅4.21克!我国科研团队研发出太阳能动力微型无人机:在纯自
从几百到几亿美元,各类无人机已遍布战场,中国该如何应对?
航拍无人机怎么选?大疆无人机盘点推荐
比“顺丰双尾蝎”还强!国产11吨级无人机开建,又是全球第一?
大疆今天发布的无人机,让我觉得上天也没那么难
“彩虹”VS“翼龙”,中国军用无人机两大王牌,都各有哪些精品?
公社版块
版块推荐
更多版块
智能穿戴
智能家居
机器人
无人驾驶
无人机
反馈吐槽
闲聊灌水
大话智能
大数据
图像识别
自然语言
数据挖掘
大话智能
数据挖掘
北大讲座
清华讲座
网贷观察
股市评论
区块链
闲聊灌水
反馈吐槽
站务通知
关注我们