2022年末，ChatGPT橫空出世，讓人工智能產(chǎn)業(yè)再起漣漪。
人工智能(Artificial Intelligence，簡稱“AI”)誕生于1956年，至今已六十余年。在漫長的歲月中，一些新技術(shù)或新方法的出現(xiàn)，給AI產(chǎn)業(yè)帶來過樂觀浪潮，但隨之而出現(xiàn)的，則是數(shù)次AI寒冬。
如同任何新興事物一樣，人工智能的發(fā)展沒有一蹴而就，而是歷經(jīng)坎坷和挫折。直到近十年，得益于深度學(xué)習(xí)算法的突破，以及算力提升和大數(shù)據(jù)的積累，人工智能才真正迎來從實驗室研究走向產(chǎn)業(yè)實踐的黃金時代。
2016年，谷歌AlphaGo與人類圍棋冠軍李世石進行的人機大戰(zhàn)，讓AI走向社會舞臺中央，同時，也推動了AI商業(yè)浪潮的來臨。
過去五年，人工智能與千行百業(yè)加速融合，其價值在很多場景得到釋放，并催生出一大批AI公司或團隊。然而，在產(chǎn)業(yè)實踐過程中，AI也面臨新的瓶頸：解決單一場景問題，AI的能力毋庸置疑，但如何復(fù)用解決更多場景的問題，成為很多AI公司盈利的掣肘。
而AI工程化，是解決這一問題的重要手段。此前，Gartner已連續(xù)兩年把AI工程列為年度戰(zhàn)略技術(shù)趨勢之一。在Gartner看來，AI工程化是AI大規(guī)模發(fā)展的必經(jīng)之路。因為任何行業(yè)或企業(yè)，只要有場景、數(shù)據(jù)和算力，都可以落地AI應(yīng)用，但落地效率、周期會遠超預(yù)期。
因此，AI要成為企業(yè)的生產(chǎn)力，就必須以工程化的技術(shù)來解決模型開發(fā)、訓(xùn)練、預(yù)測等全鏈路生命周期的問題。所以在2022年，AI工程化成為AI行業(yè)的一個關(guān)鍵詞。
ChatGPT走入大眾
以ChatGPT為例，它其實也是AI工程化的產(chǎn)物。一位AI領(lǐng)域?qū)＜腋嬖V21世紀經(jīng)濟報道記者，AI工程化的過程包括需求分析、模型設(shè)計、模型訓(xùn)練、模型部署等環(huán)節(jié)。
其中，在需求分析階段，需要明確人工智能技術(shù)應(yīng)用的目標和需求。比如OpenAI開發(fā)ChatGPT，其目的就是滿足人們對自然語言處理技術(shù)的需求，希望通過自然語言交互的方式給人們提供幫助。
而在模型設(shè)計階段，需要根據(jù)需求分析的結(jié)果，設(shè)計合適的模型來解決問題。就像ChatGPT其實是一種被稱Assistant的大型語言模型，為了讓它能夠理解和回答用戶的問題，并生成用戶可讀的回復(fù)，OpenAI選擇用Transformer深度學(xué)習(xí)模型進行訓(xùn)練。
在訓(xùn)練過程中，則需要通過訓(xùn)練大量的文本數(shù)據(jù)，讓模型學(xué)習(xí)如何對話。它需要先識別用戶輸入文本中的語法、語義和結(jié)構(gòu)，更難的則是要學(xué)會如何生成更像是人類回復(fù)的文本。
“ChatGPT能實現(xiàn)目前這樣自然的語言交互，與過去幾年AI產(chǎn)業(yè)在算法、算力、數(shù)據(jù)等方面的不斷突破密切相關(guān)，但光有技術(shù)上的創(chuàng)新還不夠，人們能夠如此便捷的體驗到ChatGPT，則是AI工程化的功勞。”該AI領(lǐng)域?qū)＜冶硎尽?/div>
其實早在2020年，OpenAI就推出過大型語言生成模型GPT-3(Generative Pre-training Transformer 3)，其訓(xùn)練參數(shù)量達到1750，在當時，這已是世界之最。
