صنعت هوش مصنوعی یک بار دیگر آشر خواهد کرد

در سال 1956 برای اولین بار مفهوم هوش مصنوعی (AI) مطرح شد و بیش از شصت سال از آن زمان می گذرد. در 60 سال گذشته، هوش مصنوعی فرآیندی از شیوع تا زمستان سرد و سپس رشد وحشیانه را طی کرده است. با بهبود فناوری هایی مانند تعامل انسان و رایانه و یادگیری ماشین، هوش مصنوعی به یک روند جدید در عصر فناوری تبدیل شده است.

در سال 2022، صنعت هوش مصنوعی بار دیگر گره جدیدی را آغاز خواهد کرد، محتوای تولید شده با هوش مصنوعی (AIGC، محتوای تولید شده با هوش مصنوعی) از پشت سر خواهد آمد و با سرعتی فراتر از انتظارات مردم به رویدادی بزرگ در تاریخ انقلاب فناوری تبدیل خواهد شد. چه ربات چت «نقاش هوش مصنوعی» DALL-E2 و چه ربات چت «چت جهانی» ChatGPT، هوش مصنوعی مولد به سرعت در حال تولد یک سیستم، الگو و محیط زیست انقلاب فناوری جدید است.

با چرخش ساعت به سال 2023، شور و شوق ناشی از AIGC کاهش نیافته بلکه افزایش یافته است و عصر جدید خلقت هوشمند نه تنها تغییرات عمیقی در بهره وری ایجاد خواهد کرد، بلکه تکامل تفکر انسان را نیز تغییر خواهد داد. در همین راستا، گروه تحقیقاتی اقتصاد دیجیتال قرن بیست و یکم بیزینس هرالد مجموعه ای از گزارش ها را در مورد "تعقیب امواج AIGC" برنامه ریزی کرد تا امکانات فنی و چشم اندازهای تجاری ارائه شده توسط AIGC را در ابعاد مختلف تفسیر کند.

بای یانگ، خبرنگار بیزینس هرالد قرن بیست و یکم از پکن گزارش می دهد

تحت موج جدید هوش مصنوعی، مسابقه تسلیحاتی جهانی پیرامون هوش مصنوعی نیز آغاز شده است. در حال حاضر، اگرچه ChatGPT پیشرو است، اما در واقع فقط نوک کوه یخ است. در مرحله بعد، برنامه های کاربردی هوش مصنوعی مبتنی بر مدل های بزرگ به ظهور خود ادامه خواهند داد. درست مانند ظهور اینترنت موبایل ده سال پیش، عصر جدیدی از تغییرات بی سر و صدا در حال گسترش است.

در مواجهه با فرصت‌های زمانه، مردم همیشه هیجان‌زده خواهند بود و غول‌های فناوری در داخل و خارج از کشور در حال آماده‌سازی و آماده‌سازی هستند. ژو مینگ، بنیانگذار و مدیرعامل Lanzhou Technology، اخیراً در مصاحبه ای با 21st Century Business Herald گفته است که شرکت های چینی نباید در هنگام ساخت مدل های بزرگ از دیگران یاد بگیرند. ، زیرا در دو دهه گذشته چین پیشرفت زیادی داشته است و همچنین توانسته است از ویژگی های چینی در زمینه هوش مصنوعی خارج شود.

ژو مینگ مثالی زد: «به عنوان مثال، کنترل‌پذیرتر کردن هر عملکرد مدل بزرگ یا رهبری کردن در اجرای To B، به ویژگی‌های چینی تبدیل می‌شوند و با این موارد، یک «جناح چینی» در رزمی هنر می تواند شکل بگیرد، همچنین می تواند به همکاران اجازه دهد تا قدرت چین را ببینند."

در واقع، در ده سال گذشته، کل صنعت هوش مصنوعی در یک دوره توسعه سریع قرار داشته است و بسیاری از شرکت های چینی نیز منابع عظیمی را در این زمینه سرمایه گذاری کرده اند، که چین را نیز به یک رهبر جهانی در برخی از بخش های هوش مصنوعی تبدیل کرده است. در میان بسیاری از شرکت های فناوری چینی، Tencent دارای طرح اولیه هوش مصنوعی است و شیوه های غنی در برنامه های کاربردی هوش مصنوعی دارد. بنابراین، این مقاله از Tencent به عنوان یک نمونه استفاده می کند، به امید اینکه مسیر توسعه هوش مصنوعی آن را مشاهده کند، که می تواند مزایایی را برای توسعه آینده صنعت به همراه داشته باشد. مقداری روشنگری

چیدمان شانزده سال پیش

هوش مصنوعی چین در ابتدا بر اساس نیازهای محصولات ظاهر شد. به عنوان مثال، نقطه شروع Tencent AI در سال 2007 بود. در آن سال، Tencent 100 میلیون یوان برای ساخت موسسه تحقیقاتی Tencent سرمایه گذاری کرد.

