警惕数据瓶颈与算力浪费
数据、算力与算法是人工智能快速发展依赖的三个核心要素。大模型的发展则建立在庞大数据和超高算力的基础之上。数据瓶颈与算力浪费是人工智能产业发展过程中不容忽视的问题。
“如果把大数据比喻为矿产资源，那么其还有多少可以‘挖掘’的新知识有待分析考量。”中国工程院院士、同济大学校长郑庆华分析。
在高文看来，我国人工智能发展过程中还存在一个问题——高质量中文语料不足。“数据和算力是人工智能快速发展的两条腿，二者缺一不可。我国人工智能在高质量数据方面相对薄弱。放眼世界，中文语料在所有数据中占比较小。虽然中国的数据总量很大，数据资源也丰富，但数据市场的规模化产业化尚待培育。”要想打通目前存在的数据壁垒，政府要发挥好指引作用，为数据的安全性、可用性提供制度保障。
目前，大模型的参数已经达到万亿级别。郑庆华指出，这类大模型存在过度消耗数据和算力的问题。“没有深度学习时，算力对电力的依赖每20个月翻一番；大模型时代，算力对电力的依赖，每年都要翻10到100倍。可见，算力对电力的消耗呈几何指数增长。”
由此可见，大模型不仅要消耗大量算力、依赖大量数据，还要投入大量资本。目前来看，这个领域还没有明确的营利模式，如何实现可持续发展，有待进一步分析和考量。郑庆华说：“我们不仅需要在人工智能领域实现高水平科技自立自强，还需要建立起一套具有自主知识产权的人工智能发展生态。”
让人工智能赋能新质生产力
大模型和具身智能引领下的新一代人工智能，在发展进程中如何应对机遇与挑战？
|
