出品|網(wǎng)易新聞

導(dǎo)語：ChatGPT風靡全球，作為一種人工智能“大模型”被認為能在很大程度上改變?nèi)藗兊纳睿袊舱罅Πl(fā)展的全國性大型算力中心的建設(shè)也取得了階段性成功，將推動“讓用戶像用電一樣使用算力服務(wù)”的發(fā)展愿景。隨著模型和算力的普及化，國產(chǎn)人工智能發(fā)展也將邁入新的臺階。

一、模型與數(shù)據(jù)驅(qū)動人工智能

2017年5月，當時圍棋世界排名第一的棋手柯潔在萬眾矚目的“人機大戰(zhàn)”中0:3完敗于谷歌研發(fā)的AI程序AlphaGo，這個標志性的事件給很多人提了個醒：AI的浪潮已經(jīng)開始席卷而來了。

AI帶來的勞動價值將讓人類徹底擺脫某種“稀缺”，擺脫重復(fù)的勞動，從而使人類的解放成為可能。真正獲得全面解放和完全自由的人類，將擁有更充裕的時間來發(fā)展自己的興趣愛好、思考人生、享受生活、改變世界，實現(xiàn)精神財富和物質(zhì)財富的雙豐收。

但距離做到這一點，依舊需要相當長時間的發(fā)展和相當多的投入。

計算機程序的發(fā)展已經(jīng)使得設(shè)備能夠按照人類已經(jīng)輸入好的指令機械地運行，適用于純粹重復(fù)性的工作，這已經(jīng)在很多領(lǐng)域已經(jīng)極大減少了人的工作量，這種基于輸入性規(guī)則的程序可以稱得上是最初級的AI。

目前世界各國著力發(fā)展的更高級的AI則力圖在更多的領(lǐng)域也能做到這一點。它的核心含義是指，通過恰當?shù)姆椒▽W習合適的已有經(jīng)驗（以數(shù)據(jù)的形式），來獲得一種通用的決策方式。經(jīng)過測試之后就可以在類似的場景下自動做出決策，從而實現(xiàn)自動進行重復(fù)勞動的目的。

AI發(fā)展的具體效果分別取決于兩個因素——“恰當?shù)姆椒ā币约啊昂线m的已有經(jīng)驗”，對應(yīng)了模型驅(qū)動和數(shù)據(jù)驅(qū)動兩個流派，它們在動機、模式、映射關(guān)系等方面各有不同，但并不矛盾。模型驅(qū)動和數(shù)據(jù)驅(qū)動的區(qū)別在于數(shù)據(jù)處理方式：如果數(shù)據(jù)處理并不改變模型本身，就是模型驅(qū)動；如果數(shù)據(jù)處理改變了模型，讓模型去貼合數(shù)據(jù)，就是數(shù)據(jù)驅(qū)動的研究方法。在解決實際問題中，各自都存在優(yōu)勢和限制。

對我國而言，中文語料庫的體量約為全球英文語料庫的十分之一。首先是對數(shù)據(jù)本身做預(yù)處理，然后需要大量人工標注數(shù)據(jù)集，這樣才能夠讓模型來學習人的行為模式，整套流程花費甚巨。而模型驅(qū)動的方法則需要大量試錯，需要平衡模型的復(fù)雜程度和算力投入，且每次試錯需要付出大量的算力和時間代價。因此，基于大量共用數(shù)據(jù)的，且經(jīng)過充分驗證的“大模型”概念成為了一種具有競爭力的方案。

二、“大模型”賦能各行各業(yè)

過去以小型團隊為單位，通過尋找合適的數(shù)據(jù)與模型的確能產(chǎn)生效果較好的AI程序，但“點對點”的適應(yīng)單一任務(wù)的模型依舊讓其擺脫不了“小作坊”的形式�！按竽Ｐ汀敝竿ㄟ^在大規(guī)模寬泛的數(shù)據(jù)上進行訓練后能適應(yīng)一系列下游任務(wù)的模型。

近年，各種“大模型”在早期預(yù)訓練中顯示出前所未有的威力，成為AI創(chuàng)新的共識，很多模型的達成的效果都已經(jīng)給人產(chǎn)生了深刻的印象。通過超算中心等戰(zhàn)略投資，目前我國已經(jīng)在農(nóng)業(yè)、金融、互聯(lián)網(wǎng)、生物醫(yī)藥等領(lǐng)域都擁有了自主知識產(chǎn)權(quán)的“大模型”。