Wu Yongjian که در حال حاضر معاون Tencent Cloud و رئیس Tencent Cloud Intelligent Research و توسعه است، در سال 2008 به Tencent پیوست. اولین بخش موسسه تحقیقاتی Tencent بود. وی به خبرنگار بیزینس هرالد قرن بیست و یکم گفت: تحقیقات موسسه تحقیقاتی تنسنت در ابتدا بسیار کاربردی بود. به عنوان مثال، یکی از کارهایی که او در آن زمان انجام می داد، توسعه فناوری پردازش تصویر پیرامون تصاویر QQ بود.

وو یونگجیان گفت: "بعدها با کمک فناوری ما، زمان پردازش ویدیوی QQ به حدود 60 درصد از نسخه اصلی کاهش یافت و تأثیر آن بسیار مشهود بود. سپس این فناوری در بخش های دیگر مانند بازی ها اعمال شد." همچنین از آن زمان به بعد بود که موسسه تحقیقاتی Tencent کشف کرد که ایجاد ذخایر فنی توسط خودتان مناسب تر است، بنابراین کل تیم شروع به تغییر کرد، از یک تیم محصول محور به یک تیم پشتیبانی فنی.

متعاقباً، مؤسسه تحقیقاتی تنسنت دستاوردهای زیادی در زمینه تشخیص الگو، ارتباطات چند رسانه ای، داده کاوی، پردازش تصویر و تقسیم بندی کلمات به دست آورده است. تا سال 2011، Tencent برای بیش از 4،{2}} حق ثبت اختراع درخواست داده بود، که بیش از مجموع سایر شرکت های اینترنتی داخلی بود، که موسسه تحقیقاتی Tencent بیش از نیمی از آنها را به عهده داشت.

Wu Yunsheng، Wu Yongjian و دیگران که از موسسه تحقیقاتی Tencent سرچشمه گرفته اند، بعداً تیم Youtu Lab را تشکیل دادند و به برترین آزمایشگاه بینایی کامپیوتری صنعت تبدیل شدند. بعدها، Tencent همچنین به طور متوالی تعدادی تیم تحقیقاتی فنی مانند تیم صوتی WeChat Zhiling که در سال 2011 تأسیس شد، ایجاد کرد که عمدتاً فناوری هوش مصنوعی صوتی را توسعه می دهد.

اگر بگوییم که قبل از سال 2012، تیم تحقیق و توسعه فناوری Tencent بیشتر برای خدمت به کسب و کار خود بود، از زمان تأسیس آزمایشگاه هوش مصنوعی در سال 2016، Tencent شروع به راه رفتن روی "دو پای" تحقیقات اولیه و عملکرد صنعتی کرده است. بنابراین، مسیر هوش مصنوعی Tencent این است که به طور مداوم از کسب و کار خدمات به تحقیقات فناوری پیشرفته در بالادست گسترش یابد.

در سال 2019، در کنفرانس جهانی هوش مصنوعی که در آن سال برگزار شد، Ma Huateng، رئیس هیئت مدیره و مدیر عامل Tencent، اظهار داشت که Tencent چهار آزمایشگاه هوش مصنوعی ایجاد کرده است که هوش مصنوعی را از تحقیقات پایه جامع تا توسعه برنامه های مختلف پوشش می دهد، و همچنین فناوری پیشرفته را ایجاد کرده است. . کاوش ماتریس آزمایشگاه‌ها، پوشش رباتیک، محاسبات کوانتومی، 5G، محاسبات لبه، اینترنت اشیا و غیره.

بر اساس داده ها، در سال 2019، تعداد درخواست های ثبت اختراع Tencent در کشورهای بزرگ جهان از 30،{2}} و تعداد پتنت های مجاز از 10،000 فراتر رفته است. در آن زمان این عدد در بین شرکت های اینترنتی داخلی رتبه اول و در بین شرکت های اینترنتی جهانی رتبه دوم را داشت و پس از گوگل رتبه دوم را به خود اختصاص داد.

