毫無疑問，人工智能乃當下最為吸晴的科技話題，從AlphaGo連勝多位人類圍棋頂尖高手，到波士頓機器人炫酷的訓練視頻，再到特斯拉的人形機器人，甚至創(chuàng)業(yè)導(dǎo)師時不時拋出“未來XX年，一半工作將消失”的觀點也總能吸引一大堆討論。

然而現(xiàn)實世界中，我們經(jīng)常會被智能客服的各種“智障”表現(xiàn)而無奈、為語音助手突然“發(fā)狂”而苦笑、為醫(yī)療機器人開出的錯誤藥方而擔憂……歸根結(jié)底，人工智能的發(fā)展離達到符合人們預(yù)期和使用依然有著較長的距離。

因此，巨量AI模型正加速浮出水面，被認為是解決各種AI挑戰(zhàn)的重要路徑。最近幾年，無論是國外谷歌、微軟，還是國內(nèi)浪潮、阿里等，都在加碼巨量AI模型的研發(fā)與投入。短短一段時間里，前有谷歌BERT、OpenAI GT-3等模型發(fā)布，后有浪潮發(fā)布全球最大中文AI巨量模型1.0、“微軟英偉達推最大單體AI語言模型”，將巨量AI模型的競爭推向了新高潮。

為什么會出現(xiàn)巨量模型

在AI的世界里，理想很豐滿、現(xiàn)實很骨干。

如果你了解過北京西二旗以及北京周邊的大量數(shù)據(jù)標注工廠，你就會認為“有多少人工，就有多少智能”這句揶揄之語并非虛言。坊間甚至都說，離開了那些數(shù)據(jù)標注工廠，AI將寸步難行。

如今，AI發(fā)展的確遇到了現(xiàn)實困境：

歸根結(jié)底，這種項目式的AI應(yīng)用現(xiàn)狀的確是目前阻礙AI大面積落地的最大挑戰(zhàn)。有何解決之道？現(xiàn)在業(yè)界認為，預(yù)訓練巨量模型正在著力改變這種局面，是解決AI應(yīng)用開發(fā)定制化和碎片化的重要方法。巨量模型目的是實現(xiàn)一個巨量AI模型在多個場景通用、泛化和規(guī)?；瘡?fù)制，減少對數(shù)據(jù)標注的依賴，大幅降低AI開發(fā)與應(yīng)用的使用成本，真正有希望讓AI打開工業(yè)化規(guī)模應(yīng)用的局面。

這也推動了人工智能從“大煉模型”逐步邁向了“煉大模型”的階段，利用先進的算法，整合大規(guī)模的數(shù)據(jù)，匯聚大量算力，訓練出巨量人工智能模型。針對源1.0等目前市場上發(fā)布的巨量模型，浪潮信息副總裁劉軍有個形象的比喻：能進化、更智能的大腦，類似元宇宙中的生命，其復(fù)雜綜合系統(tǒng)的能力決定了未來在數(shù)字世界的智能水平程度。

斯坦福大學李飛飛教授等人工智能領(lǐng)域知名學者近期也在論文中表示，巨量模型的意義在于突現(xiàn)和均質(zhì)。突現(xiàn)意味著通過巨大模型的隱含的知識和推納可帶來讓人振奮的科學創(chuàng)新靈感出現(xiàn)；均質(zhì)表示巨量模型可以為諸多應(yīng)用任務(wù)泛化支持提供統(tǒng)一強大的算法支撐。

可以說，人工智能如何發(fā)展出像人類一樣的符合邏輯、意識和推理的認知能力，除了加速深度學習技術(shù)、開發(fā)全新算法范式等研究方向外，大規(guī)模數(shù)據(jù)訓練超大參數(shù)量的巨量模型一定是未來重要發(fā)展方向。

源1.0是如何煉成的

提到巨量模型，就不得不提OpenAI。

去年，OpenAI組織發(fā)布了GPT-3模型，該模型擁有1750億參數(shù)量、500G高質(zhì)量預(yù)訓練數(shù)據(jù)集，相比于上一代GPT-2模型，各方面數(shù)據(jù)提升了百倍有余，一下將模型體量提升到一個新高度。隨著OpenAI GPT-3的發(fā)布，業(yè)界也見識了巨量模型的威力。根據(jù)OpenAI年初公布的數(shù)據(jù)顯示，GPT-3推出9個月以來，已有 300 多種不同的應(yīng)用程序在使用 GPT-3，且全球數(shù)以萬計的開發(fā)人員正在基于該平臺開發(fā)，每天可產(chǎn)生 45 億個字。

自此，巨量模型開啟了“刷參數(shù)”的模式：阿里達摩院M6模型1萬億參數(shù)量、Google Switch Transformer 1.6萬億參數(shù)量、微軟英偉達Megatron-Turing模型5300億參數(shù)量、浪潮源1.0模型2457億參數(shù)量……

在動輒千億、萬億參數(shù)量的巨量模型面前，我們還需要了解巨量模型的兩種實現(xiàn)模式：一種則是“混合模型”，如Google Switch Transformer、阿里達摩院M6等；另一種則是“單體模型”，如浪潮源1.0、微軟聯(lián)合英偉達發(fā)布的Megatron-Turing等。所謂“混合模型”即是由多個相對較小的模型組成，然后通過開關(guān)的方式組合起來；而“單體模型”則對算力、算法優(yōu)化、數(shù)據(jù)分布、模型參數(shù)與結(jié)果優(yōu)化等方面要求更高，其模型精度也更高。

