0
| 本文作者： 嘉嘉 | 2022-11-07 17:17 |
回顧人類歷史，每一次工業(yè)革命的核心驅動力都在于解決了關鍵技術的通用性之后，實現生產方式的巨大變化和生產力水平質的飛躍，從而深刻影響到人類社會的發(fā)展。
同樣，正在到來的第四次工業(yè)革命中，若想讓作為生產要素的數據、作為生產工具的智能技術真正釋放出強大的數字生產力，實現生產力范式的變革，解決AI等智能技術的通用性恰如打通“任督二脈”般關鍵，也即如何真正降低AI落地門檻、實現AI技術隨取隨用。
但這并非易事，不僅涉及到AI技術、平臺的創(chuàng)新，更與AI應用、產業(yè)實踐經驗息息相關，絕非一朝一夕之功所能完成，更需要產業(yè)界伙伴的長期努力。
今天，在華為全聯接大會2022中國站上，華為云正式發(fā)布了《預訓練大模型白皮書》，并且全新推出了礦山、氣象、OCR三個大模型、天籌AI求解器智能建模工具以及數字人大腦等共9項云服務，多管齊下推動AI產業(yè)化走向落地。
正如華為云EI服務產品部部長尤鵬所言：“華為云踐行‘一切皆服務’理念，將AI等先進技術、經驗和應用開放在云上，全方位幫助更多企業(yè)在數字化轉型中利用好云的新能力，實現從‘上好云’到‘用好云’的跨越。”
“有多少智能背后就有多少人工！”--這雖然是人工智能領域近年來流行的一句揶揄之語，卻也道出了AI落地在理想與現實之間的窘迫。
如今AI走向落地的確遇到諸多明顯挑戰(zhàn)：
模型專用特定領域屬性明顯，使得AI模型和應用開發(fā)存在大量碎片化的現象，在構建和訓練模型上往往耗費大量資源；
很多模型的數據質量參差不齊，數據樣本少的情況比比皆是；
模型精度不盡人意，訓練效果差和訓練周期長，導致模型在真實業(yè)務場景中實際效果差強人意。
如何打破這種局面？業(yè)界普遍認為，預訓練巨量模型的脫穎而出，正在努力改變這種局面。預訓練巨量模型就像現階段人工智能的一個集大成者，實現一個AI模型在多個場景通用、泛化和規(guī)?；瘡椭疲瑴p少對數據標注的依賴，大幅降低AI開發(fā)與應用的使用成本，推動人工智能真正向著通用化、工業(yè)化、集約化發(fā)展。
例如，華為云的盤古大模型就是突出代表。盤古大模型由NLP（中文語言）大模型、CV（視覺）大模型、多模態(tài)大模型、科學計算大模型、Graph（圖網絡）大模型等多個大模型構成，其中，盤古NLP大模型是業(yè)界首個千億參數的中文大模型。盤古大模型的問世是為了解決傳統AI作坊式開發(fā)模式下不能解決的AI規(guī)?；?、產業(yè)化難題。
如今，“預訓練大模型”已經成為人工智能領域快速發(fā)展的熱點方向。近年來，參數規(guī)模和模型性能不斷創(chuàng)新高，頗有些唯“參數量至上”的趨勢。但模型參數的多少并不是評判模型能力的最好標準，模型的長期規(guī)劃、模型的魯棒性以及行業(yè)落地實踐才是決定“預訓練大模型”能否成功的勝負手。
顯然，華為云在“預訓練大模型”的長遠發(fā)展方面棋高一招。
據悉，自2021年4月正式發(fā)布以來，華為云盤古大模型已經發(fā)展出L0、L1、L2三大階段的成熟體系持續(xù)進化。所謂L0是指NLP大模型、CV大模型等五大水平領域的基礎大模型；而L1指行業(yè)大模型，比如氣象、礦山、電力等行；L2指面向各行業(yè)中細分場景的模型，比如電力行業(yè)的無人機巡檢等。
在本次大會上，華為云又正式發(fā)布了盤古礦山大模型、盤古氣象大模型和盤古OCR大模型三個大模型。盤古OCR大模型解決了OCR領域算法普適性不強的問題，并將標注工作量降低90%；相較于以前的文字識別預訓練模型，盤古OCR大模型在11項公開數據集中取得顯著的精度提升，而且與原本領先的文字識別算法相比，盤古OCR大模型的精度平均提升5%以上。
華為云的盤古氣象大模型也極具意義。眾所周知，近年來極端天氣頻發(fā)，給全球經濟和人們生活造成了極大破壞，利用人工智能技術來預測天氣就成為大勢所趨。華云盤古氣象大模型支持秒級預測未來7天全球天氣情況，相比傳統預報算法，速度提升1000倍、精度提升20%。
例如，今年8月，華為云盤古氣象大模型實現秒級預測臺風“馬鞍”的登陸時間與軌跡，平均準確率90%，遠超業(yè)界。
華為云盤古礦山大模型則覆蓋整個礦區(qū)的8大主要業(yè)務場景和1000多個細分場景，邊用邊學、自我進化，通過學習少量異常樣本就能識別所有存在風險的異常情況，模型精度達98%，相比傳統模型平均提升10個百分點，有效保障井下安全。
毫無疑問，“預訓練大模型”的出現，是人工智能與大數據、大算力結合的必然結果，也是人工智能現階段發(fā)展的必然趨勢。但如何“預訓練大模型”之路走的既穩(wěn)又遠，讓大模型不斷融入到行業(yè)場景乃重中之重?！叭A為云正在不斷迭代盤古大模型的能力，也讓盤古大模型一步步從實驗室走向千行百業(yè)，成為AI開發(fā)的操作系統。”華為云EI服務產品部部長尤鵬如是說。
華為云EI服務產品部部長尤鵬