فناوری پیشرفته را کاوش کنید

در ماتریس آزمایشگاهی Tencent، بسیاری از تحقیقات به ظاهر "تجارت انجام نداده اند" وجود دارد که در واقع تحقیقات Tencent در مورد فناوری های اساسی آینده است.

به عنوان مثال، بسیاری از مردم می دانند که در سال 2016، AlphaGo گوگل قهرمان انسان Go را شکست داد. در واقع، پس از انتشار Go AI "Fine Art" از Tencent AI Lab در سال 2016، چهار بار برنده مسابقات قهرمانی برتر جهان شد و از سال 2018، او به عنوان یک هوش مصنوعی اختصاصی برای آموزش ملی پوشان چینی کار می کند. Go Team به صورت رایگان.

مثال دیگر این است که در سال 2017، Tencent از فناوری هوش مصنوعی در حوزه پزشکی استفاده کرد و محصول هوش مصنوعی "Tencent Miying" را منتشر کرد که می تواند به پزشکان در غربالگری تصویربرداری پزشکی و تشخیص پزشکی کمک کند. در نوامبر 2017، وزارت علوم و فناوری فهرست اولین دسته از پلتفرم‌های نوآوری باز هوش مصنوعی نسل جدید ملی را اعلام کرد، از جمله تکیه بر Tencent برای ساخت پلت فرم ملی نوآوری باز هوش مصنوعی نسل جدید برای تصویربرداری پزشکی.

در سال 2021، تنسنت اولین ربات چهارپا چند وجهی مکس را با نرم افزار و سخت افزار خود توسعه داده منتشر کرد. در آن زمان، مکس برای درک ایستادن و حرکت از چهارپا به دوپا به طراحی یکپارچه چرخ پایی تکیه کرد و می‌تواند چرخش‌های پشتی، بازیابی سقوط و سایر اقدامات را کامل کند.

مکس از آزمایشگاه Tencent Robotics X متولد شد که در سال 2018 تأسیس شد. هدف اصلی تحقیقاتی این آزمایشگاه ربات ها است، از جمله توانایی درک به عنوان فناوری پایه ربات ها و فناوری های سه رکن حرکت حساس، دستکاری ماهرانه و هوشمند. بدن در حال حاضر علاوه بر مکس، این آزمایشگاه محصولاتی مانند ربات سگ جاموکا و ربات پای چرخ Ollie را نیز عرضه کرده است.

علاوه بر این، Tencent همچنین یک برنامه بلند مدت برای مدل بزرگ هوش مصنوعی دارد که اخیرا توجه زیادی را به خود جلب کرده است. در آوریل سال گذشته، Tencent برای اولین بار پیشرفت توسعه مدل بزرگ هوش مصنوعی "Hunyuan" خود را فاش کرد. گزارش شده است که مدل بزرگ هوش مصنوعی Hunyuan به طور کامل مدل های پایه مانند NLP (پردازش زبان طبیعی)، CV (دید کامپیوتر)، چند وجهی و بسیاری از مدل های صنعتی دیگر را پوشش می دهد. VCR، MSR-VTT، MSVD و دیگر مجموعه‌های داده چند وجهی معتبر به صدر فهرست رسیده‌اند.

اخیراً تیم مدل بزرگ مقیاس هوش مصنوعی Hunyuan نیز مدل بزرگ مقیاس تریلیون NLP را راه اندازی کرد که نه تنها یک بار دیگر رکورد سه لیست اصلی CLUE را شکست، بلکه از ویژگی های کم هزینه و فراگیر بودن مدل نیز بهره مند شد. همچنین با موفقیت در Tencent Advertising، Search، Chat و سایر محصولات داخلی وارد شده و از طریق Tencent Cloud به مشتریان خارجی خدمت می کند.

تیم مدل بزرگ Tencent Hunyuan AI اظهار داشت که از آنجایی که مدل‌های شبکه عصبی بزرگ‌تر اغلب به معنای عملکرد مدل قوی‌تر هستند، مدل بزرگ Hunyuan NLP از یک طرف و از طرف دیگر بر روی کاوش مقیاس‌های پارامتر مدل بزرگ‌تر در آینده تمرکز خواهد کرد. صدا، تصویر، ویدئو و سایر اطلاعات چند وجهی را با هم ترکیب کنید تا یک مدل بزرگ هوش مصنوعی چند وجهی قدرتمندتر ایجاد کنید. علاوه بر این، با افزایش داغ جهت AIGC، مدل بزرگ هوش مصنوعی Hunyuan به ارتقای مداوم در زمینه تولید محتوای متنی و نمودارهای وینسنت در آینده ادامه خواهد داد.

