7月4日—6日,2024天下人工智能大会暨人工智能环球管理高等别会议在上海举行。
国务院总理李强出席开幕式并致辞。
李强强调,要推动人工智能更好做事环球发展、匆匆进人类福祉,并建议要推进网络、算力、数据等普惠化,为广大中小企业和普通民众供应低门槛、低价格的人工智能做事,实现更大程度的数字原谅。

人工智能的核心命题是让打算机学会完成各种繁芜任务的知识。
在经历了符号智能和专用智能等发展阶段后,以OpenAI GPT为代表的大模型技能建立了通用的模型架构和学习方法,能够从大规模数据中持续学习和积累知识,在诸多任务上表现出强大乃至超越人类的性能,标志着人工智能进入通用智能阶段。

2022年底,OpenAI发布ChatGPT后,引发环球关注。
近两年,大模型技能突飞年夜进,中国海内上演了“百模大战”。
然而,在追逐更“大”模型的热潮中,我们也需核阅,“越大越好”是否是未来发展的最优解。

数字社会的关键元器件——大规模集成电路的发展,或可为智能社会大模型技能的发展供应一定启迪。
如摩尔定律所示,集成电路的成功关键在于晶体管密度的迅速提升,而非仅数量的持续增加。
通过持续改进制造工艺,电路密度的提升在增强电路性能的同时,也优化了能效与本钱。
对照至大模型技能,模型规模的增长确实带来了性能提升,但这种提升并非无限制。
随着模型规模增长,所需的打算资源与能耗也在迅速提升,这将成为制约大模型发展的瓶颈。

无人驾驶真的来了中国人工智能应若何做大年夜

因此,提升知识密度——即在给定的打算资源内,模型能够存储更多知识、具备更强智能——将成为未来大模型技能可持续发展的主要目标,亦是实现大模型普惠发展的主要路径。
在此背景下,面向大模型技能的普惠发展,环绕极致提升知识密度,未来有三个方向值得重点关注与布局。

一是人工智能科学化。
人工智能科学化旨在将人工智能从工程实践推向科学理论的形成和系统化发展,环绕“算法—架构—数据”的技能路线,形成推动大模型知识密度增强的理论根本。
在算法层面,探索模型性能发展规律,在小模型中高效探求最优数据和配置,进而外推至大模型。
在架构层面,探索脑启示的模型架构,显著降落完成任务时参与打算的神经元和打算量,提高模型的推理打算效率。
数据层面,探索可扩展、多样化的高质量数据布局体系,实现自动高效生产、筛选和验证数据。

二是打算系统智能化。
打算系统智能化旨在面向智能技能优化和扩展现有硬件和软件架构,如底层芯片、操作系统、数据库、网络通信等,是实现大模型知识密度增强的举动步伐保障。
例如,在芯片层面,面向人工智能的专有芯片设计是近年来推动大模型高效运算的主要发展方向。
尤其是目前国际上人工智能芯片设计仍处于发展阶段,中国在神经网络处理单元(即NPU)和类脑芯片等人工智能芯片设计方面已形成一定技能与家当上风,有望在此方向成为技能引领者。
基于智能化的软硬件举动步伐保障,推动算力、网络、数据等资源的高效利用,实现大模型发展所需根本举动步伐的普惠化。

三是领域运用广谱化。
领域运用广谱化旨在推动大模型在各专业领域的运用,实现知识密度增强的运用适配。
这意味着,首先大模型须要具备更高的专业素养。
在高代价运用处景,例如科学创造、高精尖制造业等领域,大模型具有低本钱持续探索的上风,但条件是要让大模型具备超越常规的专业能力和决策精度。
这须要模型具备对专业领域知识的深度理解。
再者,大模型需增强风险管控能力。
在高风险运用处景,例如自动驾驶、医疗诊断,大模型须要具备极高的情境敏感性、适应性以及决策可靠性,从而在尽可能规避风险的条件下,进行高效决策。
通过增强大模型在各专业领域的适配能力,推动大模型运用的专业性、稳定性、安全性。

通用人工智能的发展目前尚处于初步发展阶段,间隔人工智能技能的普惠运用仍需长期持续探索与投入。
中国作为天下大国,理应在人工智能的发展中做引领者、担当者和示范者,协同天下各国,共同走向更加美好的智能未来。

(作者系清华大学打算机系长聘副教授)

发于2024.7.15总第1148期《中国新闻周刊》杂志

杂志标题:大模型普惠发展需提升知识密度

:刘知远