Im Jahr 2023 wurde die Welt Zeuge des globalen Feuers von ChatGPT. Die Einführung der neuen Generation der generativen KI hat die Entwicklung der Technologie und der Anwendungen der künstlichen Intelligenz (KI) verändert, den Prozess der menschlichen Interaktion mit der KI beschleunigt und ist ein neuer Meilenstein in der Geschichte der Entwicklung der KI. Lassen Sie uns gemeinsam einen Blick auf diese bemerkenswerten Haupttrends werfen.
Am 10. März 2023 wurde die Nanjing National Pilot Zone for Artificial Intelligence Innovation and Application eingeweiht.
Trend 1: Übergang von großen KI-Modellen zu allgemeiner KI
Im Jahr 2023 wurde ChatGPT-Entwickler OpenAI wie nie zuvor ins Rampenlicht gestellt und hat die Entwicklung eines Nachfolgers von GPT-4 ins Rampenlicht gestellt. Den Quellen zufolge.OpenAI trainiert die nächste Generation der künstlichen Intelligenz, die vorläufig "Q*" (ausgesprochen Q-Stern) genannt wird. Die nächste Generation von OpenAI-Produkten könnte im neuen Jahr auf den Markt kommen.
Medienberichten zufolge ist "Q*" möglicherweise derErste KI, die "von Grund auf" trainiert wurde.. Sie zeichnet sich durch eine Intelligenz aus, die nicht von menschlichen Aktivitätsdaten abgeleitet ist, und durch die Fähigkeit, ihren eigenen Code zu ändern, um sich an komplexere Lernaufgaben anzupassen. Ersteres macht die Entwicklung von KI-Fähigkeiten zunehmend undurchsichtig, während letzteres seit jeher als notwendige Bedingung für die Entstehung einer "Singularität" der KI angesehen wird. Im Bereich der KI-Entwicklung bezieht sich die "Singularität" auf die Fähigkeit einer Maschine, sich selbst zu wiederholen und in kurzer Zeit schnell zu wachsen, was zu einer Situation führt, die sich der menschlichen Kontrolle entzieht.
Obwohl einige Berichte darauf hindeuten, dass "Q*" immer noch nur in der Lage ist, Matheaufgaben mit Grundschulniveau zu lösen, ist es noch weit von der "Singularität" entfernt. Da die KI in virtuellen Umgebungen jedoch viel schneller iterieren kann als gedacht, ist es durchaus möglich, dass sie in naher Zukunft autonom eine KI entwickeln kann, die das menschliche Niveau in verschiedenen Bereichen übertrifft.OpenAI prognostiziert, dass 2023 eine KI zur Verfügung stehen wird, die das menschliche Niveau in allen Aspekten übertrifft, und der Gründer von NVIDIA, Jen-Hsun Huang, sagt voraus, dass eine universelle KI den Menschen innerhalb von fünf Jahren übertreffen könnte.
Sobald die KI für allgemeine Zwecke eingesetzt wird, kann sie zur Lösung einer Vielzahl komplexer wissenschaftlicher Probleme verwendet werden.Beispiele dafür sind die Suche nach Außerirdischen und bewohnbaren Galaxien, die Kontrolle der künstlichen Kernfusion, das Screening von Nano- oder supraleitenden Materialien und die Entwicklung von Krebsmedikamenten. Für diese Probleme benötigen menschliche Forscher in der Regel Jahrzehnte, um neue Lösungen zu finden, und der Umfang der Forschung in einigen dieser Spitzenbereiche hat die menschlichen Grenzen überschritten. Während eine universelle KI in ihrer eigenen virtuellen Welt über praktisch unbegrenzte Zeit und Energie verfügtDies macht sie zu einem potenziellen Ersatz für menschliche Forscher bei Aufgaben, die teilweise leicht zu virtualisieren sind. Wie der Mensch diese KI, die den Menschen an Intelligenz übertrifft, überwachen kann, um sicherzustellen, dass sie dem Menschen keinen Schaden zufügt, ist eine andere Frage, über die man nachdenken sollte. Natürlich sollten wir einige der Aussagen der Silicon-Valley-Giganten nicht überbewerten, denn in der Geschichte der KI-Entwicklung hat dieEs hat drei "KI-Winter" gegeben, und es gibt viele Beispiele für große technologische Visionen, die aufgrund verschiedener Sachzwänge im Sande verlaufen sind.. Aber derzeit ist es sicher, dass die große Modell-Technologie hat noch viel Raum für Aufwärtsbewegung. Zusätzlich zu GPT-4, Google's "Gemini" (Gemini), Anthropic's Claude2, sind jetzt an zweiter Stelle nur auf die GPT-4 großes Modell, das inländische Baidu "Wenxin Yiyin" und Alibaba "Tongyi Thousand Questions", sind auch die besten inländischen großes Modell. Baidus "Wenxin Yiyin" und Alis "Tongyi Thousand Questions" sind auch die besten der inländischen Großmodelle. Man darf gespannt sein, ob sie im neuen Jahr weitere revolutionäre Produkte auf den Markt bringen werden.