雖然都是使用深度學(xué)習(xí)技術(shù)開發(fā)的大型語言模型，但GPT-3比ChatGPT要更大，訓(xùn)練數(shù)據(jù)也更多，所以GPT-3的能力要強于ChatGPT.然而，GPT-3的能力只能通過API的形式開放給外界，這也讓很多普通用戶無法體驗到GPT-3的強大。
而ChatGPT在定位上，就是一款To C產(chǎn)品，上線僅5天，便吸引了超過100萬用戶。而且它給社會帶來的震撼，要遠超AlphaGo，畢竟相比只能遠觀AlphaGo，現(xiàn)在人們可以直接與ChatGPT對話，感受AI的魔力。
對業(yè)界來說，ChatGPT的出現(xiàn)，更是讓人看到了AI工程能力的又一次進化。真格基金管理合伙人戴雨森當時便表示，“從ChatGPT中，我看到新一代的AI技術(shù)隨著不同組件走向成熟，已經(jīng)進入樂高化模塊化的趨勢。這意味著迭代速度會越來越快，原來需要單獨開發(fā)的部分變成了公用的、可復(fù)用、可調(diào)用的組件。”
規(guī)模與效率
在產(chǎn)業(yè)界，AI工程化則帶來了更直接的經(jīng)濟效益。
近日，阿里巴巴集團副總裁、AI科學(xué)家賈揚清提出，工程化和開源是AI普惠最重要的兩大支撐。而實現(xiàn)AI工程化的關(guān)鍵，是要提升三個效率：通過云原生的計算，提升計算效率；通過標準研發(fā)范式，提升研發(fā)效率；通過大數(shù)據(jù)AI一體，提升數(shù)據(jù)應(yīng)用效率。
賈揚清以阿里達摩院上云為例稱，通過一個云原生的AI平臺PAI，就支撐算法團隊從規(guī)模、效率和易用性上面不斷突破。在規(guī)模上，可以支撐10萬億參數(shù)的預(yù)訓(xùn)練大模型，在效率上，通過AI開放服務(wù)平臺OpenMind則可以服務(wù)日均1萬億次左右的調(diào)用。
借助AI工程化體系，阿里云服務(wù)了非常多云上的客戶，而騰訊云，也憑借AI工程化解決了規(guī)?；碾y題。
2021年初，騰訊云幫助上海富馳高科技股份有限公司(簡稱“富馳高科”)解決了一個大問題。作為一家金屬粉末注射成型(MIM)產(chǎn)品專業(yè)制造商，如何提高質(zhì)檢效率，一直困擾著富馳高科。
過去，富馳高科的質(zhì)檢工作主要是由人工完成，這并非它不愿意使用自動化手段，而是市面上幾乎沒有能夠滿足其質(zhì)檢需求的方案。后來，騰訊云研發(fā)團隊經(jīng)過半年的艱苦攻堅，成功敲開了工業(yè)質(zhì)檢的大門。
但是，讓騰訊云副總裁、騰訊云智能研發(fā)負責(zé)人、優(yōu)圖實驗室研發(fā)負責(zé)人吳永堅頭疼的是，做完富馳高科項目后，該如何把AI質(zhì)檢能力復(fù)制到更多項目中。吳永堅告訴21世紀經(jīng)濟報道，“如果每個項目都要像在富馳高科這樣投入，那成本方面，騰訊云承擔(dān)不起。”
在又做了幾個項目之后，騰訊云終于找到了可行辦法。“我們拆解算法里的每一個流程，精細到每一步明確要做什么，然后將其沉淀到騰訊云AI開發(fā)服務(wù)平臺——TI平臺上，最終形成了一個面向工業(yè)質(zhì)檢場景的產(chǎn)品化平臺。”吳永堅說。
今年，生產(chǎn)3C產(chǎn)品金屬結(jié)構(gòu)件的立鎧精密也成為騰訊云的工業(yè)質(zhì)檢客戶。相比富馳高科，立鎧精密的產(chǎn)品種類更多，涉及的工藝也更復(fù)雜，但在服務(wù)立鎧精密時，吳永堅覺得容易了很多。
“當初我們還需要派大量算法工程師去富馳高科駐場辦公，但現(xiàn)在，只需在項目前期派少量算法人員過去，其余大部分工作都可以在TI平臺上完成，效率提高非常多。”吳永堅說。
這種轉(zhuǎn)變，就是AI工程化價值的體現(xiàn)。現(xiàn)在，面對不同的質(zhì)檢場景，騰訊云都可以通過工業(yè)質(zhì)檢訓(xùn)練平臺來提供解決方案，這背后，依靠的已不僅僅是算法團隊，而是需要工程、產(chǎn)品、數(shù)據(jù)運營等團隊共同支撐，進行的是一種體系化建設(shè)。
