هواوي ، التي قيل دائمًا أنها متخلفة في منافسة النماذج واسعة النطاق ، جاءت أخيرًا مع رفاقها هذه المرة.
لا ، في مؤتمر مطوري Huawei 2023 أمس ، عرضت Huawei.
لا يزال المؤتمر الصحفي الذي استمر ما يقرب من ثلاث ساعات ورث أسلوب hodgepodge السابق من Huawei ، مما جعل Shichao مبهورًا.
ومع ذلك ، فإن تلخيصها يسلط الضوء في الواقع على موضوع: Pangu Large Model 3.0.
في الواقع ، قبل بضعة أيام فقط ، عندما كانت العارضات الكبيرة الأخرى لا تزال تقارن التصنيفات المختلفة ، دخلت Pangu مجال رؤية الجميع بطريقة فريدة من خلال الاعتماد على اللافتة الذهبية المعتمدة من قبل مجلة Nature العالمية.
يقال أنه مع إضافة نموذج Pangea الكبير ، زادت سرعة التنبؤ بالطقس بأكثر من 10000 مرة ، ويمكن الحصول على النتائج في بضع ثوانٍ. أين سيأتي الإعصار ومتى سيأتي ومتى سوف يغادر ، يمكن أن يمنحك تنبؤًا واضحًا.
والأهم من ذلك أن دقة التنبؤ الخاصة به تفوق حتى نظام IFS الخاص بالمركز الأوروبي للأرصاد الجوية ، والذي يُعرف بأنه الأقوى في العالم ، وهو أول منتج تنبؤ بالذكاء الاصطناعي يفوز بالتنبؤ العددي التقليدي.
كما تعلم ، تم تطوير معظم تنبؤات الطقس السابقة لمنظمة العفو الدولية بناءً على شبكات عصبية ثنائية الأبعاد ، لكن الطقس معقد للغاية ، والثنائية الأبعاد كثيرًا جدًا.
علاوة على ذلك ، سيستمر نموذج الذكاء الاصطناعي السابق في تراكم أخطاء التكرار أثناء عملية التنبؤ ، مما سيؤثر بسهولة على دقة النتائج.
لذلك ، لم تكن طرق التنبؤ بالذكاء الاصطناعي شائعة.
إن نموذج Pangu للأرصاد الجوية واسع النطاق رائع ، فقد استخدموا شبكة عصبية ثلاثية الأبعاد تسمى 3DEST لمعالجة بيانات الأرصاد الجوية. إذا لم تستطع ثنائية الأبعاد فعل ذلك ، فيمكنهم استخدام 3D.
*** تدريب شبكة 3DEST واستراتيجية الاستدلال ***
بهدف معالجة مشكلة خطأ التكرار ، يستخدم النموذج أيضًا "استراتيجية تجميع المجال الزمني الهرمي" لتقليل خطأ التكرار وتحسين دقة التنبؤ.
على الرغم من أن هذه الكلمة تبدو سهلة الخداع ، إلا أنها في الواقع سهلة الفهم.
على سبيل المثال ، نموذج التنبؤ الجوي السابق بالذكاء الاصطناعي FourCastNet ، قبل أن يأتي الإعصار ، سوف يقوم بالتنبؤ قبل 6 ساعات ، وخلال هذه الساعات الست ، سيحسب النموذج بشكل متكرر متى سيأتي الإعصار.
يمكن حسابها لمدة 5 ساعات لفترة ، و 4 ساعات ونصف لفترة ، وسيكون الخطأ كبيرًا إذا تم إضافة هذه النتائج معًا.
لكن نموذج Pangu Meteorological Large Model فكر في طريقة لتدريب 4 نماذج بفترات تنبؤ مختلفة ، وتكرار واحد لكل ساعة ، وتكرار واحد لكل 3 ساعات و 6 ساعات و 24 ساعة.
بعد ذلك ، وفقًا لمتطلبات توقعات الطقس المحددة ، حدد النموذج المقابل للتكرار.
على سبيل المثال ، إذا أردنا التنبؤ بحالة الطقس في الأيام السبعة المقبلة ، دع نموذج الـ 24 ساعة يتكرر 7 مرات ؛ توقع 20 ساعة يعني 3 تكرارات للنموذج المكون من 6 ساعات + تكرارتان لنموذج الساعة الواحدة.