Trend 2: Synthetische Daten durchbrechen den Engpass bei KI-Trainingsdaten
Der Datenengpass bezieht sich auf die begrenzte Verfügbarkeit qualitativ hochwertiger Daten, die zum Trainieren von KI verwendet werden können, und es wird erwartet, dass synthetische Daten diesen Engpass überwinden.
Synthetische Daten sind Daten, die von Modellen des maschinellen Lernens unter Verwendung mathematischer und statistischer Wissenschaftsprinzipien auf der Grundlage der Nachahmung realer Daten synthetisiert werden. Es gibt eine relativ leicht verständliche Analogie dafür, was synthetische Daten sind:Das ist wie das Schreiben von Fachbüchern für KI.Obwohl beispielsweise die Dialoge in einem Englischlehrbuch fiktive Namen wie "Xiaoming" und "Xiaohong" enthalten, hat dies keine Auswirkungen auf die Beherrschung der englischen Sprache durch die Schüler, so dass das Lehrbuch in gewisser Weise als eine Art "synthetische Daten" betrachtet werden kann, die für die Schüler zusammengestellt, gefiltert und verarbeitet wurden. In gewissem Sinne kann das Lehrbuch daher für die Schüler als eine Art "synthetische Daten" betrachtet werden, die zusammengestellt, gefiltert und verarbeitet wurden.
Es hat sich gezeigt, dass die Skala des Modells mindestens 62 Milliarden Parameter erreichen muss, bevor es möglich ist, die "chain of thought"-Fähigkeit zu trainieren, d.h. schrittweise logische Schlussfolgerungen zu ziehen.Die unangenehme Realität ist jedoch, dass es nicht so viele nicht wiederholte, qualitativ hochwertige Daten gibt, die von Menschen erzeugt wurden und für das Training zur Verfügung stehen.. Durch den Einsatz generativer KI wie ChatGPT zur Erzeugung hochwertiger synthetischer Daten in noch nie dagewesener Menge werden künftige KI eine höhere Leistung erzielen.
Neben der Nachfrage nach großen Mengen qualitativ hochwertiger Daten, die zum Streben nach synthetischen Daten geführt hat, sind auch Überlegungen zur Datensicherheit wichtig. In den letzten Jahren haben die Länder strengere Datenschutzgesetze eingeführt, die es erschweren, objektiv von Menschen erzeugte Daten zum Training künstlicher Intelligenz zu verwenden. Diese Daten können nicht nur personenbezogene Informationen enthalten, sondern sind zum großen Teil auch durch das Urheberrecht geschützt.In einer Zeit, in der der Schutz der Privatsphäre und des Urheberrechts im Internet noch nicht einheitlich und perfekt strukturiert ist, kann die Verwendung von Internetdaten für Schulungszwecke leicht zu einer Vielzahl von Rechtsstreitigkeiten führen. Wenn wir in Erwägung ziehen, diese Daten zu desensibilisieren, stehen wir vor der Herausforderung des Screenings und der Erkennungsgenauigkeit. Das Dilemma besteht darin, dass synthetische Daten die kostengünstigste Option darstellen.
