Сьогодні загальний штучний інтелект (AGI) став основним ключовим словом як у науковому, так і в промисловому співтоваристві. Ще кілька років тому багато хто вважав, що досягнення AGI займе щонайменше 10-50 років, або навіть вважали, що це неможливо. Зараз рідко зустрічаються такі песимістичні погляди. Однак, порівняно з хвилюванням громадськості щодо цієї хвилі технологічних змін, багато передових науковців і лідерів галузі в галузі штучного інтелекту вважають, що попереду ще довгий шлях, щоб сучасний штучний інтелект перетворився на AGI.
За словами Ці Юаня, видатного професора Університету Фудань, директора Шанхайського науково-дослідного інституту штучного інтелекту (SAIRI) і засновника компанії Trustworthy Large Model «Infinite Lightyear», «Одним із найвищих проявів AGI є відкриття невідомого Простіше кажучи, це має бути «ШІ Ейнштейн». Це вимагає від нас створення надійних великих моделей «сірого ящика», які поєднують імовірнісні прогнози «чорного ящика» з логічними міркуваннями «білого ящика» і таким чином сприяють фундаментальним дослідженням, розвитку талантів і практичним застосуванням через глибоку інтеграцію технологій і промисловості створення інноваційної екосистеми для наукового інтелекту».
На нещодавній Всесвітній конференції зі штучного інтелекту (WAIC) у 2024 році та зустрічі високого рівня з глобального управління штучним інтелектом SAIRI успішно провела тематичний форум під назвою «Штучний інтелект: зміна парадигми в наукових дослідженнях і промисловому розвитку». Це була перша поява цієї нової дослідницької установи в WAIC. SAIRI можна розглядати як модель для дослідження в Шанхаї інноваційної екосистеми наукового інтелекту "1+1+N". Ця модель включає SAIRI як центральний центр, відповідальний за загальне стратегічне планування, інтеграцію ресурсів і ключові технологічні дослідження та інновації, у співпраці з іншим університетом Фудань «1» і декількома університетами «N», дослідницькими установами, технологічними компаніями, інноваційними командами, та інвестиційні установи, щоб спільно сприяти науковим дослідженням, вирощуванню талантів, передачі технологій, промисловим інноваціям і модернізації.
Стандартом для AGI має бути створення «ШІ Ейнштейна».
З технічної точки зору, чи призведуть все більші моделі з більшою кількістю параметрів до AGI? На сьогоднішній день ні з точки зору самої технології штучного інтелекту, ні з точки зору споживання енергії великі моделі на основі авторегресійної архітектури Transformer недостатні для створення AGI. ШІ потрібно розробити нові надійні великі моделі «сірого ящика». Цей висновок ґрунтується на багаторічному практичному досвіді Ци Юаня як в наукових колах, так і в промисловості.
Десять років тому з ідеєю «зробити штучний інтелект корисним» Ці Юань очолив команду, яка вперше збільшила основну систему машинного навчання Alibaba з 2 мільйонів параметрів до кількох сотень мільйонів параметрів, досягнувши значного покращення ефективності бізнесу та демонстрація інтегрованого перетворення даних, алгоритмів та інженерних можливостей. Це якраз і є проявом закону масштабування, який сьогодні широко обговорюється в спільноті ШІ.
Ци Юань згадує, що команда справді відчула солодкість закону масштабування: після збільшення параметрів моделі у сто разів загальний ефект різко покращився. «Але тепер я думаю: чому ми тоді не зробили моделі ШІ ще більшими? Чому ми зупинилися, коли могли зробити крок далі?» сказав він. «Навіть мільярдів параметрів у великих моделях недостатньо; нам потрібно рухатися до сотень мільярдів, трильйонів або навіть більше. У той час як науковим колам, так і промисловості не вистачало обчислювальної потужності, і навіть у промисловому секторі для досягнення таких високих обчислювальна потужність вимагала дуже великих витрат, не кажучи вже про науку».
Причина, чому стандартом для AGI має бути створення «ШІ Ейнштейна», пояснює Ці Юань, полягає в тому, що він має бути ефективним і розумним. По-перше, Ейнштейн відкрив «хмари фізики початку 20-го століття» через кілька ключових даних. AGI також має бути здатним відкривати та розуміти невідомі закони складного світу. Однак нинішні великі моделі цього не можуть досягти. Наприклад, хоча велика візуальна модель SORA симулює фізичний світ у безпрецедентному ступені, вона все ще створює тривимірний світ на основі моделювання двовимірного світу і далека від повного розуміння фізичного світу. По-друге, це питання енергоспоживання. Людський мозок працює приблизно на 15 Вт, тоді як один графічний процесор може досягати піку в кілька сотень ват, не кажучи вже про кластери з тисяч або десятків тисяч графічних процесорів, необхідних для навчання загальних великих моделей. Зараз, якщо ми продовжимо використовувати існуючі архітектури, необхідне енергоспоживання буде астрономічним, що ускладнить досягнення мети бути ефективними та інтелектуальними.
