La Conferenza sull'innovazione della rete AI 2023 si è tenuta nel modello di rete intelligente di Beijing sul BBS, il modello di prodotti via cavo ZTE Architetto senior Ji'an-Guo Lu ha reso la rete di saggezza Nuova era: Big Model guidando il futuro del tema di ZTE attraverso la capacità del modello direzionale di ottima pratica.
Lu Jianguo ha affermato che molte tecnologie chiave, come AI abilitando, gemelli digitali e intenzione, supporteranno il livello di intelligenza della rete di sé di se stessi da L4 a L5 e che la rete di autointelligenza continuerà a ripetere e evolversi per completare l'intelligenza di sé. Tra queste tecnologie chiave, l'IA è il motore più importante e i modelli di grandi dimensioni sono la chiave della tecnologia AI.
In come applicare un modello di grande modello alla rete di autointelligenza, Lu Jianguo ha introdotto che un modello di grande generale ha una capacità di super generazione e può generare rapidamente un gran numero di schemi. Per le operazioni di rete intellettuale tale necessità di implementare un gran numero di fasi di funzionamento, equivalenti a uno spazio ad alta dimensione per trovare la soluzione ottimale, impostazione di soluzione per tutti i possibili processi, un modello di grande ampio per soluzioni generali come il problema NP (non polinomi), un gran numero di campioni, valutazione, ottimizzazione, iterazione può giocare efficienti efficienti, avvicinarsi rapidamente alla soluzione ottimale. Tuttavia, sebbene grandi modelli generino molti schemi, è difficile garantire che questi schemi siano utili. Anche se i modelli di grandi dimensioni hanno una certa capacità di pensare, hanno ancora bisogno di un intervento umano quando si tratta di logica complessa. Al fine di risolvere questo problema, ZTE suggerisce di integrare l'esperienza di esperti nel processo di pre-allenamento incrementale e ottimizzazione del modello per formare un'iterazione a circuito chiuso. In questo modo, è possibile realizzare una transizione regolare dall'apprendimento del rinforzo di feedback manuale all'apprendimento del rinforzo del feedback degli strumenti, che può effettivamente utilizzare la capacità di generazione di grandi modelli da un lato e, dall'altro, garantire che lo schema diagnostico generato sia accurato e affidabile. In questo schema, è un collegamento chiave per creare la mappa delle conoscenze di funzionamento e manutenzione combinata con l'ingegneria della conoscenza. La generazione dello schema del volano dei dati si basa sulla mappa delle conoscenze di gestione e manutenzione, in modo da evitare l'illusione del modello e garantire l'affidabilità e l'accuratezza dello schema di generazione. Questo approccio basato su grafici di conoscenza può integrare meglio l'esperienza di esperti e le capacità di generazione di modelli per fornire soluzioni più affidabili.
Per la progettazione della logica dell'applicazione del modello grande, Lu Jianguo ha inoltre introdotto che ZTE adotterà il metodo a circuito chiuso basato sul modello basato sull'ingegneria rapida. L'essenza del design è quella di prendere l'espressione strutturata del linguaggio umano (modello prompt) come input, generare l'output strutturato (schema di disposizione) attraverso il modello grande e infine combinare l'esecuzione interattiva del framework dell'applicazione. Al fine di realizzare la logica di cui sopra, ZTE farà preparativi tecnici da molti aspetti, come l'evoluzione della capacità multimodale, la preparazione del corpus, l'iniezione della conoscenza della conoscenza del corpus API API API API API, la costruzione dell'ambiente di simulazione artificiale, l'ambiente di simulazione automatica di faglia automatica e la preparazione degli strumenti.
Lu Jianguo ha finalmente affermato che il valore principale del grande modello sta nella sua capacità di emergenza, cioè può generare innovazione combinando le conoscenze esistenti. Tuttavia, la realizzazione di questa capacità emergente dipende dalla produzione di dati di alta qualità, accettazione e precipitazione. Un ciclo virtuoso di dati è il fattore determinante.
Tempo post: novembre-20-2023