Darüber hinaus kann das Training mit menschlichen Daten dazu führen, dass die KI schädliche Inhalte lernt. Einige, wie die Verwendung von Alltagsgegenständen zur Herstellung von Bomben und zur Regulierung von Chemikalien, und andere umfassen viele schlechte Angewohnheiten, die KI nicht haben sollte, wie z. B. Faulheit bei der Ausführung von Aufgaben, Lügen, um den Benutzern zu gefallen, Vorurteile und Diskriminierung, wie bei Menschen.Wenn stattdessen synthetische Daten verwendet werden, so dass die KI so wenig wie möglich mit schädlichen Inhalten in Berührung kommt, dürften die oben genannten Nachteile, die beim Training mit menschlichen Daten auftreten, überwunden werden.
Wie aus der obigen Analyse hervorgeht, können synthetische Daten als recht bahnbrechend angesehen werden und dürften das bisherige Problem der Unvereinbarkeit von KI-Entwicklung und Datenschutz lösen. Gleichzeitig ist aber auch diewie sichergestellt werden kann, dass einschlägige Unternehmen und Organisationen synthetische Daten auf verantwortungsvolle Weise produzieren, und wie synthetische Daten-Trainingssätze produziert werden können, die mit den nationalen Kulturen und Werten vereinbar und in Umfang und technischer Ausgereiftheit mit den im Westen verfügbaren vergleichbar sind und sich auf englischsprachige Online-Materialien konzentrierenDie chinesische Regierung hat sich auch mit dem Thema synthetische Daten beschäftigt, das auch für China eine Herausforderung darstellen wird. Eine der wichtigsten Veränderungen, die synthetische Daten mit sich bringen, ist, dass dieGroße Daten aus der menschlichen Gesellschaft sind für das KI-Training vielleicht nicht mehr nötig. In der künftigen digitalen Welt wird die Erzeugung, Speicherung und Nutzung menschlicher Daten weiterhin den Gesetzen und der Ordnung der menschlichen Gesellschaft folgen, einschließlich der Wahrung der nationalen Datensicherheit, der Geheimhaltung kommerzieller Daten und der Achtung des Schutzes persönlicher Daten, während die für das KI-Training erforderlichen synthetischen DatenVerabschiedung einer weiteren Reihe von Standards für die Verwaltung.
Am 17. September 2023 wurde die 2023 Nanjing Artificial Intelligence Industry Development Conference eröffnet, die gemeinsam von der Stadtverwaltung Nanjing und der China Academy of Information and Communication Research ausgerichtet wurde.
Trend 3: Quantencomputer könnten die ersten sein, die in der KI eingesetzt werden
Wenige Monate nach dem Start von ChatGPT erklärte OpenAI-Präsident Ortmann öffentlich, dass OpenAI nicht mehr Nutzer ermutige, sich bei OpenAI anzumelden.2023 Im November 2023 kündigte OpenAI sogar an, die Registrierung neuer Nutzer für das kostenpflichtige ChatGPT Plus-Abonnement auszusetzen, um sicherzustellen, dass um sicherzustellen, dass bestehende Nutzer eine hochwertige Erfahrung machen. Als leistungsstärkste KI der Welt ist es klar, dass dieChatGPT ist auf Engpässe bei der Rechenleistung und anderen Aspekten gestoßen. In diesem Zusammenhang wird die Diskussion über die Anwendung von Quantencomputern in der KI zu einer vielversprechenden zukünftigen Lösung.
