स्व-इंटेलिजेंस नेटवर्क का एक नया युग: एक बड़ा-मॉडल-चालित भविष्य

BBS पर बीजिंग इंटेलिजेंट नेटवर्क मॉडल में आयोजित 2023 AI नेटवर्क इनोवेशन कॉन्फ्रेंस, ZTE केबल प्रोडक्ट्स मॉडल सीनियर आर्किटेक्ट जिआन-गुओ लू ने विजडम नेटवर्क को नया युग बनाया: बिग मॉडल ड्राइव को कॉर्पस की गुणवत्ता को बढ़ाने के लिए फाइन ट्यूनिंग डायरेक्टल मॉडल क्षमता के माध्यम से ZTE के विषय का भविष्य ड्राइव करें, और डिजिटल ट्विन ऑटोमेशन डेटा का उपयोग करें, जो कि बड़े मॉडल के लिए बड़े मॉडल को लागू करता है।
लू जियानगुओ ने कहा कि कई प्रमुख प्रौद्योगिकियां, जैसे कि एआई सक्षम, डिजिटल ट्विन और इंट्रेंशन ड्राइव, एल 4 से एल 5 तक स्व-बुद्धिमान नेटवर्क के खुफिया स्तर का समर्थन करेंगी, और आत्म-इंटेलिजेंस नेटवर्क को पुनरावृति और आत्म-इंटेलिजेंस को पूरा करने के लिए विकसित करना जारी रखेगी। इन प्रमुख प्रौद्योगिकियों में, एआई सबसे महत्वपूर्ण इंजन है, और बड़े मॉडल एआई तकनीक में महत्वपूर्ण हैं।
स्व-इंटेलिजेंस नेटवर्क पर बड़े मॉडल को कैसे लागू करें, लू जियानगुओ ने पेश किया कि बड़े मॉडल में सुपर जनरेशन की क्षमता है और वह बड़ी संख्या में योजनाओं को जल्दी से उत्पन्न कर सकती है। बौद्धिक नेटवर्क संचालन के लिए, बड़ी संख्या में ऑपरेशन चरणों को लागू करने की आवश्यकता है, उच्च आयामी स्थान के बराबर, इष्टतम समाधान खोजने के लिए, सभी संभावित प्रक्रियाओं के लिए समाधान सेट, सामान्य समाधानों के लिए बड़े मॉडल जैसे कि एनपी (बहुपद) समस्या, बड़ी संख्या में नमूने, मूल्यांकन, अनुकूलन, पुनरावृत्ति, इष्टतम समाधान के लिए जल्दी से खेल सकते हैं। हालांकि, हालांकि बड़े मॉडल कई योजनाएं उत्पन्न करते हैं, यह सुनिश्चित करना मुश्किल है कि ये योजनाएं उपयोगी हैं। भले ही बड़े मॉडल में कुछ सोच क्षमता होती है, फिर भी उन्हें जटिल तर्क से निपटने के दौरान मानव हस्तक्षेप की आवश्यकता होती है। इस समस्या को हल करने के लिए, ZTE एक बंद-लूप पुनरावृत्ति बनाने के लिए वृद्धिशील पूर्व-प्रशिक्षण और मॉडल के ठीक ट्यूनिंग की प्रक्रिया में विशेषज्ञ अनुभव को एकीकृत करने का सुझाव देता है। इस तरह, मैनुअल प्रतिक्रिया सुदृढीकरण सीखने से उपकरण प्रतिक्रिया सुदृढीकरण सीखने के लिए एक चिकनी संक्रमण का एहसास किया जा सकता है, जो प्रभावी रूप से एक तरफ बड़े मॉडल की उत्पादन क्षमता का उपयोग कर सकता है, और दूसरी ओर, यह सुनिश्चित करें कि उत्पन्न नैदानिक ​​योजना सटीक और विश्वसनीय है। इस योजना में, यह ज्ञान इंजीनियरिंग के साथ संयुक्त संचालन और रखरखाव ज्ञान मानचित्र बनाने के लिए एक महत्वपूर्ण लिंक है। डेटा फ्लाईव्हील योजना की पीढ़ी ऑपरेशन और रखरखाव ज्ञान मानचित्र पर आधारित है, ताकि मॉडल भ्रम से बचें और पीढ़ी योजना की विश्वसनीयता और सटीकता सुनिश्चित करें। यह ज्ञान ग्राफ-आधारित दृष्टिकोण अधिक विश्वसनीय समाधान प्रदान करने के लिए विशेषज्ञ अनुभव और मॉडल पीढ़ी क्षमताओं को बेहतर ढंग से एकीकृत कर सकता है।

बड़े मॉडल के एप्लिकेशन लॉजिक डिज़ाइन के लिए, लू जियानगुओ ने आगे पेश किया कि जेडटीई प्रॉम्प्ट इंजीनियरिंग के आधार पर मॉडल-चालित बंद-लूप विधि को अपनाएगा। डिजाइन का सार इनपुट के रूप में मानव भाषा (शीघ्र टेम्पलेट) की संरचित अभिव्यक्ति को लेना है, बड़े मॉडल के माध्यम से संरचित आउटपुट (व्यवस्था योजना) उत्पन्न करता है, और अंत में एप्लिकेशन फ्रेमवर्क के इंटरैक्टिव निष्पादन को संयोजित करता है। उपरोक्त तर्क को महसूस करने के लिए, ZTE कई पहलुओं से तकनीकी तैयारी करेगा, जैसे कि मल्टी-मोडल क्षमता विकास, कॉर्पस तैयारी, संसाधन संबंध ज्ञान ग्राफ ज्ञान इंजेक्शन, परमाणु एपीआई कॉर्पस रिजर्व / परमाणु एपीआई क्षमता रिजर्व, निर्माण कृत्रिम सिमुलेशन दोष वातावरण, डिजिटल ट्विन ऑटोमैटिक फॉल्ट सिमुलेशन वातावरण, और उपकरण तैयार करना।
लू जियानगुओ ने आखिरकार कहा कि बड़े मॉडल का मुख्य मूल्य इसकी उद्भव क्षमता में निहित है, अर्थात्, यह मौजूदा ज्ञान के संयोजन से नवाचार उत्पन्न कर सकता है। हालांकि, इस उभरती हुई क्षमता की प्राप्ति उच्च गुणवत्ता वाले डेटा उत्पादन, स्वीकृति और वर्षा पर निर्भर करती है। डेटा का एक पुण्य चक्र निर्धारण कारक है।