在AI“必爭之地”，全球最大規(guī)模人工智能巨量模型誕生
加入技術(shù)交流群
當(dāng)學(xué)界和業(yè)界均相信“大力出奇跡”的時(shí)候，就該大模型閃亮登場了。
9月28日，浪潮人工智能研究院發(fā)布全球最大人工智能巨量模型——源1.0。
這個(gè)幾乎把近5年中文互聯(lián)網(wǎng)的浩瀚內(nèi)容全部讀完，在數(shù)據(jù)量、參數(shù)規(guī)模與模型精度方面均居全球之最的大模型，將以開源、開放、共享的策略，降低巨量模型研究和應(yīng)用的門檻，推動(dòng)AI產(chǎn)業(yè)化和產(chǎn)業(yè)AI化的進(jìn)步。
中國工程院院士王恩東認(rèn)為，人工智能的大模型時(shí)代已經(jīng)到來，利用先進(jìn)算法，整合大規(guī)模數(shù)據(jù)，匯聚大量算力，訓(xùn)練出巨量人工智能模型是未來的發(fā)展方向……
“博學(xué)”的模型 |
“戰(zhàn)鼓催征千嶂寒，陰陽交會(huì)九皋盤?！?/span>
這句詩出自哪位邊塞詩人之手？出自“初唐四杰”抑或“大歷才子”？你也許有些恍惚，然而這些都不是，它出自一個(gè)名為“源1.0”的大模型。
大力出奇跡 | 最大中文語言模型 |
前不久，浪潮招募近百人參與了一場“類圖靈測試”，將源1.0大模型生成的對話、新聞、詩歌、對聯(lián)，小說續(xù)寫5類作品混雜在文學(xué)大師的作品中，由測試者判斷該作品是“人為”還是“機(jī)為”。
測試中，人們會(huì)把自認(rèn)為優(yōu)秀的作品歸功于人類，不夠理想的判定為機(jī)器創(chuàng)作。
最后的測試結(jié)果“令人振奮”，在源1.0的挑戰(zhàn)測試中，人們能夠準(zhǔn)確分辨人與“源1.0”作品差別的總體成功率低于50%。
“測試者的平均區(qū)分正確率是49.16%?！崩顺比斯ぶ悄苎芯吭菏紫芯繂T吳韶華對《中國科學(xué)報(bào)》說，“這意味著，多數(shù)人不能辨別作品出自文學(xué)大師之手還是由源1.0創(chuàng)作?！?/span>
在5類測試作品中，新聞?lì)愖髌氛`判率最高，達(dá)到57.88%，即大多數(shù)人很難分別作品到底是人類作品還是機(jī)器創(chuàng)作。
在記者看到的一篇關(guān)于“中國稀土行業(yè)存在問題”的新聞作品中，從文體、布局到遣詞造句，妥妥的規(guī)范“新華體”，難怪近6成參與測試者難以辨別。
即使誤判率最低的詩歌類作品（37.69%），如文章開始提到那兩句詩，也字順意達(dá)，不仔細(xì)推敲，確實(shí)難以想到是機(jī)器創(chuàng)作。
圖靈測試是判斷機(jī)器是否具有智能的經(jīng)典方法。通常認(rèn)為，進(jìn)行多次測試后，如果人工智能讓平均每個(gè)參與者做出超過30%的誤判，那么這臺(tái)機(jī)器就通過了測試，并被認(rèn)為具有人類智能。
以類圖靈測試判斷，這個(gè)能詩善文，可以和人對話、能給我們講故事的源1.0 有資格被稱為目前最“博學(xué)”的模型。
那么，是什么讓機(jī)器如此“聰明”？
“認(rèn)知智能是人工智能研究者追求的方向之一。”中國工程院院士王恩東告訴《中國科學(xué)報(bào)》，“除了加速深度學(xué)習(xí)技術(shù)，開發(fā)全新的算法范式研究方向外，大規(guī)模數(shù)據(jù)訓(xùn)練超大參數(shù)量的巨量模型也是未來發(fā)展方向，即利用先進(jìn)的算法，整合大規(guī)模的數(shù)據(jù)，匯聚大量算力，訓(xùn)練出巨量人工智能模型?！?/span>
2020年6月，OpenAI發(fā)布了參數(shù)量高達(dá)1750億的大模型GPT-3，該模型一推出就引起人工智能學(xué)界和業(yè)界的轟動(dòng)。
“語言模型是全球AI界的‘必爭之地’?！币晃蝗斯ぶ悄苎芯款I(lǐng)域的專家說，“參數(shù)規(guī)模大到遠(yuǎn)超我們想象的時(shí)候，會(huì)發(fā)生一些難以解釋的現(xiàn)象?！?/span>
