在ChatGPT走红之后，人们惊叹于其表现，但对于人工智能行业而言，这标志着技术范式的转变和通向AGI的大门可能正在开启。对于入行多年的AI老兵云知声来说，他们发现自己置身于当下最火热的领域，投身于新一轮变革浪潮的热情依然澎湃。下面就来回顾下云知声在AI领域以及大模型探索的三次升级之路。
云知声的第一次升级之路：筑基 云知声创立的2012年，赶上了深度学习的崭露头角，在那一年9月的ImageNet视觉识别挑战赛上，AlexNet异军突起，碾压了所有对手。它的创造者之一Hinton教授，2006年在Science发起“深度学习”革命后，在重大技术评测上首次获得突破性进展，展示了深度学习的威力。云知声团队虽然在那一年6月刚成立，也迅速入局深度学习，成为国内最早将该技术应用到产业服务的团队之一。 云知声的第二次升级之路：完善 在2016年，云知声开展了第二次技术升级。那一年阿尔法狗击败人类围棋冠军李世石时，云知声早将深度学习在物联市场应用起来了。云知声表示“我们的关注点是深度学习要有一个强大的算力支撑。实际上，我们关注到阿尔法狗的研发团队Deepmind，正是借助谷歌超强的并发计算能力，同时调度上千个GPU来完成的，这代表了未来深度增强学习的大规模计算趋势。” 于是，在阿尔法狗击败李世石的当月，云知声就有专家赶到了硅谷，与硅谷专家探讨如何面向深度学习构建大规模超算平台。最终，他们花了将近一年时间，将Atlas大规模机器学习超算平台构建了起来，并逐步布局知识图谱和多模态等全栈AI技术，从一家语音识别公司向更深层延伸，开始从“声（感知）”到“知（认知）”的技术体系升级。 云知声第三次升级之路：蝶变 现在，云知声将面临第三次“跃迁”。 在ChatGPT推出后，云知声已开始训练模型，但数智前线获悉，在云知声看来，本轮技术升级并非只是简单的“大力出奇迹”，而是开启了新的“数据动力学范式”，需要从数据规模、质量和模型调教下手，才能真正解决问题，“大力”只是“必要不充分条件”。按照公司的规划，技术升级将分两步推进：先在六七百亿参数提升优质数据规模，再扩大到千亿级参数提升大模型效果。 按照计划，云知声将在今年第二季度开启针对性优化，并与第一批客户衔接，在实战场景中解决问题。在落地行业上，物联和医疗是两个优先的行业，此前云知声在这两个领域投入和积累最多。但两个行业的侧重点并不一样： 物联行业本质上是提升交互能力，当大模型技术升级以后，人机对话就不会“聊死了”，不过，这些是通用场景，拓展应用场景“广度”。 在医疗行业，问题的侧重点则是精准度和可控性。这需要结合知识图谱和行业问题进行强化学习。“很多大模型的可解释性、可控性，要通过后端这个手段来解决掉，否则无法有效应用到严肃场景中”。 大模型也将给之前的应用带来改变。云知声2016年进入医疗行业，主要利用人工智能技术，解决病历的语音录入、缺陷检查、医保控费等问题。“如果有了比较好的生成式AI能力，我们可以根据已收集的数据，协助医生生成高质量的病历和诊疗方案。” AI企业的发展正如“逆水行舟，不进则退”。在过去十年里，AI浪潮起起伏伏，不少人工智能企业头顶光环，生存却举步维艰，甚至还有玩家悄无声息倒在了这波AI热潮的前夜。技术落地和产品化是他们遭遇的共性问题。云知声正运用已有经验与优势，在实现自身第三次进化的同时，助力人工智能走入更大规模、更多场景，走向AGI的起点！
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