Zunächst einmal gehören die meisten Algorithmen im Bereich der künstlichen Intelligenz in die Kategorie des parallelen Rechnens. Wenn AlphaGo zum Beispiel Go spielt, muss es gleichzeitig die Antwortzüge des Gegners berücksichtigen, nachdem es in verschiedenen Positionen gelandet ist, und den Zug finden, der das Spiel am wahrscheinlichsten gewinnt. Um dies zu erreichen, muss der Computer die Effizienz des parallelen Rechnens optimieren. Quantencomputer sind gut im parallelen Rechnen, weil sie sowohl "0"- als auch "1"-Zustände gleichzeitig berechnen und speichern können, ohne zusätzliche Rechenressourcen zu verbrauchen, wie es bei elektronischen Computern der Fall ist, z. B. durch die Reihenschaltung mehrerer Recheneinheiten oder die zeitliche Aneinanderreihung von Rechenaufgaben. Der Computer muss keine zusätzlichen Rechenressourcen verbrauchen, wie dies bei elektronischen Computern der Fall ist, z. B. durch die Reihenschaltung mehrerer Recheneinheiten oder die zeitliche Aneinanderreihung von Rechenaufgaben.Je komplexer die Rechenaufgabe ist, desto vorteilhafter wird das Quantencomputing.
Zweitens, die für die Ausführung von ChatGPT erforderliche Hardware, wiederumauch gut geeignet für den Import in aktuelle sperrige Quantencomputer.Beide müssen in hoch integrierten Rechenzentren installiert werden, die von einem Team spezialisierter Techniker betreut werden.
Was ist ein Quantencomputer? Quantencomputer sind physikalische Geräte, die den Gesetzen der Quantenmechanik folgen, um mathematische und logische Hochgeschwindigkeitsoperationen durchzuführen und Quanteninformationen zu speichern und zu verarbeiten. Es ist nicht nur groß in der Größe, sondern auch als die Kernkomponenten der "Quanten-Chip", müssen in der Regel in den absoluten Nullpunkt (-273,15 Grad Celsius) in der extrem niedrigen Temperatur platziert werden, die Verwendung von solchen extrem niedrigen Temperatur in einigen der mikroskopischen Teilchen zeigen die Quanteneigenschaften der Informationen Betrieb und die Verarbeitung, und die Ergebnisse der Operation kann nur für ein paar Millisekunden der Zeit.
Wenn Quantencomputer "groß und schwer zu warten" sind, warum werden sie dann entwickelt? Der Grund dafür ist.Quantencomputer verfügen über ein so großes arithmetisches Potenzial, dass sie bei einigen Algorithmen bereits einen "absoluten Geschwindigkeitsvorteil" gegenüber elektronischen Computern aufweisen, d. h."Quantum Superiority".Das Erreichen von "Quantenüberlegenheit" ist jedoch nur ein Ausgangspunkt. Das Erreichen der "Quantenüberlegenheit" ist jedoch nur ein Anfang. Der derzeitige Quantencomputer kann nur einen Teil der Rechenaufgaben lösen, die zum Quantenbereich gehören, und wenn wir diese "Quantenüberlegenheit" wirklich nutzen wollen, müssen wir dafür sorgen, dass er über genügend Quantenbits verfügt, um Allzweckberechnungen und Programmierbarkeit zu ermöglichen. Außerdem.Auch nach dem Erreichen des Allzweckcomputers müssen Quantencomputer noch einen Vorteil gegenüber elektronischen Computern wahren, der als "Quantendominanz" bezeichnet wird..
Im Jahr 2022 werden Forscher von Google, Microsoft, Caltech und anderen InstitutionenNachweis des Prinzips der "Quantendominanz" bei der Vorhersage beobachtbarer Variablen, der Quanten-Hauptkomponentenanalyse und des maschinellen Lernens auf Quantenbasis... Das maschinelle Lernen mit Hilfe von Quantencomputern ist in der Tat die Anwendung von Quantencomputern in der künstlichen Intelligenzspiegelt auch den Zukunftstrend der Verschmelzung der beiden Bereiche Quantencomputer und künstliche Intelligenz wider.