“巨量模型的是一門技術(shù)門檻特別高的研究工作，它開展工作的前提是大規(guī)模集群。除了將集群用起來，還需要發(fā)揮好的性能，需要在模型算法、分布式計算等各個層面協(xié)同設(shè)計、優(yōu)化，浪潮在這些方面都有著很深的積累?！崩顺比斯ぶ悄苎芯吭菏紫芯繂T吳韶華博士如是說。

浪潮人工智能研究院于9月底發(fā)布源1.0就是屬于典型的“單體模型”。作為全球最大中文語言（NLP）預(yù)訓練模型，源1.0模型參數(shù)量高達2457億，訓練采用的高質(zhì)量中文數(shù)據(jù)集高達5000GB，相比GPT-3模型1750億參數(shù)量和570GB訓練數(shù)據(jù)集，源1.0參數(shù)規(guī)模領(lǐng)先40%，訓練數(shù)據(jù)集規(guī)模領(lǐng)先近10倍，在預(yù)訓練數(shù)據(jù)量方面甚至比微軟英偉達Megatron-Turing高6倍。

源1.0所聚焦的自動然語言處理（NLP）模型堪稱人工智能皇冠上的明珠，相比于機器視覺、語音識別等感知智能，自然語言處理模型屬于更具難度的認知智能，聚焦在理解、思考問題，并給出合適答案。在自然語言處理領(lǐng)域，中文的理解又更具難度，相比于英文有空格作為分隔符，中文分詞缺乏統(tǒng)一標準，同樣一個詞匯在不同語境、不同句子中的含義可能會相差甚遠，加上各種網(wǎng)絡(luò)新詞匯參差不齊、中英文混合詞匯等情況，要打造出一款出色的中文語言模型需要付出更多努力。

以源1.0為例，浪潮人工智能研究院在預(yù)訓練數(shù)據(jù)集上就投入了大量的精力，在海量中文互聯(lián)網(wǎng)等各方面尋找到公開數(shù)據(jù)，匯聚成龐大的數(shù)據(jù)集之后，進行清洗、整理，最終形成5000G規(guī)模的高質(zhì)量中文訓練數(shù)據(jù)集。

模型規(guī)模是越來越大，但實際應(yīng)用效果不行也是白搭。來看看源1.0的實際表現(xiàn)，在權(quán)威中文語言理解測評基準CLUE中，源1.0占據(jù)零樣本學習（zero-shot）和小樣本學習（few-shot）2項榜單榜首，在10項子任務(wù)中獲得冠軍，在成語閱讀理解填空項目中，源1.0的表現(xiàn)已超越人類的智能。

如何理解源1.0所取得的測試成績？零樣本學習（zero-shot），考驗的是模型直接應(yīng)用到特定場景中的能力；小樣本學習（few-shot）則是投入少量數(shù)據(jù)樣本，模型的精度即可大幅提升起來。零樣本學習和小樣本學習能力越強，意味著該模型就越有可能在多個場景中實現(xiàn)通用、泛化和規(guī)模化復(fù)制，對于降低AI使用門檻是大有裨益，這也是目前巨量模型最為聚焦的競爭點。

再來看看源1.0挑戰(zhàn)“圖靈測試”的成績。圖靈測試是判斷機器是否具有智能的最經(jīng)典的方法。在對源1.0進行的“圖靈測試”中，將源1.0模型生成的對話、小說續(xù)寫、新聞、詩歌、對聯(lián)與由人類創(chuàng)作的同類作品進行混合并由人群進行分辨，測試結(jié)果表明，人群能夠準確分辨人與“源1.0”作品差別的成功率已低于50%。

模型開放AI走向普及是必然路徑

隨著巨量模型近年來所取得的成功，以及在多任務(wù)泛化及小樣本學習上的突出表現(xiàn)，讓人們看到了探索通用人工智能的希望。眾所周知，要想真正進入到一個智能世界，通用人工智能技術(shù)的突破性進步與普及速度是關(guān)鍵，巨量模型的快速發(fā)展必然對于數(shù)字化、智能化有著巨大推動作用。

但AI真正走向普及，巨量模型開放是一條必然之路。這點從OpenAI GPT-3發(fā)布一年以來所帶來的廣泛影響中可見一斑。

事實上，巨量模型從自身定位來看，其本身扮演著降低AI門檻、提升創(chuàng)新速度的角色；而且通過開放的方式，在更加廣泛的應(yīng)用場景中得到使用，巨量模型可以不斷優(yōu)化與提升，形成閉環(huán)；更加關(guān)鍵的是，未來的數(shù)字世界廣闊應(yīng)用空間，決定需要更多、更出色的巨量模型來加速構(gòu)建智能世界。

以浪潮為例，浪潮源1.0致力于打造最“博學”的中文AI模型，計劃面向科研機構(gòu)和行業(yè)客戶開放能力接口和開發(fā)接口，降低AI開發(fā)者和行業(yè)用戶的使用門檻，以更通用的人工智能大模型賦能科研創(chuàng)新、公共服務(wù)智慧化升級和產(chǎn)業(yè)AI化應(yīng)用，讓智能更快普及到社會民生經(jīng)濟與科技創(chuàng)新等各個領(lǐng)域。

未來已來，未來可期！以源1.0為代表的巨量模型正在開啟人工智能發(fā)展的下一個階段，巨量模型猶如諸多智慧應(yīng)用的源頭，為智慧應(yīng)用提供源源不斷的智慧源泉。而浪潮源1.0的發(fā)布，也標志著中國廠商在通用人工智能的探索上走在了業(yè)界的前列，有望為千行百業(yè)數(shù)字化轉(zhuǎn)型和智能化升級注入源源不斷的中國智慧。

生成海報

免責聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。