{"id":4425,"date":"2024-02-02T14:58:10","date_gmt":"2024-02-02T14:58:10","guid":{"rendered":"https:\/\/www.myshirtai.com\/?p=4425"},"modified":"2024-02-03T11:06:25","modified_gmt":"2024-02-03T11:06:25","slug":"ai%e5%a4%a7%e6%a8%a1%e5%9e%8b%ef%bc%9a%e6%89%93%e5%93%8d%e4%b8%80%e5%9c%ba%e5%b7%a5%e7%a8%8b%e9%9d%a9%e5%91%bd","status":"publish","type":"post","link":"https:\/\/www.myshirtai.com\/de\/archives\/4425","title":{"rendered":"AIGC Big Models: eine \u00c4ra der doppelten Revolution in Technik und Wissenschaft einl\u00e4uten"},"content":{"rendered":"

\"\u84dd\u886b\u4e91\"
\n<\/a><\/p>\n

Was ist das gro\u00dfe Modell der k\u00fcnstlichen Intelligenz?<\/h3>\n

Makromodelle der k\u00fcnstlichen Intelligenz sind riesige neuronale Netzmodelle, die auf der Grundlage umfangreicher Daten und komplexer Netzstrukturen im Bereich des maschinellen Lernens und des Deep Learning erstellt werden.<\/p>\n

Diese Entwicklung ist eine technische Revolution, nicht nur eine wissenschaftliche Revolution<\/strong>. Die Datenmenge in gro\u00dfen Sprachmodellen ist in den letzten zehn Jahren exponentiell gestiegen, und dieser Trend ist auch bei gro\u00dfen Modellen in anderen Bereichen zu beobachten. Da die Datenmenge in gro\u00dfen Modellen zunimmt, wird sich auch die Verallgemeinerbarkeit qualitativ ver\u00e4ndern.<\/p>\n

In praktischen Anwendungen ist es nicht so, dass eine gr\u00f6\u00dfere Parametergr\u00f6\u00dfe besser ist, sondern dass eine Reihe von Faktoren ber\u00fccksichtigt werden m\u00fcssen, um die am besten geeignete Modellgr\u00f6\u00dfe zu bestimmen. Die gezielte Wissenserweiterung f\u00fcr verschiedene Branchen wird eine wichtige Rolle spielen. Mit der technologischen Entwicklung wird die Big-Model-Branche den Automatisierungsprozess f\u00fcr die Erstellung und den Einsatz von Modellen vorantreiben, um die Schwelle zu senken, ab der die Anwender in der Branche KI-F\u00e4higkeiten erwerben k\u00f6nnen.<\/p>\n

\"\"<\/h3>\n

<\/h3>\n

Gesamtleistung der gro\u00dfen Modelle im In- und Ausland<\/h3>\n

Die folgenden Zahlen basieren auf den Messungen von SuperCLUE (Chinese Language Understanding Evaluation Benchmark), einer Weiterentwicklung des CLUE-Benchmarks im Zeitalter der Big Models, die sich auf die umfassende Bewertung von generischen Big Models konzentriert.<\/p>\n

Es besteht eine deutliche Kluft zwischen der Leistung gro\u00dfer Modelle im In- und Ausland<\/strong>Die Gesamtpunktzahl des GPT4-Turbo liegt mit 90,63 Punkten weit vor den anderen gro\u00dfen in- und ausl\u00e4ndischen Modellen. Das beste inl\u00e4ndische Modell, Wenxin Yiyin 4.0 (API), hat eine Gesamtpunktzahl von 79,02, 11,61 Punkte entfernt von GPT4-Turbo und 4,9 Punkte entfernt von GPT4 (web).<\/p>\n

Es ist erw\u00e4hnenswert, dass inl\u00e4ndische gro\u00dfe Modelle im vergangenen Jahr gro\u00dfe Fortschritte gemacht haben, wobei 11 Modelle GPT3.5 und Gemini-Pro in Bezug auf ihre umfassenden F\u00e4higkeiten \u00fcbertroffen haben. z.B. Baidu's Wenxin Yiyin 4.0, AliCloud's Tongyi Qianqian 2.0 und Qwen-72B-Chat, OPPO's AndesGPT, Tsinghua & Zhispectrum Al's Zhispectrum Qingyin, und Byte Jump's Lark Big Model, etc. haben alle relativ gut abgeschnitten.<\/p>\n

Dar\u00fcber hinaus.Einheimische Open-Source-Modelle \u00fcbertreffen ausl\u00e4ndische Open-Source-Modelle in chinesischer Sprache<\/strong>Der Baichuan2-13B-Chat von Baichuan Intelligence, der Qwen-72B von Aliyun und der Yi-34B-Chat von Aliyun sind beispielsweise dem Llama2-13B-Chat \u00fcberlegen.<\/p>\n

\"\"<\/p>\n

Abb. 1 Benchmark-Ergebnisse von SuperCLUE f\u00fcr gro\u00dfe Modelle in China und im Ausland<\/p>\n