如果說大模型的興起，解決了傳統AI模型的泛化、對人工標注數據的強依賴以及應用開發(fā)落地成本高等難題，在技術層面降低了AI開發(fā)與應用的門檻；那么，在工具與平臺、甚至在生態(tài)層面實現突破，則有望讓AI應用開發(fā)“走下神壇”和降低門檻，成為現階段AI產業(yè)化的又一大突破點。
一直以來，AI應用開發(fā)對于算法工程師等高級人才強依賴，參與應用開發(fā)門檻極高，極大影響了AI的產能。尤其是AI技術越來越復雜的大趨勢下，如何讓AI應用開發(fā)走向簡單化，讓那些具備產業(yè)經驗的人才可以很好地應用AI，對于AI在千行百業(yè)中的普及和規(guī)?；瘧脴O具意義。
為此，華為云從工具、平臺、生態(tài)等方面多管齊下，不斷降低AI應用開發(fā)的門檻。
例如，華為云在本次大會上發(fā)布了天籌AI求解器智能建模工具。眾所周知，求解器是針對各行各業(yè)的復雜業(yè)務問題進行最優(yōu)計算和決策的專業(yè)計算軟件，但往往需要懂運籌學和編程的專家才能應用起來，以至于求解器在行業(yè)中應用率不高。
為此，華為云推出了業(yè)界首個將AI和數學規(guī)劃結合的商用AI求解器--天籌AI求解器，目的就是幫助傳統行業(yè)用戶優(yōu)化決策問題，實現高效、及時的決策。天籌AI求解器智能建模工具則簡化了開發(fā)人員的建模工作，大幅壓縮原本需要數月的建模時間，將求解建模速度提高30倍，進一步降低企業(yè)應用求解器的門檻，加速推動AI決策在傳統行業(yè)中的應用。
在平臺層面，華為云發(fā)布了基于AI資產重用的AI落地新范式及其平臺ModelArts Pilot。ModelArts Pilot具備“零代碼開發(fā)”“豐富的模型資源”“自動化”和“持續(xù)進化”四項優(yōu)勢，支持AI應用自動生成，開發(fā)工作無需強依賴算法工程師。用戶僅需要提供數據和需求描述，即可觸發(fā)自動化流程，在調用API后僅需幾行代碼即可完成AI應用開發(fā)。
除了工具和平臺外，華為云還致力于推動AI應用開發(fā)生態(tài)的成長與健壯，寄希望通過生態(tài)的力量來不斷哺育開發(fā)者，降低AI開發(fā)難度和開發(fā)成本。為此，華為云推出了D-Plan生態(tài)伙伴計劃，聯合生態(tài)伙伴進行技術創(chuàng)新、項目交付、項目資產沉淀至平臺并進行推廣和復用，構建合作共贏的AI生態(tài)體系。
目前，華為云已經與行業(yè)ISV合作伙伴打造了9個行業(yè)場景Usecase，包括出行調度、銷量預測、生產排程、貨架識別、工業(yè)質檢、游戲AI等。這些AI Usecase和5萬多個AI資產都沉淀在華為云AI平臺上，開發(fā)者可以隨時利用AI資產庫（算法、模型等）和方案來解決AI問題。
“事實上證明，云對于推動AI產業(yè)化極具價值。在華為云上，包括AI求解器開發(fā)環(huán)境和集成工具，只需4周時間就能完成AI應用開發(fā)，相比傳統方式3-6個月時間，大幅提升了AI開發(fā)效率?！?華為云EI服務產品部部長尤鵬總結道。
不可否認，“預訓練大模型”如今被視為解決各種AI挑戰(zhàn)的重要路徑，業(yè)界對于“預訓練大模型”的研究和應用也呈現百花齊放的局面。但“預訓練大模型”距離規(guī)?；虡I(yè)應用，還有需要持續(xù)演進和發(fā)展，不僅包含技術的演進，更包含商業(yè)模式的進化。
為此，華為云在本次大會上正式發(fā)布了《預訓練大模型白皮書》，將華為云在大模型領域的研究與落地經驗進行總結。由華為云人工智能領域首席科學家、IEEE Fellow、國際歐亞科學院院士田奇帶領的盤古大模型研發(fā)團隊認為，“預訓練大模型”將成為未來AI計算的“操作系統”，向下管理AI 硬件，向上支撐AI 算法，將使得AI 開發(fā)更加規(guī)范化、可復制。
《預訓練大模型白皮書》從人工智能發(fā)展趨勢的角度詳細剖析了大模型的由來、現狀和未來趨勢，并結合盤古大模型的五大模型、應用案例等介紹了大模型的應用情況，對于各行各業(yè)的企業(yè)CIO、開發(fā)者們普及大模型的價值與作用大有裨益。
例如，《預訓練大模型白皮書》有兩個重要判斷：其一、在下一個劃時代的計算模型出現以前，大模型將是人工智能領域最有效的通用范式，并將產生巨大商業(yè)價值；其二、對大模型的研究，將可能啟發(fā)下一個通用計算模型。
另外，《預訓練大模型白皮書》并未一味神化“大模型”的作用，而是從客觀角度認為“預訓練大模型”存在著局限性，即數據集越大、模型越大，提升同等精度所需要的代價就越大。為此，《預訓練大模型白皮書》也探索了大模型落地的新思路，即針對小樣本、長尾分布場景，云訓練大模型與預置工作流配合往往能達到很好效果。
數字化是一道必答題。華為云希望讓技術不難選、不難用，讓企業(yè)從‘上好云’到‘用好云’，尤其是從多方位推動AI產業(yè)化，真正幫助千行百業(yè)的用戶釋放數字生產力，從而實現跨越式發(fā)展。