روی برنامه صحنه تمرکز کنید

در سوی دیگر تحقیقات پایه، عمل صنعتی است. Ma Huateng بارها اعلام کرده است: "طرح بندی هوش مصنوعی Tencent بر برنامه های کاربردی صحنه تمرکز دارد، نه تحقیق برای تحقیق."

درست مانند روزهای اولیه، هوش مصنوعی Tencent از سناریوهای کاربر شروع کرد و از فناوری هوش مصنوعی برای رفع نیازهای محصول داخلی استفاده کرد. در میان مدت، توسعه هوش مصنوعی عمومی را با تحقیقات به علاوه سناریوها ترویج کرد و تاکید کرد که "آکادمیک ها نفوذ دارند و صنعت خروجی دارد." اکنون، Tencent از هوش مصنوعی برای حل مشکلات در سناریوهای صنعت عمودی استفاده می‌کند و راه‌حل‌های سفارشی‌سازی شده را در ابزارهای پلتفرم هوش مصنوعی استانداردسازی می‌کند.

فردی از Tencent گفت که تیم Tencent AI با تیم تحقیقاتی سنتی متفاوت است. این یک ساخت سیستماتیک است. از الگوریتم‌ها، مهندسی، کیفیت، داده‌ها، محصولات گرفته تا کل مدل تجاری‌سازی، ممکن است اولین و آخرین باشد، مانند تحقیق. اول برو و تجاری سازی در آخر می آید، اما کل یک خودروسازی است و رو به جلو حرکت می کند.

وو یونگجیان خاطرنشان کرد: "اگر هدف به اندازه کافی دشوار باشد و صحنه به اندازه کافی پیچیده باشد، ما را به سمت ایجاد یک الگوریتم در سطح جهانی سوق می دهد. به طور مشابه، زمانی که تحقیقات الگوریتم شما مشکلی در سطح جهانی را حل می کند، الگوریتم ارزشمندتر است. نه صرفاً برای انتشار مقالات».

به منظور تسریع در پیاده‌سازی صنعتی فناوری هوش مصنوعی، در نوامبر 2021، Tencent به طور رسمی نام تجاری Tencent Cloud Smart را از طریق تجمیع محصولات و قابلیت‌های فنی آزمایشگاه‌های هوش مصنوعی مانند Tencent Youtu Lab و Tencent AI Lab منتشر کرد. به عنوان سال‌ها تجربه عمل صنعتی، خروجی خارجی از پشتیبانی توان محاسباتی زیربنایی تا پلتفرم توسعه هوش مصنوعی، راه‌حل‌های محصولات هوش مصنوعی و روش‌های تبدیل هوشمند دیجیتال سطح بالای کل زنجیره خدمات.

به عنوان مثال، در سطح توان محاسباتی زیربنایی، Tencent از "یک ابر با چندین هسته" به عنوان مبنایی برای تسریع عملکرد قدرت محاسباتی با کمک تراشه‌های هوش مصنوعی خود ساخته استفاده می‌کند. در سطح توسعه هوش مصنوعی، Tencent از "Tencent Cloud TI Platform" به عنوان هسته اصلی برای کمک به مشتریان در ایجاد و استقرار سریع برنامه های هوش مصنوعی استفاده می کند.

Zixiao تراشه خود توسعه یافته Tencent برای سناریوهای استدلال هوش مصنوعی است. با پلتفرم Tencent Cloud TI سازگار شده است که عملکرد یک کارت واحد را تا 200 درصد بهبود بخشیده است، هزینه بهینه سازی توان محاسباتی واحد را تا 50 درصد کاهش داده و در مصرف انرژی انرژی محاسباتی سبز صرفه جویی می کند. 60 درصد. سونگ داندان، رئیس محصولات محاسباتی ناهمگن Tencent Cloud، به 21st Century Business Herald گفت که این تراشه ها ابتدا در کسب و کار خود توسعه یافته Tencent به کار گرفته می شوند و در آینده امید می رود که خدمات خارجی را در قالب خدمات PaaS ارائه کند. .

