the 2023 AI network innovation conference held in Beijing intelligent network model on the BBS, zte cable products model senior architect Ji'an-guo lu made the wisdom network new era: big model drive the future of the theme of the zte through fine tuning directional model ability to enhance the quality of the corpus, and use digital twin automation data cycle, to apply large model to the intelligence network intelligent level of practice.
Lu Jianguo sa att många nyckelteknologier, såsom AI-möjliggörande, digital tvilling- och avsiktsdrivning, kommer att stödja intelligensnivån i självinriktningsnätverket från L4 till L5, och få självinriktningsnätverket att fortsätta att iterera och utvecklas till att slutföra självintelligens. Bland dessa nyckelteknologier är AI den viktigaste motorn, och stora modeller är nyckeln i AI -tekniken.
I How To Applying Large Model to Self-intelligens Network introducerade Lu Jianguo att den stora modellen har supergenerationsförmåga och kan snabbt generera ett stort antal scheman. För de intellektuella nätverksoperationerna är ett sådant behov av att implementera ett stort antal operationssteg, motsvarande i högdimensionellt utrymme för att hitta den optimala lösningen, lösning som är inställd för alla möjliga processer, stor modell för allmänna lösningar som NP (inte polynom) problem, ett stort antal prover, utvärdering, optimering, iteration kan spela effektiva beskärning, snabbt närma sig det optimala lösningen. Även om stora modeller genererar många scheman är det svårt att se till att dessa scheman är användbara. Även om stora modeller har viss tänkande förmåga, behöver de fortfarande mänsklig intervention när de hanterar komplex logik. För att lösa detta problem föreslår ZTE att integrera expertupplevelse i processen för inkrementell förutbildning och finjustering av modellen för att bilda en iteration med sluten sling. På detta sätt kan en smidig övergång från manuell återkopplingsförstärkningslärande till verktygsåterkopplingsförstärkningsinlärning förverkligas, vilket effektivt kan använda genereringskapaciteten för stora modeller å ena sidan, och å andra sidan säkerställa att det genererade diagnostiska schemat är korrekt och pålitligt. I detta schema är det en nyckellänk för att bygga drifts- och underhållskunskapskarta i kombination med kunskapsteknik. Genereringen av data med svänghjul är baserat på drifts- och underhållskunskapskartan för att undvika modell illusion och säkerställa tillförlitligheten och noggrannheten i genereringsschemat. Denna kunskapsgrafbaserade tillvägagångssätt kan bättre integrera expertupplevelse och modellgenereringsfunktioner för att ge mer pålitliga lösningar.
För applikationslogikdesignen för den stora modellen introducerade Lu Jianguo vidare att ZTE kommer att anta den modelldrivna metoden med sluten slinga baserad på snabb teknik. Kärnan i designen är att ta det strukturerade uttrycket för mänskligt språk (snabbmall) som input, generera den strukturerade utgången (arrangemangsschemat) genom den stora modellen och slutligen kombinera det interaktiva exekveringen av applikationsramen. För att förverkliga ovanstående logik kommer ZTE att göra tekniska förberedelser från många aspekter, såsom multimodal kapacitetsutveckling, corpusförberedelse, resursrelationskunskap Kunskapsgraf Kunskapsinjektion, Atomic API Corpus Reserve / Atomic API Capability Reserve Reserve Reserve, byggande konstgjord simuleringsfelmiljö, digital tvilling automatisk fel simuleringsmiljö och verktygsförberedelse.
Lu Jianguo sade äntligen att huvudvärdet för den stora modellen ligger i sin uppkomstförmåga, det vill säga att det kan generera innovation genom att kombinera befintlig kunskap. Förverkligandet av denna framväxande kapacitet beror emellertid på högkvalitativ dataproduktion, acceptans och nederbörd. En dygdig datacykel är den avgörande faktorn.
Posttid: november 20-2023