Theoretisch bewiesen, die praktische Notwendigkeit, die Anwendungsmöglichkeiten des Quantencomputers weiter auszubauen. Nach der Markteinführung des kommerziellen Quantencomputers "Quantum System One" im Jahr 2019 brachte der US-amerikanische Quantencomputerriese IBM im Dezember 2023 das "Quantum System Two" auf den Markt.Der größte Durchbruch des neuen Systems ist die Möglichkeit der modularen Erweiterung.Es ist der erste modulare Quantencomputer des Unternehmens. "Quantum System Two hat mehr als 1.000 Quantenbits, und IBM hat angekündigt, innerhalb von 10 Jahren einen Quantencomputer mit 100.000 Quantenbits zu bauen. Diese immer größer werdenden Quantenbits sind nicht nur für das Rennen, sondern auch für die allgemeine Rechenleistung und die Programmierbarkeit unerlässlich. Und aus diesem Grund ist dieDie Modularität von Quantencomputern zeichnet sie als praktischer aus.Die Erforschung von Algorithmen für maschinelles Lernen mit Hilfe von Quantencomputern hat sich zu einem neuen Forschungsschwerpunkt entwickelt. Allerdings wird der zukünftige QuantencomputerSie werden elektronische Computer nicht vollständig ersetzen, und es ist wahrscheinlicher, dass Quantencomputer und elektronische Computer ihre jeweiligen Stärken in verschiedenen Anwendungsszenarien ausspielen werden, um eine synergetische Entwicklung zu erreichen.Die erste besteht darin, die Rechenleistung erheblich zu verbessern und gleichzeitig ein Gleichgewicht zwischen Kosten und Machbarkeit herzustellen.
Auf der World Intelligent Manufacturing Conference 2023 in Nanjing wurde zum ersten Mal ein eigener Ausstellungsbereich für Industrieroboter eingerichtet, in dem fast 300 führende Roboterprodukte wie Schweißroboter und Schwerlastroboter vorgestellt wurden.
Trend 4: "Schockwellen" durch KI-Agenten und codefreie Softwareentwicklung
Bei den KI-Anwendungen ist 2024 die "Schockwelle" der KI-Agenten und der No-Code-Softwareentwicklung zu erwarten.
Zum einen geht es um die Auswirkungen von KI-Agenten auf die Struktur der Erwerbsbevölkerung.
Mittlerweile nutzen mindestens 200 Millionen Menschen auf der ganzen Welt große Modelle künstlicher Intelligenz. Die Menschen geben sich jedoch nicht mehr damit zufrieden, vor dem Computer zu sitzen und mit der KI zu "chatten", sondern haben begonnen, eineTools, die automatisch Aufforderungen an die KI senden können, wenn dies für eine Aufgabe erforderlich ist. Wenn das Auto-Prompting-Tool mit dem großen Modell zwei kombiniert wird, ist der KI-Agent geboren.
Im April 2023 führte OpenAI-Mitbegründer Brockman eine Live-Demonstration des "automatisierten Modus" von GPT vor. In der Demonstration "organisierte" der KI-Agent quasi eine Dinnerparty: Er generierte nicht nur ein empfohlenes Menü für die Dinnerparty und eine bebilderte Einladung entsprechend den Anforderungen, sondern fügte auch automatisch die für das Menü zu kaufenden Zutaten in den Warenkorb der E-Commerce-App für frische Lebensmittel ein und veröffentlichte automatisch einen Beitrag in sozialen Netzwerken über die Dinnerparty.
Der KI-Agent kann auch automatisch Websites auf der Grundlage relativ vager Vorgaben erstellen, automatisch eine Reihe von Text- und Tabellenverarbeitungsarbeiten durchführen, die den Einsatz von Office-Software erfordern, und sogar automatisch Analysepapiere auf der Grundlage der Zusammenfassung vorhandener Dissertationsdaten erstellen, usw.
Bill Gates hat kürzlich einen langen Artikel veröffentlicht, um die Zukunft der KI-Agenten zu erklären. Er sagte, dass KI-Agenten die Art und Weise, wie Menschen Computer benutzen, völlig verändern werden und seit der Erfindung der Tastatur, des Bildschirms und der Maus die bedeutendste Innovation in der Art und Weise, wie Menschen mit Computern interagieren, mit sich bringen werden.
