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
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
- “烫发”新技术让头发秒变爬行机器人
- 人工智能助力国际能源行业减少碳足迹
- 冬奥首钢场馆预演无人驾驶“动作片”
- 气质为什么那么吸引人 那些打动人的气质从何而来呢
- 通用人工智能的时代已经来临
- 编程不一定从小学起 幼儿教育切勿拔苗助长
- 机器“快递员” 用自动驾驶货车送货上门
- “智慧停车”助城市管理更精细
- 话少安静的女孩的性格 家长千万别忽视孩子话少又乖巧
- 靠“脑补” AI将卫星“废片”变成高分辨率地图资源