2023人工智能与大模型_第1页
2023人工智能与大模型_第2页
2023人工智能与大模型_第3页
2023人工智能与大模型_第4页
2023人工智能与大模型_第5页
已阅读5页,还剩7页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

人工智能与大模型12023-07-18大模型的优势强信息集成能力:知识融合、数据融合,系统融合写诗,作文,画画,代码,多样性(仿现实,非现实)强理解能力:理解长文,短文,问题,指令,代码,提示,图片,视频,声音,表格强生成能力:2大模型走向为人“做事”面临的挑战泛理解能力:3强生成能力:理解长文,短文,问题,指令,代码,提示,图片,视频,声音,表格WeakinRobustness,Coherence,RepresentationofUnderstanding(InternalWorld

Model)写诗,作文,画画,代码,多样性(仿现实,非现实)Hallucination, MeasureofGoodness,Control

-ability强信息集成能力:

知识融合、数据融合,系统融合Collaborativelearning,ContinuousLearning,ComplexSystem

AI复杂系统的智能化体系业务端到端智能优化能力大小模型协同机制人机协同模式大模型发展路径:研判研判1大模型相关的理论和核心技术不断突破,

大幅提升总体智能水平,

可控性,

安全性和可信性亟需攻关。研判2大模型商用的相关标准,支撑体系,

运营运维体系在各个行业逐步完善到位。4针对项目提出的挑战,我们提出体系化人工智能(Holistic

AI,HAI)的攻关思路,依托泛在的网络和AI算力,在开放环境中实现对AI能力进行灵活且高效的配置、调度、训练和部署,以满足日益丰富的数智化业务需求

,同时确保AI业务可信可控安全,其主要特征为AI服务大闭环、AI能力原子化重构、网络原生AI及安全可信AI。根据智能化业务需求,

按需对AI能力进行调度、配置和运行监控,使其能在最合理的算网资源上运行和服务行业及个人客户AI

核心能力及模型提供方泛AI算力提供方泛在网络资源提供方大闭环泛AI算力云/网/边/端/…GPU/ASIC/NPU/CPU/…业务体系化AIOSAI能力大闭环原子化网络原生体系化人工智能5原子化能力大闭环数据 视觉类 语音类 语言类 结构化数据 ...基础设施物理环境网络设备硬件算力仿真环境...无线覆盖异常检测无线覆盖异常根因分析基于图像的工参异常发现基于仿真的天线参数分析天线参数决策控制基础大模型1小模型1小模型2基础大模型2...数据协同 模型参数协同 模型互学习体系化人工智能

(Holistic

AI)与大模型小模型36小模型4...

大闭环(Big

Loop

AI):“AI以业务端到端的大闭环优化为目标,重点攻关多能力级联与并联优化、开放动态环境中AI能力优化的基础理论和技术,

从而达到AI产业闭环。原子化(Atomized

AI):AI技术依据高复用、易调度、自闭环、易适配等原则进行原子化拆解和重构。一个典型的原子化AI能力包含通用智能层、适配层、接口层,通用智能层可多个能力共享。AI原子化重构是体系化人工智能得以实现的基础。网络原生(Network

Native)安全可信(Trust的

AI)BigLoop

AIInterfacesTop-K:Token

Embeddingssoftmax

valuesMatrix

multiply:softmaxoutput*

matrixGumbel

softmax:smooth

distributionASR7NLU语音识别+口语自然语言理解

级联优化【12】组合多个模型的智能,包括基础模型,

行业模型或小模型,

并能够端到端服务于业务目标网络问题投诉

级联优化BigLoopAIwithSmall

Models8FuseMultipleModelsintoonetarget

model"CascadedMulti-taskAdaptiveLearningBasedonNeuralArchitectureSearch",Y.Gao,ShileiZhang,ZihaoCui,ChaoDeng,JunlanFeng*.Interspeech

2023BigLoopAIwithSmall

ModelsCancade

three

models -speechenhancement,ASR,

NLU-withBottleneckAdapter"CascadedMulti-taskAdaptiveLearningBasedonNeuralArchitectureSearch",Y.Gao,ShileiZhang,ZihaoCui,ChaoDeng,JunlanFeng*.Interspeech

20239BigLoopAIwithBigPretraied

ModelsFuseMultipleModelsintoonetarget

model"DeepModelReassembly",XingyiYang,etc.NeurIPS

202210多个神经元网络层形成一个功能块功能相似网络:输入相似时

,输出相似将一个网络分成多个功能块,

相似的功能块形成一个集合,这个集合称为:

等同网络块集合BigLoopAIwithBigPretraied

ModelsStitchMu

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论