** كلما قل عدد التكرارات ، قل الخطأ. **
أدت هذه الموجة من العمليات إلى رفع مستوى التنبؤ بالطقس إلى مستوى جديد.
ومع ذلك ، قد يكون بعض الأصدقاء قد بدأوا في الغمغمة. جميع النماذج الكبيرة للأشخاص هي صور ونصوص تم إنشاؤها. كيف أصبحت Huawei توقعات الطقس؟
هناك شيء واحد يمكن قوله ، نموذج Pangu هذا يختلف بالفعل عن ChatGPT و Midjourney التي اتصلنا بها من قبل ، فهم يقومون بأعمال تجارية في هذه الصناعة.
لفهمها ببساطة ، فهذا يعني أننا شخصياً لا نستخدم نموذج Pangu.
ليس الأمر "العدو" الذي يتوقعه الجميع في ChatGPT ، ولكنه يستهدف سوق To B الذي لا يمكن الوصول إليه عادةً. **
دعنا لا نذكر الصعوبة أم لا ، على الأقل من السهل حقًا صرف موارد عملاء المؤسسات التي جمعتها Huawei على مر السنين.
علاوة على ذلك ، لم يكتف مؤتمر هواوي الصحفي هذه المرة بالدور القاسي لنموذج التنبؤ بالطقس.
لم يتم اكتشاف أي مضادات حيوية جديدة منذ أكثر من 40 عامًا ، وتم العثور على العقار الفائق المضاد للبكتيريا Drug X بمجرد ظهور النموذج الجزيئي لعقار Pangea ، وتم تقصير دورة تطوير الدواء من عدة سنوات إلى عدة أشهر ، والبحث والتطوير تم تخفيض التكاليف بنسبة 70٪.
يمكن للنموذج الكبير لمنجم Pangu أن يتعمق أيضًا في أكثر من 1000 عملية لتعدين الفحم ، ويمكن أن يؤدي اختيار الفحم النظيف وحده إلى زيادة معدل استرداد الفحم النظيف بنسبة 0.1٪ إلى 0.2٪.
كما تعلم ، بالنسبة لمصنع تحضير الفحم الذي يبلغ إنتاجه السنوي 10 ملايين طن من فحم الكوك ، فإن كل زيادة بنسبة 0.1٪ في معدل إنتاج الفحم النظيف يمكن أن تزيد الأرباح السنوية بمقدار 10 ملايين.
** هذا كله نقود بيضاء. . . **
في الواقع ، بالإضافة إلى التنبؤ بالطقس وتطوير الأدوية وإعداد الفحم المذكورة أعلاه ، فقد تم استخدام نموذج بانجيا في العديد من الصناعات.
في المؤتمر الصحفي ، قال تيان تشي ، كبير العلماء في HUAWEI CLOUD AI ، إنه تم تطبيق مشاريع HUAWEI CLOUD AI على أكثر من 1000 مشروع ، يستخدم 30 ٪ منها في نظام الإنتاج الأساسي للعميل ، مما يعزز ربحية العملاء بمتوسط قدره 18٪.
هواوي قادرة على إنتاج كميات كبيرة من هذه النماذج الكبيرة من مختلف الصناعات ، وذلك بفضل البنية ثلاثية الطبقات 5 + N + X من Huawei Pangu Model 3.0.
هذا الهيكل هو الذي يسمح لشركة Pangu بالهبوط بسرعة في مختلف الصناعات.
لماذا تقول هذا؟
نظرًا لأن الذكاء الاصطناعي ينطلق في الصناعة ، فإن البيانات تمثل صعوبة كبيرة.
وقال تشانغ بينجان في المؤتمر الصحفي ، "بسبب صعوبة الحصول على بيانات الصناعة وصعوبة الجمع بين التكنولوجيا والصناعة ، كان تنفيذ النماذج الكبيرة في الصناعة بطيئًا."
** إن Pangu بارعة للغاية ، من خلال البنية ثلاثية المستويات 5 + N + X ، قسمت هذه المشكلة الكبيرة مباشرة إلى 3 مشاكل صغيرة لحلها. **
بادئ ذي بدء ، تعلمت النماذج الخمسة الكبيرة لطبقة Pangu's L0 مئات تيرابايت من البيانات النصية مثل معرفة الموسوعة ، والأعمال الأدبية ، ورموز البرامج ، ومليارات من صور الإنترنت مع تسميات نصية.