奔向通用AI
中國信通院今年發(fā)布的《人工智能白皮書(2022)》(以下簡稱“白皮書”)指出，未來，人工智能除了重視技術(shù)創(chuàng)新以外，還會更加關(guān)注工程實踐和可信安全，這也構(gòu)成了新的“三維”發(fā)展坐標，牽引人工智能技術(shù)產(chǎn)業(yè)邁向新的階段。
其中，工程實踐能力正成為釋放人工智能技術(shù)紅利的重要支撐。白皮書提到，AI行業(yè)在工程實踐方面的努力，最早可追溯至Caffe、TensorFlow、PaddlePaddle等開源框架的誕生，通過屏蔽底層硬件和操作系統(tǒng)細節(jié)，大幅降低模型開發(fā)和部署難度，有效推動了人工智能技術(shù)的擴散。
而當前，人工智能與云計算、大數(shù)據(jù)等技術(shù)的融合不斷深入，圍繞著數(shù)據(jù)處理、模型訓(xùn)練、部署運營和安全監(jiān)測等各環(huán)節(jié)的工具鏈不斷豐富，也使得人工智能研發(fā)管理體系日益完善。
白皮書認為，隨著工程實踐能力的不斷提升，“小作坊、項目制”的AI賦能方式正在成為歷史，未來將會更加便捷、高效地實現(xiàn)人工智能就能落地應(yīng)用和產(chǎn)品交付。
具體而言，AI工程化主要聚焦于工具體系、開發(fā)流程、模型管理全生命流程的高效耦合。在工具體系層面，體系化與開放化成為研發(fā)平臺技術(shù)工具鏈的發(fā)展特點；開發(fā)流程方面，工程化關(guān)注AI模型開發(fā)的生命流程，追求高效且標準化的持續(xù)生產(chǎn)、持續(xù)交付和持續(xù)部署。
而模型管理方面，隨著企業(yè)智能化應(yīng)用的逐步加深，模型種類和數(shù)量大幅增長，企業(yè)需要建設(shè)對模型生命周期的管理機制，并對模型的版本歷程、性能表現(xiàn)、相關(guān)數(shù)據(jù)、衍生的模型檔案等進行標準化的管理運維。
所以接下來，AI企業(yè)能否快速賦能各行各業(yè)，響應(yīng)多樣化需求，關(guān)鍵因素就在于企業(yè)的工程化能力。
另一方面，通用人工智能(AGI，Artificial General Intelligence)作為AI領(lǐng)域的終極目標，實現(xiàn)的過程也需要依靠AI工程化能力。雖然目前距離實現(xiàn)真正的通用人工智能還有很長一段距離，但是，在一些特定場景下的通用AI，已經(jīng)出現(xiàn)。
比如ChatGPT，便是一種自然語言處理的通用AI模型，因為它可以回答覆蓋各種領(lǐng)域的問題，而不是專門針對某一個領(lǐng)域設(shè)計的模型。
目前，在很多領(lǐng)域人工智能已經(jīng)趕上甚至超過人類水平，比如語言理解、語音識別、視覺識別等。當人們能夠借助AI工程化能力，把這些AI技術(shù)規(guī)?；瘧?yīng)用到諸如工業(yè)質(zhì)檢、機器人等產(chǎn)業(yè)當中時，將大幅提升人類的工作效率和質(zhì)量，而這，也是人工智能產(chǎn)業(yè)致力于實現(xiàn)的目標。
聲明：凡資訊來源注明為其他媒體來源的信息，均為轉(zhuǎn)載自其他媒體，并不代表本網(wǎng)站贊同其觀點，也不代表本網(wǎng)站對其真實性負責(zé)。您若對該文章內(nèi)容有任何疑問或質(zhì)疑，請立即與中國機器人網(wǎng)(baoxianwx.cn)聯(lián)系，本網(wǎng)站將迅速給您回應(yīng)并做處理。
電話：021-39553798-8007
電話：021-39553798-8007
更多>相關(guān)資訊
0 條相關(guān)評論
