Baru-baru ini, pertemuan tema Forum Sains, Teknologi, dan Pembangunan Dunia 2024 "Inovasi Tata Kelola Kecerdasan Buatan Membangun Yayasan Kepercayaan Internasional untuk Menumbuhkan Ekosistem Tata Kelola Sains dan Teknologi" diadakan di Beijing, Ketua Organisasi Kerja Sama Robot Dunia dan Akademisi Akademi Ilmu Pengetahuan Tiongkok, merilis Kecerdasan Buatan (Artificial Intelligence) 2024 pada pertemuan tersebut.
"Mereka penuh dengan kemungkinan dan potensi yang tak terbatas. Mereka tidak hanya akan menghadirkan gaya hidup yang lebih nyaman dan efisien, namun juga mendorong inovasi dan pengembangan di semua lapisan masyarakat." Kata Qiao Hong, berharap rilis ini dapat memandu semua orang untuk berpikir tentang " bagaimana memahami arah pengembangan kecerdasan buatan, bagaimana mempromosikan inovasi teknologi dan peningkatan industri, dan bagaimana memastikan pembangunan berkelanjutan dari teknologi kecerdasan buatan."
Sepuluh tren teknologi mutakhir tersebut adalah:
Teknologi umum AI
1. Data kecil dan data berkualitas tinggi
Sejumlah besar data yang tidak valid tidak hanya menghabiskan sumber daya komputasi, namun juga menghadirkan tantangan terhadap pelatihan model yang andal. Dalam konteks ini, nilai data kecil dan data berkualitas tinggi menjadi semakin penting. Data kecil lebih memperhatikan keakuratan dan relevansi data, yang pada dasarnya mengurangi ketergantungan dan ketidakpastian algoritma kecerdasan buatan pada data dan meningkatkan keandalan jaringan. Membangun kumpulan data yang beragam tidak hanya dapat mendukung pengembangan AI dengan jalur teknis yang berbeda secara teoritis, tetapi juga memberikan kemungkinan baru untuk memecahkan masalah kemacetan kecerdasan buatan secara umum.
2. Penyelarasan manusia-mesin
Hanya ketika hasil keluaran AI konsisten dengan nilai-nilai kemanusiaan kita dapat memastikan bahwa kemampuan dan perilaku model AI konsisten dengan niat manusia. Mengandalkan data dan algoritme saja tidak cukup untuk mencapai keselarasan manusia-mesin, yang berarti bahwa ketika merancang mekanisme penghargaan, Anda tidak hanya harus mempertimbangkan efisiensi, efektivitas, dan efektivitas tugas, tetapi juga apakah perilaku tersebut sesuai dengan etika manusia. standar.
3. Batasan penggunaan AI dan model pengawasan etis
Saat ini, masalah kepatuhan, keamanan, dan etika sistem AI menjadi semakin menonjol, dan kerangka model pengawasan AI sangat diperlukan. Tujuan utamanya adalah untuk memastikan bahwa semua sistem AI mengikuti prinsip-prinsip yang ditetapkan selama pengembangan dan penggunaan dengan merumuskan standar dan spesifikasi yang jelas, sehingga mengurangi risiko penggunaan AI secara berlebihan tanpa sistem yang ditentukan.
4. Model Interpretabilitas
Dengan tujuan memastikan efektivitas, meningkatkan kemampuan menjelaskan akan membantu mengurangi konsumsi sumber daya publik, meningkatkan kepercayaan pengguna terhadap sistem AI, dan mendorong penerapannya di bidang-bidang utama. Misalnya, di bidang medis dan kesehatan, sistem diagnostik AI yang dapat diinterpretasikan dengan baik dapat memudahkan dokter memahami dasar penilaian mereka dan mengurangi pemeriksaan dan prosedur pengobatan yang tidak perlu.