«ШІ Ейнштейна» також є ключовою метою ШІ для науки (AI4S). Науковий інтелект відіграє важливу роль у прискоренні розв’язання відомих фізичних рівнянь, але йому також необхідно поєднувати відомі правила з даними, щоб зменшити серйозну залежність від даних і обчислювальної потужності, підвищити точність міркувань і прогнозів і запропонувати нові наукові теорії. на основі правил знань, скоригованих за даними. Це узгоджується з довгостроковою метою Ці Юаня в Університеті Фудань і SAIRI — використовувати штучний інтелект для розуміння складного світу та відкриття невідомих законів.
Великі моделі «сірого ящика», які заслуговують на довіру, розширюють можливості для різних галузей.
Які проблеми потрібно вирішити, щоб великі моделі стали новими продуктивними силами інструментів ШІ? За словами Ці Юаня, велика модельна індустрія стикається з багатьма загальними проблемами, що ускладнює узгодження технологій, продуктів і потреб ринку.
«Найбільша проблема сьогоднішнього впровадження великої моделі полягає в тому, що вона здається корисною на перший погляд, але не підходить для практичного використання», — пояснює Ци Юань. Сучасні великі мовні моделі в основному передбачають наступне слово на основі кількох попередніх слів, але цей підхід не підходить для суворих багатоетапних міркувань. «Мова — інструмент для спілкування, а не для мислення». Нещодавно стаття, опублікована інституціями, включаючи MIT, у провідному науковому журналіприродазазначив, що мова є потужним інструментом для передачі культурних знань, і вона, можливо, розвивалася разом із нашими здібностями до мислення та міркування, що відображає складність людського пізнання. Однак мова не породжує складності міркувань.
Щоб вирішити проблему ненадійності, низької інтерпретації та високої вартості існуючих великих моделей, ефективним рішенням є поєднання ймовірнісних міркувань нейронної мережі з логічними символьними обчисленнями, подібно до комбінації швидкого мислення, заснованого на інстинкті, та повільного мислення, заснованого на логічному міркуванні, описаному в Книга Нобелівського лауреата Деніела КанеманаМислення, швидке і повільне. «Це можна назвати великою моделлю «сірої коробки», — вважає Ци Юань. Поєднання символічних обчислень із нейронними мережами в надійній великій моделі «сірого ящика» може зменшити «галюцинації» штучного інтелекту та вирішити професійні проблеми у вертикальних полях, таким чином розширюючи можливості різних галузей і вивільняючи продуктивність великих моделей.
Що таке надійна велика модель «сірої коробки»? «Спочатку глибоке навчання вважалося «чорним ящиком». Тепер, поєднавши логічне міркування з глибоким навчанням, ми маємо «сіру скриньку», — пояснює Ци Юань. «Оригінальна «чорна скринька» не давала людям знати про процес, за допомогою якого дані дають результати, тоді як велика модель «сірої скриньки», підкріплена логічними міркуваннями, дозволяє людям «знати як результати, так і причини, що стоять за ними». З іншої точки зору, великі моделі «сірого ящика» можуть використовувати глибоке навчання для зменшення правил, які не відповідають спостережуваним даним у реальному світі».
Ці Юань стверджує, що для того, щоб штучний інтелект відігравав ключову роль у складних сценаріях у різних галузях, будь то фінанси та страхування, вітрова енергетика та енергетика, або морське судноплавство та фармацевтика, необхідно поєднати систематичні галузеві знання, логіку міркувань і рішення. -виготовлення механізмів з великих моделей. Велика модель «сірого ящика» — це не лише напрям для AGI, але й потужний інструмент для глибокого проникнення у вертикальні поля та справжнього вирішення проблем реального світу. «З промислової точки зору це розуміння є дуже інтуїтивним», — ілюструє Ци Юань. Лікарям не обов’язково ставати юристами, а юристам – експертами з інвестицій. Кожна професійна роль повинна зосереджуватися на своїй сфері та покращувати свої інструменти продуктивності. З технічної точки зору, якщо велика модель надмірно вивчає нерелевантні завдання, вона може зазнати «катастрофічного забуття». Наприклад, якби Лі Бай витрачав весь свій час на бухгалтерію, а не писав вірші, його поетичне натхнення могло б поступово згаснути. «Ми вже спостерігали, що під час навчання великих моделей для вертикальних областей, якщо модель вивчає занадто багато непов’язаних функцій, це може заважати її початковим можливостям. Тому розробка ефективних великих моделей «сірого ящика» для вертикальних областей має велике значення в промисловості впровадження».