يمكننا أن نفهم أنه يجب أولاً السماح للنماذج الكبيرة من المستوى الأول L0 (النماذج الخمسة الأساسية الكبيرة للنموذج الكبير للغة الطبيعية ، والنموذج البصري الكبير ، والنموذج الكبير متعدد الوسائط ، والنموذج الكبير للتنبؤ ، والنموذج الكبير للحوسبة العلمية) بإنشاء التعرف الأساسي. يشبه إلى حد ما مرحلة التعليم الجيد قبل جامعتنا.
بعد ذلك ، يتم تشكيل النموذج في الطبقة الثانية L1 من خلال تعلم بيانات الصناعات ذات الصلة بـ N من نموذج أساسي كبير معين في L0. هذا يشبه المرحلة الجامعية في الجامعة ، حيث تحتاج إلى اختيار مجموعة متنوعة من التخصصات للدراسة.
على سبيل المثال ، يستخدم فحص الصور المقطعية المحوسبة في المستشفى وفحص جودة الصورة في المصنع نماذج بصرية كبيرة.
لكن بعد كل شيء ، أحدهما مستشفى والآخر مصنع ، وسيناريوهات الاستخدام مختلفة تمامًا. لن يعمل بالتأكيد الاعتماد على النموذج الأساسي الكبير وحده ، ولكن إذا تمت إضافة بيانات الصناعة ، فقد تكون هناك مفاجآت.
يشبه L2 الأخير طلاب الدراسات العليا ، وسيتم صقله إلى مشهد معين على أساس صناعات محددة. على سبيل المثال ، في صناعة المستودعات والخدمات اللوجستية ، قد تكون هناك حاجة إلى نماذج نشر مختلفة للنقل والتخزين وصادر البضائع.
في الوقت نفسه ، أضافت Huawei أيضًا رابطًا للتعليقات ، والذي يشبه إلى حد ما فترة تدريب في الشركة.
وفقًا لهم ، عادةً ما يستغرق الأمر 5 أشهر لتطوير نموذج صناعة بمقياس GPT-3 في الماضي ؛ باستخدام هذه المجموعة من الأدوات ، يمكن تقصير دورة التطوير إلى 1/5 من النسخة الأصلية.
في الوقت نفسه ، يمكن أيضًا حل قيود مجموعات البيانات الصغيرة في العديد من الصناعات. على سبيل المثال ، يمكن أن تحتوي صناعة مفصلة للغاية مثل صناعة الطائرات الكبيرة على نماذج كبيرة.
بالإضافة إلى هذه المجموعة من الطرز الكبيرة ، اقترحت Huawei أيضًا شيئًا مثيرًا للاهتمام في هذا الوقت - توطين قوة الحوسبة.
كما نعلم جميعًا ، نشعر بالحرج حقًا فيما يتعلق بقوة الحوسبة بالذكاء الاصطناعي.
أولاً ، لا يمكننا شراء Nvidia's H100 / A100 ، المعدات الأساسية لصناعة الذكاء الاصطناعي.ثانيًا ، حتى لو أصدرت Nvidia "بشكل وثيق" بديلاً لـ H800 ، فلا يزال لدينا تحفظات. على سبيل المثال ، تم قطع معدل الإرسال كثيرًا.
في سياق نموذج كبير يستغرق تدريبه عدة أشهر ، من السهل أن يتفوق عليه نظراء أجانب يتمتعون بقدرة حاسوبية أقوى.
وهذه المرة ، لحل هذه المشكلة ، لا تزال Huawei تقضي على بعض اللاعبين الحقيقيين.
على سبيل المثال ، من حيث الأداء على الورق ، فإن معالج Huawei Ascend 910 أفضل بالفعل من Nvidia's A100.
ومع ذلك ، من الناحية العملية ، لا تزال هناك بعض الثغرات. و A100 ليس سلاح Nvidia النهائي أيضًا.
ومع ذلك ، فقد تم التعرف على Shengteng من قبل العديد من الأصدقاء. حتى أن شركة Huawei صرحت بشكل مباشر في المؤتمر الصحفي أن "قوة الحوسبة لنصف النماذج الصينية الكبيرة يتم توفيرها من خلالهم".
بالطبع ، من المرجح أن تكون النقاط المضيئة في Huawei في قوة الحوسبة في الوقت الحالي ناتجة عن النظام البيئي للبرنامج بأكمله.