Model terlatih berskala besar
5.Hukum skala
Model pra-pelatihan skala besar berdasarkan parameter besar dan data pelatihan dapat secara efektif meningkatkan interaksi manusia-komputer dan kemampuan penalaran, serta meningkatkan keragaman dan kekayaan tugas yang dapat diselesaikan. Saat ini, hukum skala masih berlaku, tidak hanya tercermin dalam model bahasa, tetapi juga diverifikasi di banyak bidang seperti pemrosesan gambar dan pengenalan suara.
6. Model besar bermodal penuh
Model besar modal penuh dapat memproses dan memahami berbagai jenis masukan data seperti teks, gambar, audio, tabel data, dll., dan menghasilkan berbagai jenis keluaran sesuai dengan kebutuhan tugas. Misalnya, pengenalan modalitas data titik awan 3D, yang biasanya digunakan untuk menangkap informasi spasial tiga dimensi, sangat penting untuk navigasi robot dan penghindaran rintangan.
7. Penelitian ilmiah berbasis AI
Gunakan model besar, teknologi generatif, dll. untuk meningkatkan efisiensi dan akurasi pengajuan hipotesis, desain eksperimen, analisis data, dan tahapan lain dalam penelitian ilmiah. Para ilmuwan dapat menggunakan teknologi AI untuk pemantauan dan penyesuaian eksperimen secara real-time, umpan balik cepat terhadap hasil eksperimen, dan optimalisasi dinamis atas desain dan asumsi eksperimen.
kecerdasan yang diwujudkan
8. Model otak kecil yang diwujudkan
Model besar tradisional dapat membantu robot dalam tugas respons saluran lambat seperti pengambilan keputusan, pembongkaran tugas, dan pemahaman akal sehat, namun model tersebut tidak cocok untuk tugas respons saluran cepat seperti perencanaan dan pengendalian robot dengan waktu nyata yang kuat dan tinggi. stabilitas. Kecerdasan yang diwujudkan (perpanjangan lebih lanjut dari kecerdasan buatan di dunia fisik, umumnya mengacu pada sistem cerdas yang dapat memahami, memahami, dan berinteraksi dengan dunia fisik). Model cerebellar dapat menggunakan metode pembelajaran terintegrasi seperti pemungutan suara multi-model, dikombinasikan dengan pemilihan struktur ontologi robot dan karakteristik lingkungan. Algoritme kontrol model yang masuk akal memastikan bahwa robot dapat menyelesaikan tindakan kontrol terencana yang sangat dinamis, berfrekuensi tinggi, dan kuat dengan premis untuk memahami batasan ontologi mereka sendiri, membuat robot cerdas lebih mampu memenuhi kebutuhan yang tepat. kebutuhan operasi dan kontrol real-time di dunia nyata.
9. Sistem kecerdasan buatan fisik
Sistem kecerdasan buatan fisik memberdayakan kecerdasan yang diwujudkan pada objek fisik di dunia fisik, memungkinkan peralatan tradisional menembus batasan fungsional aslinya dan mencapai tingkat operasi cerdas yang lebih tinggi. Robot humanoid adalah bentuk akhir dari sistem kecerdasan buatan fisik. Mereka tidak hanya memiliki kemampuan persepsi dan pemahaman multi-modal, dapat berinteraksi secara alami dengan manusia, tetapi juga dapat membuat keputusan dan bertindak secara mandiri dalam lingkungan yang kompleks, dan diharapkan dapat diterapkan pada lebih banyak hal. tugas kompleks di masa depan.
kecerdasan buatan generatif
10. Simulator Dunia
Simulator dunia dapat memberikan pengalaman simulasi tinggi yang mendalam dan menghadirkan dunia game yang lebih kaya dan beragam kepada pengguna. Simulator ini dapat digunakan dalam pendidikan, hiburan, dan bidang lainnya, dan juga dapat menciptakan lebih banyak adegan super digital. Di bidang robotika, teknologi ini juga dapat digunakan untuk membangun kumpulan data perilaku robot multi-modal terstandarisasi berskala besar, meningkatkan kemampuan desain ontologi robot, pelatihan simulasi, dan migrasi algoritma.