KI wird als umfassendes Instrument zur Ergänzung der menschlichen Informationserfassung, -analyse und -verarbeitung gesehen, das neue Ebenen menschlicher Arbeit ermöglicht. Gleichzeitig haben KI-Agenten aber auch Auswirkungen auf viele bestehende Arbeitsplätze, dieWeil Unternehmen versuchen können, weniger Mitarbeiter für die gleichen Aufgaben einzustellenDiese Zerstörung bestehender Wirtschaftsstrukturen durch Innovation wurde von dem amerikanischen Ökonomen Schumpeter als "kreative Zerstörung" bezeichnet. Die Zerstörung bestehender Wirtschaftsstrukturen durch Innovation wurde von dem amerikanischen Wirtschaftswissenschaftler Schumpeter als "schöpferische Zerstörung" bezeichnet. Da KI-Agenten eine große Anzahl von Aufgaben ersetzen, die weniger Computerkenntnisse erfordern, müssen sich die Arbeitskräfte, die gezwungen waren, wieder in den Arbeitsmarkt einzusteigen, an die neuen Anforderungen anpassen, was ein langer und schmerzhafter Prozess sein wird.
Das zweite Thema sind die Auswirkungen der codefreien Softwareentwicklung auf die Innovation in der digitalen Wirtschaft.
Während die generative KI eine Reihe traditioneller digitaler Berufe überflüssig machen kann, schließt sie eine Tür und öffnet ein Fenster zur "codefreien Softwareentwicklung". Programmierhilfen auf der Grundlage von KI-Makromodellen haben inzwischen eine neue Stufe erreicht und sind in der Lage, Software oder Webcode auf der Grundlage sehr vager Benutzeranweisungen zu erzeugen. Bei der GPT-4-Demonstration im Jahr 2023 zum Beispiel schrieb der Demonstrator einfach ein sehr krakeliges Schema der Struktur handschriftlich auf ein DIN-A4-Blatt, und GPT-4 generierte daraufhin automatisch Webseiten, auf die physisch zugegriffen werden konnte. Damit wurde die Schwelle für die Entwicklung von IT-Diensten deutlich gesenkt.Solange eine Person eine ausreichend kreative "Idee" für einen digitalen Dienst hat, die die Bedürfnisse vieler Menschen befriedigen kann, kann sie zu einem Glücksfall für die Internet-Innovation werden, und die Ära des "Jeder kann innovieren" ist angebrochen.
In dieser Hinsicht müssen die Regierungen ihre Einstellung ändern und ein Gleichgewicht zwischen Marktregulierung und Innovationsförderung herstellen.Einerseits ist es notwendig, die Schwelle für die Registrierung und Finanzierung im Prozess der digitalen Innovation zu senken, die Probleme bei der Entwicklung und dem Wachstum von KMU zu lösen und die Beschäftigungs- und Innovationspolitik an die neue Forderung "Jeder kann innovieren" anzupassen; andererseits ist es notwendig, neue Strategien für den Urheberrechts- und Patentschutz zu erkunden, die dem Schutz innovativer "Ideen" förderlicher sind. Andererseits müssen neue Strategien zum Schutz von Urheberrechten und Patenten erforscht werden, die dem Schutz innovativer Ideen förderlicher sind.Dies motiviert diejenigen, die in der Lage sind, ständig innovative "Ideen" zu entwickeln.
Zusammenfassend lässt sich mit Blick auf das Jahr 2024 sagen, dass die Auswirkungen der KI allgegenwärtig sind, wissenschaftliche Forschung, Innovation und Wirtschaft fördern, aber auch neue Herausforderungen und Risiken mit sich bringen, ganz gleich, ob es sich um die iterative Entwicklung der KI-Technologie selbst, die Umgestaltung des Werts von Daten oder die Durchdringung verschiedener Branchen und Bereiche durch ihre Anwendungen handelt. Wir sollten den zahlreichen Veränderungen, die die KI mit sich bringt, aufgeschlossen gegenüberstehen und die neuen Probleme und Risiken, die sie mit sich bringen kann, mit Vorsicht untersuchen und darauf reagieren.
