|
近日，新型人工智能聊天机器人ChatGPT已在互联网上掀起了一场风暴。它是基于人工智能的工具的最新例子，改进人们开展业务的方式，正落地到各行业当中。那么，ChatGPT运用到医疗等专业领域还需要多久？对此，云知声给出了答案。 ChatGPT的打造，技术核心绕不开算力、数据和算法三要素。 算力方面，OpenAI拥有28.5万个CPU核心、1万个英伟达V100 GPU，光是训练一个GPT-3，费用就高达460万美元；数据上，GPT系列几经迭代优化，一度惊艳众人的GPT-3就有1750亿参数，而上一版本GPT-2只有15亿参数；算法也有多年深厚的积累，让ChatGPT出现“类人”自主学习特征，而且进一步展现出快速适应多领域、多场景的能力。 这样的技术与生态壁垒，决定了复刻ChatGPT并非那么容易。既然如此，垂直版ChatGPT的解决思路也开始在行业中探讨。以医疗领域来说，行业专业性强覆盖面广，所需的高质量数据可能并不比ChatGPT小，且大部分数据不是网上可以抓取的。同时，打造行业专业版ChatGPT还需要降低成本，使其更容易在医疗行业中落地。 对行业专业版ChatGPT的打造，深耕人工智能多年的云知声，以医疗作为切入口，构建ChatGPT医疗行业版，同时基于ChatGPT行业版构建平台，快速扩展到其他领域，再利用领域模型集成MoE（Mixture of Experts）技术，训练得到通用ChatGPT模型。 专业化程度高：在知识类问题的解答上，云知声将利用其在CirBERTa中已经成功应用的持续学习和知识嵌入技术，基于公司在医疗领域的知识图谱积累，优化ChatGPT模型的知识获取和更新机制，以保证ChatGPT回答中的知识正确性，并给出知识溯源信息。 工具化程度高：云知声依托AI芯片和终端引擎，能够将应用部分向客户开源，同时提供相应定制化工具以及云端AI能力服务。通过云端芯结合，云知声基于AI芯片提供的是面向一个个具体场景的解决方案，成为医疗行业的人员得心应手的工具。 训练成本低：面对逐渐攀升的训练成本，云知声认为，以一个通用大模型来解决所有行业深度问题是不现实的。云知声致力以少2个数量级的参数规模，在特定行业领域的问题上，达到甚至超过ChatGPT的表现。同时，参数规模的大幅减少，也将大大降低了训练和服务成本，让大语言模型技术实现真正广泛应用。事实上，云知声基于“AI软硬件一体化解决方案”，可让客户站在更高的设计起点，以更低的成本在更短的时间内打造出更稳定可靠的产品。 足够智能：行业专业版ChatGPT的一大关键能力在于“智能”。依托通过完全自主研发的深度神经网络加速方案，云知声能够提供智能芯片方案，实现了语音识别、理解、合成所需的深度学习计算加速，实现三个智能性能“关键能力”。 如今，随着ChatGPT的风靡，人工智能普及应用的风潮将愈演愈烈。云知声也将在AI赋能百业的道路上继续深踩油门，持续迭代AI关键技术，挖掘更多场景需求，实现自身技术、能力与行业需求的有效结合，创造更多社会价值！ |
|
|
