打个比方来说,大模型类似于一个知识非常渊博的老师,他学了无数多的数据,但是如果从事一件具体的工作,就不需要那么渊博的知识,这时候,我们可以根据需求,自动蒸馏出一个小模型,教出一个小徒弟来做这项工作。
人工智能要迈上工业化阶段,必须要满足以下几个条件,批量化,成本低,易访问,轻能耗以及最大程度的开源开放。未来,“云端的大模型+末端小模型”很可能会成为人工智能应用的重要模式。
记者:这个平台,目前是否有一些成功的应用?
徐波:我们已经有一些应用,效果很好。以前解决不了或者解决不好的现在有了全新的技术手段。
我们在智慧媒体方面做了一些探索。和头部视频网站合作,针对其海量的短视频、电影和电视剧,做到了跨模态内容的检索。比如输入一段文字,就能定位到视频中的某一个片段;可以根据电视剧的简介自动生成1分钟的视频摘要;还可以指定某个特定演员出现的场景、某件事的前因后果等内容进行“跳播”。
工业视听觉已经进行了应用尝试。过去,人工智能在工业领域的应用是一个痛点,因为样本非常少,而且很多时候数据是多模态的。比如发动机的质检,往往是靠老师傅们“听”出来的。用人工智能怎么做呢?我们把各种各样的工业缺陷数据混合在一起,首先让机器进行模型自学,应用的时候只需要给两个样本,就可以达到很高的质检精度。这方面我们已经实验过了,原来可能需要一万个样本才能做到90%以上的识别率,现在只要用几个或几十个样本,精度就能达到90%,大幅降低了人工智能的应用门槛。
另外一个应用案例是具像化的教学,可以在打手语的同时生成对应图片,辅助学生理解,更好地达到教学目的。
我们把各种各样的工业缺陷数据混合在一起,首先让机器进行模型自学,应用的时候只需要给两个样本,就可以达到很高的质检精度。这方面我们已经实验过了,原来可能需要一万个样本才能做到90%以上的识别率,现在只要用几个或几十个样本,精度就能达到90%,大幅降低了人工智能的应用门槛。