सेल्फ-इंटेलिजेंस नेटवर्कचे एक नवीन युग: एक मोठे-मॉडेल-चालित भविष्य

बीबीएस वर बीजिंग इंटेलिजेंट नेटवर्क मॉडेलमध्ये आयोजित २०२23 एआय नेटवर्क इनोव्हेशन कॉन्फरन्स, झेडटीई केबल प्रॉडक्ट्स मॉडेल वरिष्ठ आर्किटेक्ट जीआन-गो लू यांनी विस्डम नेटवर्क नवीन युग बनविला: बिग मॉडेलने बुद्धिमत्ता बुद्धिमत्तेची गुणवत्ता वाढविण्यासाठी, बुद्धिमत्तेच्या बुद्धिमत्तेची गुणवत्ता वाढविण्यासाठी झेडटीईच्या थीमचे भविष्य घडवून आणले आणि डिजिटल ट्विन ऑटोमेशन डेटा सायकलचा वापर केला.
लू जियानगुओ म्हणाले की, एआय सक्षम करणे, डिजिटल ट्विन आणि इंटेंशन ड्राइव्ह यासारख्या अनेक महत्त्वाच्या तंत्रज्ञानाने एल 4 ते एल 5 पर्यंत स्व-बुद्धिमत्ता नेटवर्कच्या बुद्धिमत्ता पातळीचे समर्थन केले आहे आणि सेल्फ-इंटेलिजेंस नेटवर्कचे पुनरावृत्ती करणे चालू ठेवले आहे आणि स्वत: ची बुद्धिमत्ता पूर्ण करण्यासाठी विकसित केले जाईल. या की तंत्रज्ञानांपैकी एआय हे सर्वात महत्वाचे इंजिन आहे आणि एआय तंत्रज्ञानाची मोठी मॉडेल्स ही मुख्य आहे.
सेल्फ-इंटेलिजेंस नेटवर्कवर मोठे मॉडेल कसे लागू करावे यामध्ये, लू जियानगुओने हे ओळखले की मोठ्या मॉडेलमध्ये सुपर पिढीची क्षमता आहे आणि त्वरीत मोठ्या संख्येने योजना तयार करू शकतात. बौद्धिक नेटवर्क ऑपरेशन्ससाठी मोठ्या संख्येने ऑपरेशन चरणांची अंमलबजावणी करण्याची आवश्यकता आहे, उच्च आयामी जागेच्या समतुल्य इष्टतम समाधान, सर्व संभाव्य प्रक्रियेसाठी सेट केलेले समाधान, एनपी (बहुपदीय नाही) समस्येचे मोठे मॉडेल, मोठ्या संख्येने नमुने, मूल्यांकन, ऑप्टिमायझेशन, पुनरावृत्ती इष्टतम समाधानासाठी द्रुतगतीने संपर्क साधू शकतात. तथापि, मोठ्या मॉडेल्सने बर्‍याच योजना तयार केल्या असल्या तरी या योजना उपयुक्त आहेत हे सुनिश्चित करणे कठीण आहे. जरी मोठ्या मॉडेल्समध्ये विशिष्ट विचारांची क्षमता असते, तरीही जटिल तर्कशास्त्राचा सामना करताना त्यांना मानवी हस्तक्षेपाची आवश्यकता असते. या समस्येचे निराकरण करण्यासाठी, झेडटीई क्लोज-लूप पुनरावृत्ती तयार करण्यासाठी मॉडेलच्या वाढीव पूर्व-प्रशिक्षण आणि मॉडेलच्या उत्कृष्ट ट्यूनिंगच्या प्रक्रियेत तज्ञांचा अनुभव समाकलित करण्याचे सुचवितो. अशाप्रकारे, मॅन्युअल अभिप्राय मजबुतीकरण शिकण्यापासून ते टूल अभिप्राय मजबुतीकरण शिक्षण हे एक गुळगुळीत संक्रमण लक्षात येते, जे एकीकडे मोठ्या मॉडेल्सच्या पिढीच्या क्षमतेचा प्रभावीपणे उपयोग करू शकते आणि दुसरीकडे, व्युत्पन्न निदान योजना अचूक आणि विश्वासार्ह आहे याची खात्री करुन घ्या. या योजनेत, ज्ञान अभियांत्रिकीसह एकत्रित ऑपरेशन आणि देखभाल ज्ञान नकाशा तयार करणे हा एक महत्त्वाचा दुवा आहे. डेटा फ्लायव्हील योजनेची निर्मिती ऑपरेशन आणि देखभाल ज्ञानाच्या नकाशावर आधारित आहे, जेणेकरून मॉडेलचा भ्रम टाळता येईल आणि पिढीच्या योजनेची विश्वसनीयता आणि अचूकता सुनिश्चित करण्यासाठी. हा ज्ञान आलेख-आधारित दृष्टीकोन अधिक विश्वासार्ह निराकरणे प्रदान करण्यासाठी तज्ञांचा अनुभव आणि मॉडेल निर्मिती क्षमता अधिक चांगल्या प्रकारे समाकलित करू शकतो.

मोठ्या मॉडेलच्या अनुप्रयोग लॉजिक डिझाइनसाठी, लू जियानगुओ यांनी पुढे असे ओळखले की झेडटीई प्रॉम्प्ट अभियांत्रिकीवर आधारित मॉडेल-चालित क्लोज-लूप पद्धत स्वीकारेल. डिझाइनचे सार म्हणजे मानवी भाषेची संरचित अभिव्यक्ती (प्रॉम्प्ट टेम्पलेट) इनपुट म्हणून घेणे, मोठ्या मॉडेलद्वारे संरचित आउटपुट (व्यवस्था योजना) व्युत्पन्न करणे आणि शेवटी अनुप्रयोग फ्रेमवर्कची परस्परसंवादी अंमलबजावणी एकत्र करणे. वरील तर्कशास्त्राची जाणीव करण्यासाठी, झेडटीई अनेक बाबींमधून तांत्रिक तयारी करेल, जसे की मल्टी-मॉडेल क्षमता उत्क्रांती, कॉर्पस तयारी, संसाधन संबंध ज्ञान ग्राफ इंजेक्शन, अणु एपीआय कॉर्पस रिझर्व / अणु एपीआय क्षमता राखीव, कृत्रिम सिम्युलेशन फॉल्ट वातावरण, डिजिटल ट्विन ऑटोमॅटिक फॉल्ट सिम्युलेशन वातावरण आणि साधन तयार करणे.
लू जियानगुओ शेवटी म्हणाले की मोठ्या मॉडेलचे मुख्य मूल्य त्याच्या उदय क्षमतेमध्ये आहे, म्हणजेच विद्यमान ज्ञान एकत्रित करून ते नाविन्यपूर्ण निर्माण करू शकते. तथापि, या उदयोन्मुख क्षमतेची प्राप्ती उच्च-गुणवत्तेच्या डेटा उत्पादन, स्वीकृती आणि पर्जन्यवृष्टीवर अवलंबून असते. डेटाचे सद्गुण चक्र निश्चित करणारा घटक आहे.