على سبيل المثال ، وفقًا للمؤتمر الصحفي ، احتسب قاعدة طاقة الحوسبة السحابية AI Ascend وإطار عمل الحوسبة CANN. . . في جوانب أخرى ، تبلغ كفاءة Huawei في تدريب النماذج الكبيرة 1.1 ضعف كفاءة وحدات معالجة الرسومات السائدة في الصناعة.
أيضًا ، قاموا بتطوير مجموعة كاملة من حزم التطبيقات للمستخدمين.
على سبيل المثال ، رحلت Meitu 70 طرازًا إلى Huawei Ecosystem في 30 يومًا فقط. في الوقت نفسه ، صرحت Huawei أيضًا أنه ** بجهود الطرفين ، تحسن أداء الذكاء الاصطناعي بنسبة 30٪ مقارنة بالحل الأصلي. **
لا يزال مثيرًا للإعجاب.
علاوة على ذلك ، قالت Huawei أيضًا أن لديها الآن ما يقرب من 4 ملايين مطور.هذا الرقم يتوافق مع نظام NVIDIA CUDA البيئي.
يمكن اعتبار هذه السلسلة من الإجراءات على أنها تعويض عن جزء من أوجه القصور. **
** بشكل عام ، بعد مشاهدة مؤتمر صحفي لهواوي ، ** يشعر المراجعون السيئون أن تخطيط Huawei في الذكاء الاصطناعي عميق جدًا ، وقد بدأوا بالفعل في التفكير في مسألة "ما يمكن أن يجلبه لنا الذكاء الاصطناعي حقًا".
في الأشهر الستة الماضية ، على الرغم من أن صناعة الذكاء الاصطناعي قد تلقت تصفيقًا مدويًا ، إلا أنها محرجة إلى حد ما عندما تنخفض حقًا إلى مستوى الصناعة.
وهذا الإجراء من Huawei أكد للتو ما قاله Ren Zhengfei:
** "في المستقبل ، سيكون هناك طفرة في نماذج الذكاء الاصطناعي الكبيرة ، وليس فقط Microsoft. قد تكون المساهمة المباشرة لشركات منصات برامج الذكاء الاصطناعي في المجتمع البشري أقل من 2٪ ، و 98٪ هو تعزيز المجتمع الصناعي و المجتمع الزراعي. "* *
في مجال الذكاء الاصطناعي ، لم يأت العصر الحقيقي الكبير بعد.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
نموذج Huawei الكبير هنا أخيرًا ، تقييمي: صادم للغاية
المصدر الأصلي: مراجعة سيئة
هواوي ، التي قيل دائمًا أنها متخلفة في منافسة النماذج واسعة النطاق ، جاءت أخيرًا مع رفاقها هذه المرة.
لا ، في مؤتمر مطوري Huawei 2023 أمس ، عرضت Huawei.
لا يزال المؤتمر الصحفي الذي استمر ما يقرب من ثلاث ساعات ورث أسلوب hodgepodge السابق من Huawei ، مما جعل Shichao مبهورًا.
ومع ذلك ، فإن تلخيصها يسلط الضوء في الواقع على موضوع: Pangu Large Model 3.0.
والأهم من ذلك أن دقة التنبؤ الخاصة به تفوق حتى نظام IFS الخاص بالمركز الأوروبي للأرصاد الجوية ، والذي يُعرف بأنه الأقوى في العالم ، وهو أول منتج تنبؤ بالذكاء الاصطناعي يفوز بالتنبؤ العددي التقليدي.
علاوة على ذلك ، سيستمر نموذج الذكاء الاصطناعي السابق في تراكم أخطاء التكرار أثناء عملية التنبؤ ، مما سيؤثر بسهولة على دقة النتائج.
لذلك ، لم تكن طرق التنبؤ بالذكاء الاصطناعي شائعة.
إن نموذج Pangu للأرصاد الجوية واسع النطاق رائع ، فقد استخدموا شبكة عصبية ثلاثية الأبعاد تسمى 3DEST لمعالجة بيانات الأرصاد الجوية. إذا لم تستطع ثنائية الأبعاد فعل ذلك ، فيمكنهم استخدام 3D.
*** تدريب شبكة 3DEST واستراتيجية الاستدلال ***
على الرغم من أن هذه الكلمة تبدو سهلة الخداع ، إلا أنها في الواقع سهلة الفهم.
