Umetna inteligenca v različnih panogah

Dec 30, 2022 Pustite sporočilo

AI Translation Pen


Nedavno sta IDC in Longchamp skupaj izdala »2022-2023 poročilo o oceni razvoja računalniške moči kitajske umetne inteligence« (v nadaljnjem besedilu »poročilo«). Poročilo napoveduje, da bo poraba, povezana s trgom umetne inteligence, na Kitajskem leta 2022 dosegla 13,03 milijarde dolarjev in naj bi leta 2026 dosegla 26,69 milijarde dolarjev, s skupno letno stopnjo rasti 19,6 odstotka od leta 2022 do 2026.


Med njimi ostajajo strežniki AI glavno gonilo rasti trga AI. Podatki IDC kažejo, da bo svetovni trg strežnikov z umetno inteligenco v letu 2021 medletno rasel za 39,1 odstotka, kar bo preseglo skupno stopnjo rasti svetovnega trga z umetno inteligenco (20,9 odstotka) in je gonilna sila celotne rasti trga z umetno inteligenco.


Na Kitajskem pospešeno pristajanje aplikacij AI v veliki meri spodbuja visoko rast kitajskega trga strežnikov AI. 5,92 milijarde USD velikosti trga strežnikov z umetno inteligenco v letu 2021, kar je 68,2 odstotka več kot leta 2020, do leta 2026 pa naj bi dosegel 12,34 milijarde USD.


Obenem pa tudi obseg računalniške moči na Kitajskem, zlasti inteligentne računalniške moči, prav tako hitro narašča. Glede na poročilo kitajska računalniška moč za splošne namene leta 2021 doseže 47,7 EFLOPS (10 milijard milijard operacij s plavajočo vejico na sekundo), do leta 2026 pa naj bi dosegla 111,3 EFLOPS.


Obseg kitajske inteligentne računalniške moči leta 2021 doseže 155,2 EFLOPS, leta 2022 bo dosegel 268 EFLOPS, do leta 2026 pa naj bi dosegel raven trilijona bilijonov plavajoče točke na sekundo (ZFLOPS) in dosegel 1271,4 EFLOPS.


To tudi pomeni, da lahko v 2021-2026 kitajski obseg inteligentne računalniške moči raste s skupno letno stopnjo rasti 52,3 odstotka, medtem ko lestvica splošne računalniške moči raste s skupno letno stopnjo rasti 18,5 odstotka v istem obdobju .


Veliki modeli, ki so v zadnjih letih postali bolj priljubljeni v industriji, so najbolj značilne velike inovacije, ki jih poganja inteligentna računalniška moč. Poročilo navaja, da ima veliki model zahvaljujoč močni sposobnosti posploševanja modela, nizki odvisnosti podatkov z dolgim ​​repom in izboljšanju učinkovitosti uporabe nižjega modela prototip "splošne inteligence" in ima postal eden od pomembnih načinov za raziskovanje industrije za doseganje vključujoče umetne inteligence.


Tehnični temelji Big Modela so transformatorska arhitektura, migracijsko učenje in samonadzorovano učenje. Transformatorska arhitektura je naredila preboj v NLP in dokazala svojo učinkovitost tudi pri nalogah vida. Z vidika računalniške moči se zmogljivosti jezikovnih in vizualnih modelov ter ustrezne potrebe po računalniški moči hitro širijo, razvoj velikih modelov pa je podprt z ogromno računalniško močjo.


Če za merjenje skupne količine aritmetične moči uporabimo "aritmetični ekvivalent" (PetaFlops/s-day, PD), tj. skupno količino aritmetične moči, ki jo porabi računalnik, ki deluje na trilijone krat na sekundo en cel dan. potreben za naloge AI, AlphaFold2 v AI plus Science, sistemih avtonomne vožnje in GPT-3 v AI plus Science. Usposabljanje modela, kot je GPT-3, zahteva na stotine ali celo tisoče PD-jev aritmetične podpore, na primer usposabljanje GPT-3 zahteva 3640 PD-jev aritmetične moči.


S sposobnostjo velikih modelov aplikacije tipa AIGC, vključno s pretvorbo besedila v graf in navideznim digitalnim človekom, hitro vstopajo v fazo komercializacije in prinašajo velike spremembe v produkcijo vsebine meta-vesolja. Glede na poročilo veliki model omogoča tehnologiji umetne inteligence, da preide iz "zmožnosti poslušanja in videnja" pred petimi leti na "zmožnost razmišljanja in ustvarjanja" danes in pričakuje se, da bo dosegla "zmožnost sklepanja in sprejemanja odločitev". " v prihodnosti. Prihodnost naj bi dosegla pomemben napredek "lahko sklepa, lahko sprejema odločitve".


Vendar pa razvoj velikih modelov prinaša tudi velike izzive za računalniško moč. V skladu s poročilom ima velika računalniška in shranjevalna sredstva za usposabljanje velikih modelov visoke zahteve za pospešene računalniške sisteme in nize programske opreme za umetno inteligenco, na tisoče pospeševalnih kartic pa je pogosto potrebnih za usposabljanje na stotine milijard in trilijonov modelov, kar predstavlja veliko izziv za promocijo in posploševanje velikih modelov.


Hkrati bo nadaljnje izboljšanje kompleksnosti in natančnosti modela, omejeno z mejnim upadajočim učinkom, zahtevalo večji delež režijskih stroškov računalniških virov, pomisleki glede računalniške učinkovitosti pa bodo omejili nadaljnjo širitev velikega obsega parametrov modela.


Čeprav trenutno število parametrov velikih modelov še ni doseglo sinaptične velikosti človeških možganov, postaja tržno dojemanje velikih modelov racionalno. Industrija postopoma spoznava, da bi se moral razvoj velikih modelov bolj osredotočati na okolju prijazne in nizkoogljične, zmanjševanje zmogljivosti storitev in prakso poslovnih modelov, kar bo utrlo pot obsegu velikih modelov v različnih panogah.


Poročilo poudarja, da na splošno stopnja uporabe umetne inteligence v različnih panogah kaže trend poglabljanja, scenariji uporabe pa postajajo vedno bolj obsežni. Umetna inteligenca je postala pomembna zmogljivost za podjetja pri iskanju novih poslovnih točk rasti, izboljšanju uporabniške izkušnje in ohranjanju osnovne konkurenčnosti.


Medtem na kitajski lestvici mest z umetno inteligenco 2022 Peking, Hangzhou in Shenzhen še naprej ohranjajo prva tri mesta, Šanghaj in Guangzhou sta se uvrstila na četrto in peto mesto, Tianjin pa je vstopil med najboljših 10. Poleg TOP10 mest so številna mesta, kot je Hefei, Wuhan in Changsha sta dosegla velik napredek pri aplikacijah umetne inteligence, ki sta ju vodili lastni industrijski prednosti in različni dejavniki.

*** Prevedeno z www.DeepL.com/Translator (brezplačna različica) ***