解锁AI新阶段：“大模型”现状与未来.pptxVIP

;;人工智能的演进;人工智能及大模型是什么？;;如何构建和使用一个大模型;大模型工程化落地;大模型的类型;大模型的应用深度;大模型的能力;大模型的能力;;汽车自动驾驶;智能工厂;智能医药研发;气象预测;个性化推荐与营销;;世界人工智能竞争格局;中美人工智能发展现状;发展人工智能为核心的新质生产力已上升为国家战略;;挑战

认知偏见：大模型的推理结果来自搜集到的语料，如果语料中存在偏见，大模型可能会放大偏见，造成负面影响，甚至威胁国家安全，例如关于“新疆强制劳动”用不同的语言搜索结果截然不同。;挑战

数据隐私和安全：人工智能需要大量的数据来进行训练和优化，必然有大模型会试图搜集涉及到个人隐私和敏感信息或者企业秘密信息。如何在保护隐私的同时利用这些数据是一个重大挑战。;挑战

机器“幻觉”：即使是最先进的机器学习模型，也难免会生成不符合事实或毫无根据的信息，例如大模型会认为“林黛玉倒拔垂杨柳”这是个真实事件。;算力与能源消耗：随着模型参数的增加，大模型的训练和推理过程对算力的需求急剧上升，导致能源消耗巨大。OpenAI的GPT-4单次训练耗电量达2.4亿度电。需要3万张英伟达A100GPU卡，仅算力卡就价值120亿人民币;挑战

数据墙：基础大模型的训练使用来自互联网的开放数据，目前开放数据已挖掘殆尽，已经没有更多的数据可以供大模型去训练了。;挑战

算力瓶颈：越大的模型的训练越需要庞大的