على سبيل المثال ، نموذج التنبؤ الجوي السابق بالذكاء الاصطناعي FourCastNet ، قبل أن يأتي الإعصار ، سوف يقوم بالتنبؤ قبل 6 ساعات ، وخلال هذه الساعات الست ، سيحسب النموذج بشكل متكرر متى سيأتي الإعصار.
يمكن حسابها لمدة 5 ساعات لفترة ، و 4 ساعات ونصف لفترة ، وسيكون الخطأ كبيرًا إذا تم إضافة هذه النتائج معًا.
لكن نموذج Pangu Meteorological Large Model فكر في طريقة لتدريب 4 نماذج بفترات تنبؤ مختلفة ، وتكرار واحد لكل ساعة ، وتكرار واحد لكل 3 ساعات و 6 ساعات و 24 ساعة.
بعد ذلك ، وفقًا لمتطلبات توقعات الطقس المحددة ، حدد النموذج المقابل للتكرار.
** كلما قل عدد التكرارات ، قل الخطأ. **
أدت هذه الموجة من العمليات إلى رفع مستوى التنبؤ بالطقس إلى مستوى جديد.
ومع ذلك ، قد يكون بعض الأصدقاء قد بدأوا في الغمغمة. جميع النماذج الكبيرة للأشخاص هي صور ونصوص تم إنشاؤها. كيف أصبحت Huawei توقعات الطقس؟
هناك شيء واحد يمكن قوله ، نموذج Pangu هذا يختلف بالفعل عن ChatGPT و Midjourney التي اتصلنا بها من قبل ، فهم يقومون بأعمال تجارية في هذه الصناعة.
ليس الأمر "العدو" الذي يتوقعه الجميع في ChatGPT ، ولكنه يستهدف سوق To B الذي لا يمكن الوصول إليه عادةً. **
دعنا لا نذكر الصعوبة أم لا ، على الأقل من السهل حقًا صرف موارد عملاء المؤسسات التي جمعتها Huawei على مر السنين.
علاوة على ذلك ، لم يكتف مؤتمر هواوي الصحفي هذه المرة بالدور القاسي لنموذج التنبؤ بالطقس.
لم يتم اكتشاف أي مضادات حيوية جديدة منذ أكثر من 40 عامًا ، وتم العثور على العقار الفائق المضاد للبكتيريا Drug X بمجرد ظهور النموذج الجزيئي لعقار Pangea ، وتم تقصير دورة تطوير الدواء من عدة سنوات إلى عدة أشهر ، والبحث والتطوير تم تخفيض التكاليف بنسبة 70٪.
كما تعلم ، بالنسبة لمصنع تحضير الفحم الذي يبلغ إنتاجه السنوي 10 ملايين طن من فحم الكوك ، فإن كل زيادة بنسبة 0.1٪ في معدل إنتاج الفحم النظيف يمكن أن تزيد الأرباح السنوية بمقدار 10 ملايين.
** هذا كله نقود بيضاء. . . **
في الواقع ، بالإضافة إلى التنبؤ بالطقس وتطوير الأدوية وإعداد الفحم المذكورة أعلاه ، فقد تم استخدام نموذج بانجيا في العديد من الصناعات.
هواوي قادرة على إنتاج كميات كبيرة من هذه النماذج الكبيرة من مختلف الصناعات ، وذلك بفضل البنية ثلاثية الطبقات 5 + N + X من Huawei Pangu Model 3.0.
لماذا تقول هذا؟
نظرًا لأن الذكاء الاصطناعي ينطلق في الصناعة ، فإن البيانات تمثل صعوبة كبيرة.
وقال تشانغ بينجان في المؤتمر الصحفي ، "بسبب صعوبة الحصول على بيانات الصناعة وصعوبة الجمع بين التكنولوجيا والصناعة ، كان تنفيذ النماذج الكبيرة في الصناعة بطيئًا."
** إن Pangu بارعة للغاية ، من خلال البنية ثلاثية المستويات 5 + N + X ، قسمت هذه المشكلة الكبيرة مباشرة إلى 3 مشاكل صغيرة لحلها. **
بادئ ذي بدء ، تعلمت النماذج الخمسة الكبيرة لطبقة Pangu's L0 مئات تيرابايت من البيانات النصية مثل معرفة الموسوعة ، والأعمال الأدبية ، ورموز البرامج ، ومليارات من صور الإنترنت مع تسميات نصية.
