Sejak pengembangan kecerdasan buatan, kecerdasan buatan telah menjadi kekuatan pendorong utama bagi babak baru revolusi teknologi global dan transformasi industri. Saat ini, penggunaan big data untuk meningkatkan daya komputasi dan memperkuat algoritma guna membentuk model intelektual berskala sangat besar telah menjadi inti dari generasi baru ekologi kecerdasan buatan. Kecerdasan buatan akan menjadi infrastruktur aplikasi utama bagi pengembangan kecerdasan buatan di negara saya dan menjadi kunci untuk mewujudkan strategi utama kecerdasan buatan negara saya secara keseluruhan pada tahun 2030. Platform Dasar.
Konferensi pertama Forum Boao untuk Asia, Forum Keamanan dan Pengembangan Ekonomi Global, dengan tema "Keamanan Ekonomi dan Pembangunan Berkelanjutan di Bawah Perubahan Besar", akan diselenggarakan di Changsha, Hunan dari tanggal 18 hingga 20 Oktober. Tujuannya adalah untuk membahas tanggapan terhadap risiko ekonomi global dan isu-isu struktural akan dibahas bersama mengenai isu-isu seperti manufaktur cerdas dan revolusi teknologi.
Mengenai topik seperti arah pengembangan dan prospek penerapan kecerdasan buatan di era model besar, seorang reporter dari Beijing Business Daily baru-baru ini melakukan wawancara eksklusif dengan Huang Tiejun, profesor di Sekolah Ilmu Informasi dan Teknologi di Universitas Peking dan direktur Departemen Ilmu Komputer dan Teknologi.
Beijing Business Daily: Model besar disebut sebagai inti dari ekosistem kecerdasan buatan generasi baru. Bisakah Anda menjelaskan secara singkat apa itu model besar? Masalah apa yang akan dipecahkan?
Huang Tiejun: Model besar adalah model umum dasar yang memberikan kecerdasan pada berbagai aplikasi. Secara umum, ini adalah platform dasar yang mempelajari pengetahuan dan aturan yang terkandung dalam data dari big data yang sangat besar, memadatkannya menjadi jaringan saraf dan mengubahnya menjadi model besar, serta menyediakan layanan untuk berbagai tugas kecerdasan umum.
Misalnya, pada Internet seluler, vendor layanan cloud dapat memiliki banyak kemampuan layanan, tetapi tanpa operator seperti App, akan sulit bagi pengguna untuk memperoleh berbagai layanan cloud. Dari sudut pandang ini, App sendiri merupakan ekosistem industri. Faktanya, model besar saat ini perlu memecahkan masalah serupa.
Model besar adalah layanan publik yang sangat canggih dan sangat teknis. Semua lapisan masyarakat akan memiliki beberapa kebutuhan khusus di masa mendatang, dan beberapa perusahaan perlu mengembangkan konversi model besar dan antarmuka yang disesuaikan.
Beijing Business Daily: Bagaimana model-model besar menghubungkan ekologi teknologi kecerdasan buatan dan ekologi industri? Apa arah penerapan kecerdasan buatan berikutnya di bidang informasi?
Huang Tiejun: Pemahaman dan penerapan kecerdasan buatan di banyak industri masih dalam tahap eksplorasi, dan masih ada jarak tertentu di antara keduanya. Cara menghubungkan antarmuka ini sebenarnya membutuhkan sekelompok perusahaan yang dapat mengubah kemampuan model besar menjadi konten yang dibutuhkan oleh berbagai industri.
Sangat sulit untuk memprediksi apa aplikasi selanjutnya di bidang informasi. Saya pikir pada kenyataannya, copywriting, pemrosesan informasi, dan tugas-tugas lainnya akan digantikan oleh kecerdasan buatan, atau sebagian besar akan diselesaikan oleh model-model kecerdasan buatan yang besar, yang akan menghasilkan kemungkinan aplikasi yang besar.
Berbagai aplikasi mesin pencari pada dasarnya adalah tentang pengorganisasian, penambangan, dan penggunaan informasi. Misalnya, individu dapat mengumpulkan data dan melakukan beberapa pemrosesan informasi melalui mesin pencari. Kini, model besar memecahkan masalah pengumpulan data dalam jumlah besar. Datanya bukanlah hasil kerja satu orang atau sekelompok orang, tetapi mengumpulkan semua data dan mencerminkannya. Hadir untuk melayani berbagai aplikasi pemrosesan informasi copywriting. Hasil akhirnya mungkin masih manusiawi, tetapi sebagian besar tugas di baliknya akan diselesaikan oleh kecerdasan buatan. Kemungkinan untuk arah aplikasi ini sangat besar.
Beijing Business Daily: Bagaimana teknologi kecerdasan buatan berkembang hingga era model besar? Apa saja perbedaannya dibandingkan sebelumnya?