Klassifizierung von Gro\u00dfmodellen<\/h3>\n

Universal Gro\u00dfes Modell<\/strong>Er bezieht sich auf gro\u00dfe neuronale Netzmodelle, die mehrere nat\u00fcrlichsprachliche Aufgaben bew\u00e4ltigen k\u00f6nnen, die sich durch leistungsstarke Sprachverstehens- und -generierungsf\u00e4higkeiten auszeichnen und mehrere nat\u00fcrlichsprachliche Aufgaben wie Textklassifizierung, Stimmungsanalyse, Frage- und Antwortsysteme usw. bew\u00e4ltigen k\u00f6nnen. Zu den generischen gro\u00dfen Modellen geh\u00f6ren BERT, entwickelt von Google, GPT-2, entwickelt von OpenAI, RoBERTa, entwickelt von Facebook, usw.<\/p>\n

Gro\u00dfes Modell einer Hypophysenart<\/strong>Es handelt sich um ein gro\u00dfes neuronales Netzmodell, das f\u00fcr einen bestimmten Bereich oder eine bestimmte Aufgabe optimiert ist und sich durch h\u00f6here Genauigkeit und Effizienz auszeichnet und besser an die Bed\u00fcrfnisse eines bestimmten Bereichs angepasst werden kann. Zu den entsprechenden gro\u00dfen Modellen geh\u00f6ren BioBERT im medizinischen Bereich, FinBERT im Finanzbereich, LegalBERT im juristischen Bereich usw.<\/p>\n

\"\"<\/p>\n

Abb. 2 Panoramablick auf das gro\u00dfe chinesische Modell<\/p>\n

Dienstleistungen f\u00fcr gro\u00dfe Modelle<\/strong>Er bezieht sich auf die Anwendung gro\u00dfer neuronaler Netzmodelle auf reale Gesch\u00e4ftsszenarien und die Bereitstellung entsprechender Dienste und L\u00f6sungen, die sich durch ein hohes Ma\u00df an Anpassung und Flexibilit\u00e4t auszeichnen, um den Bed\u00fcrfnissen unterschiedlicher Kunden gerecht zu werden. Zu den Diensten mit gro\u00dfen Modellen geh\u00f6ren intelligenter Kundenservice, intelligente Empfehlungen, intelligente Risikokontrolle usw.<\/p>\n

\"\"<\/p>\n

Abb. 3 Architekturdiagramm des gro\u00dfen Modells<\/p>\n

Eine Revolution in der industriellen Effizienz, angetrieben durch gro\u00dfe Modelle<\/h3>\n

Gro\u00dfe Modelle werden eine Revolution der industriellen Effizienz ausl\u00f6sen<\/strong>.. Durch Deep Learning und Training auf gro\u00dfen Datenmengen erm\u00f6glichen gro\u00dfe Modelle intelligente Interaktionen, die multimodal, generativ, interpretierbar und dialogf\u00e4hig sind.<\/p>\n

Wenn wir auf spezifischere Bereiche und Szenarien abzielen, k\u00f6nnen wir durch die Kombination von Technologien wie Knowledge Graph, Transfer Learning und Federated Learning das Fachwissen verschiedener vertikaler Bereiche effizient kombinieren, um ein professionelles Modell mit Fachwissen und Gesch\u00e4ftslogik aufzubauen.<\/strong>. Solche Modelle k\u00f6nnen intelligente L\u00f6sungen f\u00fcr spezifische Szenarien und Probleme in verschiedenen Branchen bieten, wodurch die Kosten und die Schwelle f\u00fcr die nachgelagerte Anwendung gro\u00dfer Modelle grundlegend gesenkt werden, so dass mehr Unternehmen und Organisationen die leistungsstarken Funktionen gro\u00dfer Modelle bequem nutzen k\u00f6nnen, um ihre Effizienz und Innovation zu verbessern.<\/p>\n

Tiefgreifende Integration der digitalen Wirtschaft in die Realwirtschaft, mit gro\u00dfen Modellen als Hauptantriebskraft, um die St\u00e4rkung, Optimierung und Expansion der Realwirtschaft zu f\u00f6rdern<\/strong>. So k\u00f6nnen beispielsweise die Automobilindustrie, die Energiewirtschaft, der Verkehrssektor und andere Branchen in Bereichen wie intelligenter Kundenservice, Lieferkette, Systemplanung und anderen Bereichen mit Hilfe gro\u00dfer Modelle innovativ sein, um die digitale Transformation und die intelligente Verbesserung der Industrie zu f\u00f6rdern.<\/p>\n

\"\"<\/p>\n

Abbildung 4 Abbildung der KI-Datenindustrie<\/p>\n

Dar\u00fcber hinaus haben gro\u00dfe Modelle gegen\u00fcber herk\u00f6mmlichen KI-Modellen folgende Vorteile<\/strong>::<\/p>\n