بعد ذلك ، يتم تشكيل النموذج في الطبقة الثانية L1 من خلال تعلم بيانات الصناعات ذات الصلة بـ N من نموذج أساسي كبير معين في L0. هذا يشبه المرحلة الجامعية في الجامعة ، حيث تحتاج إلى اختيار مجموعة متنوعة من التخصصات للدراسة.
لكن بعد كل شيء ، أحدهما مستشفى والآخر مصنع ، وسيناريوهات الاستخدام مختلفة تمامًا. لن يعمل بالتأكيد الاعتماد على النموذج الأساسي الكبير وحده ، ولكن إذا تمت إضافة بيانات الصناعة ، فقد تكون هناك مفاجآت.
في الوقت نفسه ، أضافت Huawei أيضًا رابطًا للتعليقات ، والذي يشبه إلى حد ما فترة تدريب في الشركة.
وفقًا لهم ، عادةً ما يستغرق الأمر 5 أشهر لتطوير نموذج صناعة بمقياس GPT-3 في الماضي ؛ باستخدام هذه المجموعة من الأدوات ، يمكن تقصير دورة التطوير إلى 1/5 من النسخة الأصلية.
في الوقت نفسه ، يمكن أيضًا حل قيود مجموعات البيانات الصغيرة في العديد من الصناعات. على سبيل المثال ، يمكن أن تحتوي صناعة مفصلة للغاية مثل صناعة الطائرات الكبيرة على نماذج كبيرة.
كما نعلم جميعًا ، نشعر بالحرج حقًا فيما يتعلق بقوة الحوسبة بالذكاء الاصطناعي.
أولاً ، لا يمكننا شراء Nvidia's H100 / A100 ، المعدات الأساسية لصناعة الذكاء الاصطناعي.ثانيًا ، حتى لو أصدرت Nvidia "بشكل وثيق" بديلاً لـ H800 ، فلا يزال لدينا تحفظات. على سبيل المثال ، تم قطع معدل الإرسال كثيرًا.
في سياق نموذج كبير يستغرق تدريبه عدة أشهر ، من السهل أن يتفوق عليه نظراء أجانب يتمتعون بقدرة حاسوبية أقوى.
وهذه المرة ، لحل هذه المشكلة ، لا تزال Huawei تقضي على بعض اللاعبين الحقيقيين.
ومع ذلك ، من الناحية العملية ، لا تزال هناك بعض الثغرات. و A100 ليس سلاح Nvidia النهائي أيضًا.
على سبيل المثال ، وفقًا للمؤتمر الصحفي ، احتسب قاعدة طاقة الحوسبة السحابية AI Ascend وإطار عمل الحوسبة CANN. . . في جوانب أخرى ، تبلغ كفاءة Huawei في تدريب النماذج الكبيرة 1.1 ضعف كفاءة وحدات معالجة الرسومات السائدة في الصناعة.
لا يزال مثيرًا للإعجاب.
علاوة على ذلك ، قالت Huawei أيضًا أن لديها الآن ما يقرب من 4 ملايين مطور.هذا الرقم يتوافق مع نظام NVIDIA CUDA البيئي.
** بشكل عام ، بعد مشاهدة مؤتمر صحفي لهواوي ، ** يشعر المراجعون السيئون أن تخطيط Huawei في الذكاء الاصطناعي عميق جدًا ، وقد بدأوا بالفعل في التفكير في مسألة "ما يمكن أن يجلبه لنا الذكاء الاصطناعي حقًا".
في الأشهر الستة الماضية ، على الرغم من أن صناعة الذكاء الاصطناعي قد تلقت تصفيقًا مدويًا ، إلا أنها محرجة إلى حد ما عندما تنخفض حقًا إلى مستوى الصناعة.
وهذا الإجراء من Huawei أكد للتو ما قاله Ren Zhengfei:
** "في المستقبل ، سيكون هناك طفرة في نماذج الذكاء الاصطناعي الكبيرة ، وليس فقط Microsoft. قد تكون المساهمة المباشرة لشركات منصات برامج الذكاء الاصطناعي في المجتمع البشري أقل من 2٪ ، و 98٪ هو تعزيز المجتمع الصناعي و المجتمع الزراعي. "* *
في مجال الذكاء الاصطناعي ، لم يأت العصر الحقيقي الكبير بعد.