در اطراف پلت فرم TI، Tencent همچنین یک ماتریس محصول، از جمله پلت فرم برچسب زدن TI-DataTruth، پلت فرم آموزشی TI-ONE، پلت فرم برنامه کاربردی TI-Matrix، ابزار شتاب TI-ACC، و همچنین شامل پلت فرم آموزشی TI-OCR، TI-AOI ساخته است. پلت فرم آموزش بازرسی کیفیت صنعتی و غیره. این محصولات همچنین در صنایع تعاملی، مالی، صنعتی، رسانه ای، دولتی، پزشکی و سایر صنایع استفاده شده اند و به تحقق بسیاری از زمینه های زیرمجموعه مانند بازرسی هوشمند کیفیت صنعتی، هوش مصنوعی مالی میانی کمک می کنند. پلت فرم، مدیریت عملیات شهر هوشمند، و تشخیص کمکی بیماری. توسعه برنامه های کاربردی هوش مصنوعی.

لی زوئچائو، معاون Tencent Cloud و رئیس پلتفرم هوشمند Tencent Cloud، به 21st Century Business Herald گفت که تمام هوش مصنوعی از نظر پیاده سازی واقعاً وارد منطقه آب های عمیق شده است. در گذشته، مشتریان فقط برای ارائه برخی از قابلیت‌های هوش مصنوعی به شما نیاز داشتند، اما اکنون، آنچه مشتریان پیشنهاد می‌کنند همه برنامه‌های سناریو هستند و شما باید هوش مصنوعی را در سناریوهای تجاری ادغام کنید.

از نظر لی ژوچائو، از طریق مدل داغ فعلی "مدل بزرگ پیش از آموزش به همراه تنظیم دقیق وظایف پایین دست"، برنامه های کاربردی هوش مصنوعی قطعاً تعمیم بیشتری خواهند یافت. بر این اساس، سناریوهای اصلی برنامه کاربردی هوش مصنوعی عمیق تر ساخته می شوند. در عین حال، هوش مصنوعی به صحنه های بیشتری نیز نفوذ می کند.

با این حال، همچنین اشاره کرد که اولویت انجام برنامه های هوش مصنوعی حل مشکلات است، بنابراین در بسیاری از سناریوها، مدل اصلی هوش مصنوعی می تواند مشکل را حل کند، بنابراین نیازی به جبران گرما نیست. از این گذشته، استفاده از مدل های بزرگ مزایای بیشتری را برای مشتریان به همراه خواهد داشت. هزینه از. اما برای برخی از سناریوها، مانند خدمات مشتری هوشمند، اگر استفاده از مدل‌های بزرگ می‌تواند اثر مستقیم را بهبود بخشد، می‌توانید همزمان با ارزیابی عملکرد هزینه، آن را امتحان کنید.

در این رقابت جهانی هوش مصنوعی، ما باید به پیشرفته ترین تحقیقات فناوری توجه کنیم و با آن رقابت کنیم. در عین حال، باید با توجه به شرایط بازار، کارهای زمینی انجام دهیم. ژو مینگ به 21st Century Business Herald گفت که خدمات شرکت های To B در چین با خدمات کشورهای خارجی بسیار متفاوت است. محیط زیست SaaS در کشورهای خارجی بسیار بالغ است و شرکت های کوچک و متوسط ​​به دریافت خدمات از طریق SaaS عادت کرده اند، اما بسیاری از شرکت ها در چین SaaS را نمی پذیرند. استقرار

این بدان معناست که برای خدمات رسانی به مشتریان B، مانند درک نیازهای مشتری، انجام یک کار خوب در فرآیند کسب و کار و اتصال سیستم "آخرین مایل" و همچنین در نظر گرفتن هزینه های تحویل و نگهداری، تلاش بیشتری لازم است. «اگر مدل شما شکننده است، ممکن است یک پروژه را برای یک پروژه از دست بدهید.

بنابراین، شما باید در بنیاد کار خوبی انجام دهید و همچنین باید مشتریان را درک کنید و توانایی تکرار سریع را داشته باشید. این همان چیزی است که شرکت های چینی هنگام ساخت مدل های به اصطلاح بزرگ باید با آن مواجه شوند. در حقیقت، از این منظر، اگر بخواهید به سرعت یک ChatGPT را کپی کنید و سپس به سرعت درآمد کسب کنید، بسیار ساده لوحانه است."