“大模型”提供了一種在某個領(lǐng)域通用化的解決方案，通過“預(yù)訓練大模型與下游任務(wù)微調(diào)”的方式，通過大模型從大量數(shù)據(jù)中捕獲知識，極大擴展了模型的泛化能力，后期根據(jù)下游任務(wù)的少量數(shù)據(jù)進行少量針對性的訓練，能有效壓縮后續(xù)投入，這一套流程使得AI程序的產(chǎn)出更高效。

然而，“大模型”的開發(fā)過程繁復(fù)、門檻也很高，訓練一個“大模型”的總投入在數(shù)千萬美元級別，例如ChatGPT的單次訓練就需要耗資150萬美元�！按竽Ｐ汀钡拇�，主要體現(xiàn)在以下兩方面。AI模型為準確擬合相關(guān)場景的決策，其表現(xiàn)通常與參數(shù)量成正比。而“大模型”參數(shù)級別更是隨著泛化能力要求的增加水漲船高，以谷歌的Switch Transformer為例，它的參數(shù)量已經(jīng)達到了萬億級別（ChatGPT的參數(shù)量為千億級別），“大模型”的設(shè)計和訓練投入堪稱恐怖。

其次是數(shù)據(jù)大，“大模型”的目的是擁有盡可能大的拓展?jié)摿�，這意味著數(shù)據(jù)的收集和標注必須盡可能覆蓋到這些范圍內(nèi)。模型大的根本原因是數(shù)據(jù)大，“大模型”所使用的數(shù)據(jù)量都是至少數(shù)十個TB級別，數(shù)據(jù)收集和人工標注的成本都非常高，例如ChatGPT為規(guī)避美國的高昂人力成本，數(shù)據(jù)是在肯尼亞雇傭了大量人員手工進行標注，即使如此標注成本也高達數(shù)億美元。

這兩者的結(jié)合，在技術(shù)上導(dǎo)致了“大模型”初始的訓練、后期的微調(diào)和日常使用中算力需求較大，本地設(shè)備遠無法負擔，甚至不是某一個單一服務(wù)器下的設(shè)備能完成的了，必須使用某種聯(lián)網(wǎng)機制，通過聯(lián)合計算加快訓練。

三、“東數(shù)西算”構(gòu)筑算力基建

與互聯(lián)網(wǎng)類似作為戰(zhàn)略新興行業(yè)，AI的發(fā)展離不開充足算力的保證。讓科研人員甚至民眾“像用電、用網(wǎng)一樣使用算力服務(wù)”的發(fā)展，將有力地支撐我國在AI領(lǐng)域的發(fā)展。算力資源目前稀缺且昂貴，通過統(tǒng)籌建設(shè)，成立全國性的大型算力中心，有助于算力更公平地流向科研在內(nèi)的各領(lǐng)域。

同時，算力的建設(shè)和分配需要考慮到服務(wù)器的地理因素。由于大部分的數(shù)據(jù)在經(jīng)濟較發(fā)達的沿海地區(qū)產(chǎn)生和清洗，而數(shù)據(jù)計算過程中則需要消耗大量能源，且需要考慮到散熱問題，綜合來看算力中心最適合建設(shè)在電力便宜、氣候恒溫的地方。在此基礎(chǔ)上我國提出了基于“東數(shù)西算”（在東部產(chǎn)生數(shù)據(jù)，在西部運行計算）思想的一體化算力網(wǎng)絡(luò)。

在國家“東數(shù)西算”工程與全國一體化算力網(wǎng)絡(luò)的布局下，中國算力網(wǎng)計劃已全面展開。計算節(jié)點數(shù)已經(jīng)超過了二十個，在地理上去中心化的前提下，國家在每個地區(qū)集約化地統(tǒng)籌建設(shè)人工智能算力中心，同時真正實現(xiàn)全國大型算力的協(xié)同調(diào)度與高效計算。

結(jié)語：

我國集中力量打造的“大模型”和國家級算力網(wǎng)絡(luò)，其目的都是為了更高效地產(chǎn)生實用的AI算法，并在下一代科技革命中占得先機。放眼未來，我們能用這樣的AI創(chuàng)造出更多人類的新篇章。