دوران جدیدی از شبکه اطلاعاتی خود: آینده ای با مدل بزرگ محور

کنفرانس نوآوری شبکه AI 2023 که در مدل شبکه هوشمند پکن در BBS برگزار شد ، ZTE Cable Products Model معمار ارشد Ji'an-Guo Lu شبکه Wisdom New New ERA را رقم زد: مدل بزرگ آینده موضوع ZTE را از طریق توانایی مدل تنظیم خوب برای ارتقاء کیفیت Corpus هدایت می کند ، و استفاده از Digital Automation Automation Cycle Scentuge Scenturegent را به کار می برد.
لو جیانگوو گفت که بسیاری از فن آوری های کلیدی ، مانند فعال کردن AI ، دوقلو دیجیتال و قصد درایو ، از سطح اطلاعاتی شبکه خودآموزی از L4 تا L5 پشتیبانی می کنند و باعث می شوند که شبکه اطلاعاتی خود به تکرار و تکامل برای تکمیل اطلاعات خود ادامه دهد. در میان این فناوری های کلیدی ، هوش مصنوعی مهمترین موتور است و مدلهای بزرگ کلید فناوری هوش مصنوعی هستند.
در نحوه استفاده از مدل بزرگ در شبکه اطلاعاتی خود ، لو جیاگوو معرفی کرد که مدل بزرگ توانایی تولید فوق العاده ای دارد و می تواند به سرعت تعداد زیادی از طرح ها را تولید کند. برای عملیات شبکه فکری چنین نیاز به اجرای تعداد زیادی از مراحل کار ، معادل در فضای ابعادی بالا برای یافتن راه حل بهینه ، راه حل تعیین شده برای کلیه فرآیندهای ممکن ، مدل بزرگ برای راه حل های کلی مانند مشکل NP (نه چند جمله ای) ، تعداد زیادی نمونه ، ارزیابی ، بهینه سازی ، تکرار می تواند به سرعت در حال انجام باشد ، به سرعت در حال نزدیک شدن به مطلوب راه حل. با این حال ، اگرچه مدل های بزرگ طرح های زیادی را ایجاد می کنند ، اطمینان از مفید بودن این طرح ها دشوار است. حتی اگر مدلهای بزرگ توانایی تفکر خاصی داشته باشند ، اما هنگام برخورد با منطق پیچیده ، هنوز به مداخله انسان احتیاج دارند. به منظور حل این مشکل ، ZTE پیشنهاد می کند که تجربه کارشناس را در فرآیند قبل از آموزش افزایشی و تنظیم دقیق مدل برای ایجاد یک تکرار حلقه بسته پیشنهاد کند. به این ترتیب ، یک انتقال صاف از یادگیری بازخورد دستی به یادگیری تقویت بازخورد می تواند تحقق یابد ، که می تواند به طور مؤثر از ظرفیت تولید مدل های بزرگ از یک سو استفاده کند و از طرف دیگر ، اطمینان حاصل کنید که طرح تشخیصی تولید شده دقیق و قابل اعتماد است. در این طرح ، این یک پیوند کلیدی برای ساخت نقشه دانش عملکرد و نگهداری همراه با مهندسی دانش است. تولید طرح Flywheel Data مبتنی بر نقشه دانش و نگهداری دانش است ، بنابراین برای جلوگیری از توهم مدل و اطمینان از قابلیت اطمینان و صحت طرح تولید. این رویکرد مبتنی بر نمودار دانش می تواند بهتر تجربه متخصص و قابلیت تولید مدل را برای ارائه راه حل های مطمئن تر ادغام کند.

برای طراحی منطق کاربرد مدل بزرگ ، Lu Jianguo بیشتر معرفی کرد که ZTE روش حلقه بسته مدل محور را بر اساس مهندسی سریع اتخاذ می کند. جوهر طراحی این است که بیان ساختاری زبان انسانی (الگوی سریع) را به عنوان ورودی به کار گیرد ، از طریق مدل بزرگ ، خروجی ساختاری (طرح ترتیب) را تولید کرده و در نهایت اجرای تعاملی چارچوب کاربرد را ترکیب کند. به منظور تحقق منطق فوق ، ZTE از بسیاری از جنبه ها آماده سازی فنی از جمله تکامل قابلیت های چند منظوره ، آماده سازی جسد ، تزریق دانش نمودار دانش ، منابع API اتمی / ذخیره قابلیت API اتمی ، ایجاد محیط گسل شبیه سازی مصنوعی ، محیط شبیه سازی خطای اتوماتیک دیجیتال و تهیه ابزار را تهیه می کند.
لو جیانگوو سرانجام گفت که ارزش اصلی مدل بزرگ در توانایی ظهور آن نهفته است ، یعنی می تواند با ترکیب دانش موجود نوآوری ایجاد کند. با این حال ، تحقق این ظرفیت نوظهور به تولید ، پذیرش و بارش داده های با کیفیت بالا بستگی دارد. یک چرخه با فضیلت از داده ها عامل تعیین کننده است.