Главный кандидат в гегемоны мира определил дорожную карту ИИ на 20 лет

Как будет развиваться ИИ в Эру Больших Моделей

Поскольку согласно многим расчетам Китай в ближайшие десятилетия по всем показателям превзойдет США (или, как минимум, приблизится к тому, чтобы превзойти), демократические страны столкнутся с ситуацией возникновения в мире авторитарной державы-гегемона.

О конкретике китайского плана превращения к 2050 в мирового гегемона я напишу в следующий раз. А сегодняшняя супер-новость — публикация Китаем дорожной карты развития ИИ на ближайшую пару десятилетий.

Ведь на то Китай и главный кандидат в мировые гегемоны, чтобы, не оглядываясь на США, отчеканить:

Наступила Эра Больших Моделей. Теперь ИИ будет развиваться вот так (цели, задачи, пути и способы решения, последствия и риски). Будет так, и никак иначе.

Большими моделями (БМ) в Китае называют Базисные модели (Foundation Models), о которых в августе прошлого года я написал пост с длинным названием «Гибель или взлет, что он нам несет — поворот к базисным моделям. Это революция в обучении машин, последствия которой пока непредставимы».

А еще через месяц в посте «Почему Россия аутсайдер в ИИ» я рискнул предположить, что одной из основных причин аутсайдерства России в ИИ является «разруха в головах», наилучшей иллюстрацией которой стало полное пренебрежение в медиаповестке к важнейшей для ИИ теме Базисных моделей.

Прошло полгода, и Китай показал, кто в мировой лавке хозяин.

Собрав грандиозный интеллектуальный пул из 100 китайских специалистов, работающих в Китайской академии ИИ-наук, в 8-и ведущих университетах Китая и США, в 5-и ведущих НИИ по ИИ Китая, США и Канады, в 5-и ИИ-лабораториях гигантов бизнеса Tencent, Huawei, ByteDance, Microsoft, JD, — за 6 месяцев была разработана дорожная карта развития ИИ в Эру Больших Моделей (200 страниц со списком литературы из 1637 ссылок).

Дорожная карта ведет разработчиков ИИ к решению 3х ключевых проблем современных ИИ.

1. Непереносимость моделей.
Модель, построенная для конкретной задачи и обученная в рамках конкретного прикладного сценария, неприменима в другом сценарии и уж тем более для другой задачи. Обучение модели всегда приходится начинать с нуля, что ведет к высокой стоимости обучения.

2. Недопустимо много ручной работы.
Нынешнее обучение модели в основном проводится по схеме “ручной работы”, поскольку для настройки параметров требуется много ручной работы, требующей большого количества специалистов по ИИ.

3. Дефицит качественных данных.
Модельное обучение предполагает высокие стандарты качества данных, и наличие крупномасштабных маркированных данных. Недостаток таких данных в некоторых областях ограничивает применение технологий ИИ.

Помимо устранения 3х названных проблем на основе применения БМ, целью дорожной карты также является устранения главного риска таких моделей — любые их дефекты будут наследоваться всеми последующими моделями, что быстро распространится на все сообщество базисных моделей.

▶️ Обзор БM включает 4 части: Ресурсы, Модели, Ключевые технологии и Приложения.

▶️ Представлено 16 конкретных тем, связанных с БM:
— Ресурсы: данные, знания, вычислительные системы;
— Модели: языка, зрения, мультимодальная модель:
— Ключевые технологии: рассуждение, интерпретация, надежность и безопасность, управление, оценка;
— Приложения: диалог, генерация текста, машинный перевод и предсказание структуры белка.

▶️ В каждой теме обобщаются текущие исследования и предлагаются направления будущих исследований.

Вот как становятся гегемоном:

Будет так, — я сказал!!!

________________________

Ваши шансы увидеть мои новые посты быстро уменьшатся до нуля, если вы не лайкаете, не комментируете и не делитесь в соцсетях.