La conférence de l'innovation du réseau AI 2023 qui s'est tenue dans le modèle de réseau intelligent de Beijing sur le modèle BBS, le modèle des produits câblés ZTE, l'architecte principal de l'architecte, Ji'an-Guo Lu, a fait la capacité de la sagesse du réseau de sagesse: la qualité du Big Model L'avenir du thème du ZTE à travers le modèle directionnel de réglage du ZTE pour appliquer un modèle grand pour le réseau intelligent du réseau d'intelligence.
Lu Jianguo a déclaré que de nombreuses technologies clés, telles que l'activation de l'IA, le jumeau numérique et le lecteur d'intention, soutiendront le niveau d'intelligence du réseau d'auto-intelligence de L4 à L5, et fera continuer à itérer et à évoluer pour compléter l'auto-intelligence. Parmi ces technologies clés, l'IA est le moteur le plus important, et les grands modèles sont la clé de la technologie de l'IA.
Dans la façon d'appliquer un grand modèle au réseau d'auto-espionnage, Lu Jianguo a présenté que le grand modèle a une capacité de super génération et peut rapidement générer un grand nombre de schémas. Pour les opérations de réseau intellectuel, un besoin de mettre en œuvre un grand nombre d'étapes de fonctionnement, équivalent à dans un espace de grande dimension pour trouver la solution optimale, une solution définie pour tous les processus possibles, un grand modèle pour des solutions générales telles que le problème NP (pas polynomial), un grand nombre d'échantillons, l'évaluation, l'optimisation, l'ITERIE peuvent jouer un élagage efficace, approche rapidement la solution optimale. Cependant, bien que les grands modèles génèrent de nombreux schémas, il est difficile de s'assurer que ces schémas sont utiles. Même si les grands modèles ont une certaine capacité de réflexion, ils ont toujours besoin d'une intervention humaine lorsqu'ils traitent avec une logique complexe. Afin de résoudre ce problème, ZTE suggère d'intégrer une expérience d'experts dans le processus de pré-formation incrémentielle et de réglage fin du modèle pour former une itération en boucle fermée. De cette façon, une transition en douceur de l'apprentissage du renforcement de la rétroaction manuelle à l'apprentissage du renforcement de la rétroaction des outils peut être réalisée, qui peut utiliser efficacement la capacité de production de grands modèles d'une part, et d'autre part, garantir que le schéma de diagnostic généré est précis et fiable. Dans ce schéma, il s'agit d'un lien clé pour construire la carte des connaissances de l'opération et de la maintenance combinée à l'ingénierie des connaissances. La génération du schéma de volant de données est basée sur la carte des connaissances de fonctionnement et de maintenance, afin d'éviter l'illusion du modèle et d'assurer la fiabilité et la précision du schéma de génération. Cette approche basée sur des graphiques de connaissances peut mieux intégrer l'expérience d'experts et les capacités de génération de modèles pour fournir des solutions plus fiables.
Pour la conception de la logique d'application du grand modèle, Lu Jianguo a en outre présenté que ZTE adoptera la méthode en boucle fermée basée sur le modèle basée sur l'ingénierie rapide. L'essence de la conception consiste à prendre l'expression structurée du langage humain (modèle d'invite) en entrée, à générer la sortie structurée (schéma d'arrangement) via le grand modèle et enfin combiner l'exécution interactive du cadre d'application. Afin de réaliser la logique ci-dessus, le ZTE fera des préparations techniques à partir de nombreux aspects, tels que l'évolution des capacités multimodales, la préparation du corpus, l'injection de connaissances sur le graphique des connaissances sur les ressources, la réserve atomique API Corpus / la réserve de capacités API atomique, l'environnement de la simulation de défauts de la défaut de la simulation artificielle numérique et la préparation des outils.
Lu Jianguo a finalement déclaré que la principale valeur du grand modèle réside dans sa capacité d'émergence, c'est-à-dire qu'elle peut générer de l'innovation en combinant les connaissances existantes. Cependant, la réalisation de cette capacité émergente dépend de la production, de l'acceptation et des précipitations de données de haute qualité. Un cycle vertueux de données est le facteur déterminant.
Heure du poste: 20 novembre 2023