Huang Tiejun: Pengembangan kecerdasan buatan menjadi model-model besar ditentukan oleh hukum-hukum dasar pengembangan teknologi kecerdasan buatan. Ada dua aliran pemikiran tentang kecerdasan buatan. Satu kelompok percaya bahwa mekanisme ilmiah, teori, matematika, dan algoritma di balik kecerdasan buatan sangat penting; kelompok lain percaya bahwa kecerdasan buatan secara umum adalah sebuah teknologi, membangun sistem cerdas, dan kemudian memahami mekanisme sistem cerdas tersebut. Yang terakhir adalah pandangan umum tentang kecerdasan buatan.
Dalam proses membangun kecerdasan buatan, awalnya hanya dikerjakan oleh beberapa peneliti ilmiah, kemudian perusahaan-perusahaan ikut berpartisipasi. Di masa depan, industri, akademisi, penelitian, dan seluruh masyarakat akan bersama-sama membangun sebuah model. Mengapa melakukan ini? Sebenarnya, alasannya sangat sederhana. Jika data yang dipelajari oleh sistem atau model kecerdasan buatan tidak lengkap dan cukup tepat waktu, akan sulit untuk mempercayai bahwa model cerdasnya sangat mumpuni. Yang disebut model besar adalah mengintegrasikan berbagai sumber data, algoritma terkuat, dan daya komputasi yang mungkin ada di masyarakat ke dalam platform dasar publik yang dapat digunakan oleh semua orang. Inilah arah yang harus kita ambil saat membangun sistem kecerdasan buatan.
Dalam proses ini, kemampuan model-model besar menjadi lebih kuat, yang pada gilirannya akan memainkan peran dalam semua aspek masyarakat. Begitu model-model itu memainkan peran, lebih banyak orang akan membangunnya. Ini adalah efek iteratif yang jinak.
Padahal, potensi kecerdasan buatan bergantung pada data yang dapat diperolehnya. Sama seperti orang yang "membaca ribuan buku dan menempuh perjalanan ribuan mil", kecerdasan buatan juga serupa. Dunia fisik dan bahkan alam semesta begitu luas. Jika dapat diubah menjadi data dan informasi serta dibiarkan dipelajari oleh kecerdasan buatan, ruang akan menjadi sangat luas.
Saya tidak berani mengatakan apakah kemampuan model besar akan melampaui kemampuan semua orang, tetapi setidaknya tidak ada yang memperoleh semua informasi, dan tidak mungkin menemukan hukum di baliknya. Tubuh fisik dan siklus hidup masing-masing dari kita menentukan bahwa data yang dapat kita peroleh masih relatif terbatas.
Beijing Business Daily: Tantangan apa saja yang masih perlu diatasi dalam pengembangan model besar? Bagaimana jalur pengembangan di masa mendatang?
Huang Tiejun: Sekarang ada seperangkat teknologi dan algoritme untuk melatih model besar, tetapi apakah ada algoritme yang lebih baik, komunitas akademis dan industri masih terus mencari dan mengeksplorasi. Saat ini, diperlukan banyak emisi karbon untuk melatih model cerdas. Di masa mendatang, mungkin diperlukan lebih sedikit emisi karbon untuk melatih model. Saya pikir suatu hari nanti, kecerdasan buatan mungkin lebih murah untuk dilatih daripada manusia, dan itu adalah tonggak sejarah lainnya.
Oleh karena itu, seiring kecerdasan buatan bersentuhan dengan semakin banyak data, dan seiring dengan meningkatnya efisiensi pembelajaran dan pelatihan, hasilnya akan menjadi model yang besar. Di masa mendatang, model tersebut mungkin menjadi model yang sangat besar atau model yang sangat besar, dan akan terus berulang. Jalannya sudah jelas.
Namun, tidak ada dasar untuk menentukan batas atasnya. Untuk saat ini, semakin besar semakin baik. Mungkin saja setelah berkembang ke level tertentu, pertumbuhannya tidak lagi berupa peningkatan linear sederhana, atau mungkin setelah level tertentu, pertumbuhannya mulai melambat, tetapi ini masih spekulasi saat ini.
Beijing Business Daily: Bagaimana cara mempertimbangkan beberapa isu keselamatan dan etika selama proses pengembangan model besar? Bagaimana cara menghindarinya?
Huang Tiejun: Masalah keamanan dan etika kecerdasan buatan tidak dapat diselesaikan dalam waktu singkat. Misalnya, masalah keamanan informasi terus muncul seiring dengan perkembangan informasi, dan kita harus menyelesaikannya setelah masalah tersebut muncul.
Dalam proses pengembangan model besar, ada juga beberapa risiko yang melekat. Misalnya, pengetahuan yang dipelajari oleh model tidak sejalan dengan etika dan prinsip. Risiko ini dapat dikendalikan terlebih dahulu; tetapi ada juga beberapa risiko yang disebabkan oleh kemajuan teknologi yang berkelanjutan. Jika itu terjadi, maka solusinya juga perlu dipecahkan secara terus-menerus melalui cara-cara teknis. "Untuk melepaskan lonceng, Anda harus mengikat lonceng." Jika kita tidak mengembangkan teknologi ini karena beberapa masalah potensial, itu tidak akan mematuhi hukum perkembangan ilmiah dan teknologi.