Konferencja innowacyjna Network AI 2023 odbyła się w Pekinie Inteligentnym Modelu Network w BBS, model ZTE Cable Products, starszy architekt, Ji'an-Guo Lu, stworzyła Network Network Net Network: Big Model napędza przyszłość tematu ZTE poprzez możliwość modelu Direction Diolection Model w celu zwiększenia jakości korpusu i korzystania z cyklicznego cyklu danych automatyzacji Twin, do zastosowania dużego modelu sieci inteligencji.
Lu Jianguo powiedział, że wiele kluczowych technologii, takich jak AI, ai, cyfrowe podwójne i intencyjne Drive, będzie wspierać poziom inteligencji sieci samointeligencji od L4 do L5, i sprawi, że sieć samointeligencji będzie nadal iterować i ewoluować, aby ukończyć samointegencja. Wśród tych kluczowych technologii AI jest najważniejszym silnikiem, a duże modele są kluczem do technologii AI.
W Jak zastosować duży model do sieci samointeligencji, Lu Jianguo wprowadził, że duży model ma zdolność super generowania i może szybko generować dużą liczbę schematów. W przypadku operacji sieci intelektualnej taka potrzeba wdrożenia dużej liczby kroków operacyjnych, równoważnych w przestrzeni o wysokiej wymiaru w celu znalezienia optymalnego rozwiązania, zestaw rozwiązania dla wszystkich możliwych procesów, duży model ogólnych rozwiązań, takich jak problem NP (nie wielomianowy), duża liczba próbek, ocena, optymalizacja, iteracja może odtwarzać wydajne przycinanie, szybko podejść do optymalnego rozwiązania. Chociaż duże modele generują wiele schematów, trudno jest upewnić się, że te schematy są przydatne. Mimo że duże modele mają pewne zdolności myślenia, nadal potrzebują interwencji człowieka w ramach złożonej logiki. Aby rozwiązać ten problem, ZTE sugeruje zintegrowanie doświadczenia eksperckiego w procesie przyrostowego wstępnego treningu i dostrajania modelu w celu utworzenia iteracji zamkniętej pętli. W ten sposób można zrealizować płynne przejście od ręcznego uczenia się wzmocnienia sprzężenia zwrotnego, aby uczyć się wzmocnienia sprzężenia zwrotnego narzędzia, co może skutecznie wykorzystać pojemność wytwarzania dużych modeli z jednej strony, a z drugiej strony, zapewnić, że wygenerowany schemat diagnostyczny jest dokładny i wiarygodny. W tym schemacie jest to kluczowy link do zbudowania mapy wiedzy operacji i konserwacji w połączeniu z inżynierią wiedzy. Generowanie schematu koła zamachowego danych opiera się na mapie wiedzy na temat operacji i konserwacji, aby uniknąć iluzji modelu i zapewnić niezawodność i dokładność schematu generowania. To podejście oparte na wykresach wiedzy może lepiej zintegrować doświadczenie eksperckie i możliwości generowania modeli, aby zapewnić bardziej niezawodne rozwiązania.
W celu projektowania logiki aplikacji dużego modelu Lu Jianguo przedstawił dalej, że ZTE przyjmie metodę opartą na modelu zamkniętej pętli opartej na szybkiej inżynierii. Istotą projektowania jest przyjęcie ustrukturyzowanego wyrażenia języka ludzkiego (szybkiego szablonu) jako wejścia, wygenerowanie strukturalnego wyjścia (schemat układu) za pomocą dużego modelu i ostatecznie połączenie interaktywnego wykonywania ram aplikacji. Aby zrealizować powyższą logikę, ZTE będzie przygotowywać techniczne przygotowania z wielu aspektów, takich jak ewolucja zdolności multimodalnych, przygotowanie do korpusu, relacje z relacjami wykres wiedzy wtrysku wiedzy, rezerwy ATOMIC API Corpus / Atomic API Reserve, budowanie sztucznego środowiska uskoków symulacyjnych, cyfrowe bliźniacze środowisko symulacji awaryjnych oraz przygotowanie narzędzi.
Lu Jianguo w końcu powiedział, że główną wartością dużego modelu jest jego zdolność pojawienia się, to znaczy może generować innowacje poprzez połączenie istniejącej wiedzy. Jednak realizacja tej powstającej zdolności zależy od wysokiej jakości produkcji danych, akceptacji i opadów. Cnotliwy cykl danych jest czynnikiem decydującym.
Czas postu: 20-2023