人工智能可以分为几个发展阶段：基于数据的互联网时代、基于算力的云计算时代 ， 以及接下来可能将进入的基于模型的AI时代 ， 这相当于把数据提升为超大规模预训练模型 。 未来 ， 研究人员可以直接在云模型上进行微调 ， 很多公司甚至不用维护自己的算法研发团队 ， 只需要应用工程师即可 。
写小说、和人聊天、设计网页、编写吉他曲谱……号称迄今为止最“全能”的AI模型GPT-3 ， 当然远远不止会这些 。 作为2020年人工智能领域最惊艳的模型之一 ， GPT-3无疑把超大规模预训练模型的热度推向了新高 。
3月下旬 ， 我国首个超大规模人工智能模型“悟道1.0”发布 ， 该模型由智源学术副院长、清华大学教授唐杰领衔 ， 带领来自清华大学、北京大学、中国人民大学、中国科学院等单位的100余位AI科学家组成联合攻关团队 ， 取得了多项国际领先的AI技术突破 ， 形成了超大规模智能模型训练技术体系 ， 训练出包括中文、多模态、认知和蛋白质预测在内的系列超大模型 。
已启动4个大模型开发
【人工智能从“大炼模型”到“炼大模型”】据悉 ， “悟道1.0”先期启动了4个大模型研发项目：以中文为核心的超大规模预训练语言模型文源、超大规模多模态预训练模型文澜、超大规模蛋白质序列预测预训练模型文溯 ， 以及面向认知的超大规模新型预训练模型文汇 。
唐杰介绍 ， 文源拥有26亿参数 ， 文澜则为10亿 ， 文溯是2.8亿 ， 文汇则达到了百亿以上 。 虽然相对于GPT-3的1750亿参数而言还有差距 ， 但“接下来会有更大的模型” 。
目前 ， 文源模型参数量达26亿 ， 具有识记、理解、检索、数值计算、多语言等多种能力 ， 并覆盖开放域回答、语法改错、情感分析等20种主流中文自然语言处理任务 ， 在中文生成模型中达到了领先的效果 。
“目前这些模型既有一些交集 ， 但也存在明显差异 。 文源的重点是在中文和跨语言 ， 未来也会加入知识；文澜的重点主要是图文；文汇则更多地瞄向认知 。 ”唐杰表示 ， 认知是人工智能技术发展的趋势和目标 ， 关系到机器是否能像人一样思考这个终极问题 。
“下一代人工智能技术的发展方向一定是认知 。 ”据唐杰介绍 ， 在作诗任务中 ， 目前文汇已经通过了图灵测试 。 从算法的角度上来看 ， 文汇能通过图灵测试的关键在于“生成” ， 而不仅仅限于“匹配” ， 这种生成能力是多样的 。
被问及为何会选择这4个预训练模型项目时 ， 唐杰说 ， 这是综合考虑了国内外同行的相关工作、国内人工智能发展的现状、团队人员构成、北京区域优势等作出的决定 。 “当时GPT-3刚发布不久 ， 悟道团队认为首先要对标其卓越的少样本学习能力 ， 同时还要做出差异化 ， 做短、中、长3个阶段的布局 。 于是 ， 中文版GPT-3即清源CPM（文源的前身）应运而生 ， 这是短期布局 。 之后 ， 文源要向中英文模型乃至多语言模型发展 ， 这是中期布局 。 最后走向认知智能 ， 这是长期布局 。 ”唐杰说 ， 与此同时 ， 国内顶尖的企业人才、学术人才和自然科学人才所组成的团队给了项目巨大的想象空间 。
大模型有大智慧
自2018年谷歌发布BERT以来 ， 预训练模型逐渐成为自然语言处理（NLP）领域的主流 。
2020年5月 ， OpenAI发布了拥有1750亿参数量的预训练模型GPT-3 。 作为一个语言生成模型 ， GPT-3不仅能够生成流畅自然的文本 ， 还能完成问答、翻译、创作小说等一系列NLP任务 ， 甚至可以进行简单的算术运算 ， 并且其性能在很多任务上都超越相关领域的专有模型 。
推荐阅读
- 人工智能识别出一百六十五个新癌症基因
- 秦始皇地宫为什么要埋大量水银，这些水银是从哪来的？
- 南戴河之旅 南戴河吧
- 唐诗的由来
- 丹巴美人谷在哪里
- 茶卡盐湖旅游攻略
- 电信积分怎么获得
- U盘出现I/O错误的详细解决对策
- acer是什么牌子的电脑
- 家长的这4种方式，正在“教坏”下一代