«Я вважаю, що великі моделі «сірого ящика» відіграватимуть дедалі важливішу роль на шляху до AGI та у впровадженні галузей вертикальних доменів. З методологічної точки зору Байєса, вони поєднують наші відомі знання з прихованою інформацією в даних, щоб відкрити нові закони. і вирішувати наукові та промислові проблеми», - стверджує Ці Юань. У майбутньому «ШІ Ейнштейн» також може бути «ШІ Баффет».
З’єднання інноваційного ланцюга та побудова інноваційної екосистеми наукового інтелекту.
На цьогорічній Всесвітній конференції зі штучного інтелекту команда Ці Юаня запустила надійні фінансові та медичні великі моделі із сотнями мільярдів параметрів. Ці великі моделі вертикального домену перевершили модель OpenAI із трильйонами параметрів GPT-4 Turbo під час тестування, знову привернувши увагу галузі до реалізації великих моделей.
«Сьогоднішні прориви в галузі штучного інтелекту обумовлені не лише інноваціями в базових принципах, але й підходами, орієнтованими на продукти, які відповідають суспільним потребам. Суспільству потрібні не лише публікації теоретичних робіт чи інновацій бізнес-моделей, а й глибока інтеграція технологічних і промислових інновацій, заснованих на перші принципи. Коли ці два елементи об’єднаються, ми зможемо досягти більш блакитних вод», – каже Ці Юань.
Наукові кола та промисловість мають різні місії. Академія досліджує нові явища, тоді як промисловість вирішує насамперед практичні проблеми. Загальною проблемою в усьому світі є те, що науково-дослідним установам необхідно вирішувати багато проблем технологічних інновацій, але якщо вони не звертають уваги на продуктивність і суспільні потреби, вони стикаються з двома недоліками: відсутністю реального конкурентного тиску, який перешкоджає вдосконаленню інноваційних технологій, і відсутністю ефективної зворотний зв'язок з ринком для керівництва технологічними дослідженнями.
З цією метою Qi Yuan давно намагався об’єднати інноваційний ланцюжок «університети-дослідницькі інститути-стартапи», щоб створити хорошу інноваційну екосистему, яка враховує як основні технології, так і потреби ринку. Напрямок продукту має ґрунтуватися на ринковому попиті та сценаріях, створюючи конкурентоспроможність основного продукту за допомогою фундаментальних інновацій.
Заснована в 2023 році, SAIRI прагне до оригінальних інновацій ШІ для науки, які поєднують знання та дані. Нещодавно SAIRI випустила серію великих метеорологічних моделей 2 0 Fuxi для застосування в новій енергетиці, страхуванні, міському управлінні та започаткувала Альянс екосистем інновацій Smart Meteorological Innovation. Цей альянс спрямований на поступове просування промислового застосування метеорологічних великих моделей серії Fuxi 2.0. Надійні великі моделі «сірого ящика» також прогресують у впровадженні продукту: Infinite Lightyear, надійна велика модельна компанія, заснована Ци Юанем, уже створена.
Для подальшого просування інноваційної екосистеми наукової розвідки другий Всесвітній конкурс наукових розвідок, спільно організований SAIRI та Університетом Фудань під керівництвом кількох департаментів, у тому числі Шанхайського науково-технічного комітету, Шанхайської комісії розвитку та реформ, Шанхайського комітету з економіки та інформаційних технологій, і Шанхайського комітету з питань освіти було запущено. Конкурс пропонує мільйонні призи, щоб залучити учасників із усього світу для дослідження передових галузей наукового інтелекту. Крім того, SAIRI розробив платформу наукових даних, що охоплює мультимодальні наукові дані, яка підтримує повний ланцюжок від збору та обробки даних до управління та моделювання, забезпечуючи ефективну обробку даних, надійність і безпечний зв’язок. На основі цієї платформи SAIRI та її партнери створили кілька високоякісних наборів наукових даних для наук про життя, матеріалознавства, атмосферних наук та інших галузей, надаючи цінні ресурси для наукових досліджень. Крім того, SAIRI ініціювала Global Scientific Data Ecosystem Alliance, першими членами якого є China Telecom Corporation, COSCO Shipping Insurance Captive, Shanghai Lingang New Area Cross-Border Data Technology та більше десяти інших організацій. Метою альянсу є створення глобального багатодоменного дослідницького ресурсу великих даних, відкритої та спільної платформи шляхом співпраці між урядом, підприємствами, університетами та дослідницькими установами.
«Незалежно від того, чи йдеться про наукові дослідження чи промисловість, ми не повинні впроваджувати інновації заради інновацій. Ми сподіваємося створити майбутні AGI та програми, які вирішуватимуть проблеми реального світу», — каже Ці Юань.