浪潮信息副總裁劉軍同樣認(rèn)為，生命從簡單進(jìn)化到復(fù)雜，這種智能水平本身就是一種模型。如果把模型比作元宇宙中的生命，大模型的這種綜合系統(tǒng)能力，可能會(huì)決定未來數(shù)字世界和智能世界里的智能水平。“人的神經(jīng)元突觸超過100萬億，而現(xiàn)有大模型的參數(shù)量還遠(yuǎn)遠(yuǎn)不夠，所以我們還有很遠(yuǎn)路要走”。
伴隨著人工智能應(yīng)用廣度與深度的不斷提升，眾多行業(yè)、諸多業(yè)務(wù)場景的智能化創(chuàng)新需求日益增多。
然而當(dāng)前大多數(shù)AI模型只能用于某一特定領(lǐng)域，通用性不強(qiáng)，這對AI技術(shù)提出了挑戰(zhàn)，也限制了AI的產(chǎn)業(yè)化進(jìn)程。
大模型在今天初露崢嶸絕非偶然。技術(shù)、算力、資源、需求等多因素的“風(fēng)云際會(huì)”，讓被AI業(yè)界視為“核力量”的大模型嶄露頭角。
源1.0幾乎把近5年整個(gè)中文互聯(lián)網(wǎng)的浩瀚內(nèi)容全部讀完，在收集并清洗數(shù)據(jù)后，最終獲得5TB高質(zhì)量數(shù)據(jù)，成為迄今業(yè)界最大的高質(zhì)量中文數(shù)據(jù)集。
在語言智能方面，源1.0獲得中文語言理解評測基準(zhǔn)CLUE榜單零樣本學(xué)習(xí)和小樣本學(xué)習(xí)兩類總榜冠軍，獲得小樣本學(xué)習(xí)的文獻(xiàn)分類、商品分類、文獻(xiàn)摘要識(shí)別、名詞代詞關(guān)系等4項(xiàng)任務(wù)冠軍。
共建“通天塔” |
“在數(shù)據(jù)量、參數(shù)規(guī)模與模型精度方面，源1.0均居全球之最?！崩顺比斯ぶ悄苎芯吭菏紫芯繂T吳韶華說。
對標(biāo)OpenAI的GPT-3，源1.0參數(shù)規(guī)模為2457億，訓(xùn)練采用的中文數(shù)據(jù)集達(dá)5TB。相比GPT-3模型1750億參數(shù)量和570GB訓(xùn)練數(shù)據(jù)集，源1.0參數(shù)規(guī)模領(lǐng)先40%，訓(xùn)練數(shù)據(jù)集規(guī)模領(lǐng)先近10倍。
“得益于我們設(shè)計(jì)模型時(shí)，對精度和計(jì)算性能的協(xié)同?！眳巧厝A說，“在算法上，我們解決了巨量模型訓(xùn)練不穩(wěn)定的業(yè)界難題，提出穩(wěn)定訓(xùn)練巨量模型的算法，打造了巨量模型推理方法創(chuàng)新；在數(shù)據(jù)方面，我們生成了迄今業(yè)界最大的高質(zhì)量中文數(shù)據(jù)集；在算力上，我們通過算法與算力協(xié)同優(yōu)化，極大提升了計(jì)算效率，在實(shí)現(xiàn)業(yè)界訓(xùn)練性能第一的同時(shí)，還達(dá)到了業(yè)界領(lǐng)先的精度。”
人工智能模型目前存在諸多挑戰(zhàn)。
一是語言模型的通用性不高，一個(gè)模型專用于特定領(lǐng)域，換個(gè)地方就效果欠佳。而訓(xùn)練超大規(guī)模模型能一定程度上解決通用性問題，可以被應(yīng)用于翻譯、問答、文本生成等，涵蓋自然語言理解的所有領(lǐng)域，可被廣泛地應(yīng)用于各種AI場景。
二是模型開發(fā)成本高、周期長。而經(jīng)過預(yù)訓(xùn)練的大模型可以讓研究機(jī)構(gòu)和企業(yè)“不必從0做起，可以在大模型的基礎(chǔ)上，從60、或者從90開始做到100”。
“通過一個(gè)預(yù)訓(xùn)練的大模型，面向任務(wù)做小樣本學(xué)習(xí)、零樣本學(xué)習(xí)以及微調(diào)，可用于各行各業(yè)?！眳巧厝A說，“大模型最重要的優(yōu)勢是進(jìn)入大規(guī)?？蓮?fù)制的工業(yè)落地階段，只需小樣本的學(xué)習(xí)也能達(dá)到比以前更好的效果，且模型參數(shù)規(guī)模越大這種優(yōu)勢越明顯，這能大大降低各類用戶的開發(fā)使用成本?！?/span>
發(fā)展大模型曾被稱作“富人的燒錢游戲”。OpenAI為開發(fā)GPT-3花費(fèi)了10億美元，研發(fā)團(tuán)隊(duì)用了1萬個(gè)GPU，訓(xùn)練了1個(gè)月。
國內(nèi)某課題組為進(jìn)行一項(xiàng)較復(fù)雜的計(jì)算，購置了數(shù)臺(tái)服務(wù)器。運(yùn)行起來后，該團(tuán)隊(duì)負(fù)責(zé)人坦言，“光電費(fèi)每天得1萬元”。
因?yàn)樵谒惴ā④浻布m配方面做了大量優(yōu)化，源1.0比GPT-3用的CPU更少，訓(xùn)練時(shí)間更短。這讓源1.0一定程度上摘下了“富人燒錢游戲”的帽子。
同時(shí)，得益于浪潮在服務(wù)器和人工智能計(jì)算方面的長期投入和深厚的積累，浪潮開發(fā)大模型就如魚得水。浪潮并未細(xì)致切割出開發(fā)源1.0大模型到底投入了多大人力物力，但相信這也不會(huì)是個(gè)小數(shù)字。
在源1.0發(fā)布的專家研討會(huì)前，幾位自然語言處理方面的專家前后到場。
因?yàn)橥谝粋€(gè)研究領(lǐng)域，他們或是故交、或相互聽說過姓名，見面聊起當(dāng)前大模型的熱度，談笑間，“這（發(fā)展大模型）是一場新的‘軍備競賽’”的共識(shí)已經(jīng)達(dá)成。
學(xué)界普遍認(rèn)為，大模型猶如“望遠(yuǎn)鏡”“顯微鏡”一樣，當(dāng)人們沒有這些設(shè)備時(shí)，不知道瀚瀚宇宙和原子分子等微觀世界到底有什么，是什么樣。有了大模型，人類或許就能發(fā)現(xiàn)一番嶄新的天地。
因此，不管實(shí)力雄厚的頭部企業(yè)、研究機(jī)構(gòu)，還是課題小組、單個(gè)研究人員，都期望能盡快用上大模型。
業(yè)內(nèi)人士認(rèn)為，別說千億量級的模型，百億量級的模型對研究機(jī)構(gòu)來說都難實(shí)現(xiàn)。而且，業(yè)界和學(xué)術(shù)界非常希望大模型能開放共享，開放模型可以讓大家一起來開發(fā)應(yīng)用，優(yōu)化和構(gòu)建共同生態(tài)。
“開放、開源、共享，是我們做這個(gè)事情的目的?！眲④娬f，“我們不希望這么一個(gè)強(qiáng)大的武器有很高的門檻，成為少數(shù)人的專利，我們希望把它變成一個(gè)普惠性的能力建設(shè)。”
劉軍認(rèn)為，巨量數(shù)據(jù)、巨量算法和巨量算力正在成為邁向通用人工智能的重要路徑。巨量模型最后會(huì)變成創(chuàng)新的源頭，變成不同應(yīng)用場景里快速產(chǎn)生模型的源頭。
“浪潮源1.0大模型只是一個(gè)開始，它只是提供一片廣闊的肥沃土壤。浪潮未來將定向開放大模型API，服務(wù)于元腦生態(tài)社區(qū)內(nèi)所有開發(fā)者，供全球的開發(fā)人員在我們的平臺(tái)上開發(fā)應(yīng)用于各行各業(yè)的應(yīng)用程序。”劉軍說，“源1.0將面向?qū)W術(shù)機(jī)構(gòu)和產(chǎn)業(yè)界用戶開源，降低巨量模型研究和應(yīng)用的門檻，推動(dòng)AI產(chǎn)業(yè)化和產(chǎn)業(yè)AI化的進(jìn)步，為國家在人工智能研究創(chuàng)新和產(chǎn)業(yè)發(fā)展作出貢獻(xiàn)。”
大模型時(shí)代已經(jīng)到來，如果頭部企業(yè)能站在行業(yè)發(fā)展的高處，以開源、開放、共享的理念來協(xié)同發(fā)展大模型，也許一場高損耗的“軍備競賽”會(huì)消弭于無形，一座通向智能世界的“通天塔”或許就能建成。
編輯 | 趙路
排版 | 郭剛
*博客內(nèi)容為網(wǎng)友個(gè)人發(fā)布，僅代表博主個(gè)人觀點(diǎn)，如有侵權(quán)請聯(lián)系工作人員刪除。
