BBSの北京インテリジェントネットワークモデルで開催された2023 AIネットワークイノベーション会議、ZTEケーブル製品モデルのシニアアーキテクトJi'an-guo Luは、知恵ネットワークを作成しました。
Lu Jianguoは、AI Enabling、Digital Twin、Dentive Driveなどの多くの主要なテクノロジーが、L4からL5への自己intelligenceネットワークのインテリジェンスレベルをサポートし、自己intelligenceネットワークを繰り返して進化させて自己intelligenceを完了するようにすると述べました。これらの主要なテクノロジーの中で、AIは最も重要なエンジンであり、大規模なモデルがAIテクノロジーの鍵です。
Lu Jianguoは、大規模なモデルを自己intelligenceネットワークに適用する方法で、大規模なモデルにはスーパー生成能力があり、多くのスキームを迅速に生成できると紹介しました。知的ネットワーク操作のために、最適なソリューション、すべての可能なプロセスにセットされた高次元空間に相当する多数の操作ステップを実装する必要性など、NP（多項式ではない）問題などの一般的なソリューションの大きなモデル、多数のサンプル、評価、最適化、反復が効率的な剪定に迅速にアプローチすることができます。ただし、大規模なモデルは多くのスキームを生成しますが、これらのスキームが有用であることを保証することは困難です。大規模なモデルには一定の思考能力がありますが、複雑な論理を扱う際には、人間の介入が必要です。この問題を解決するために、ZTEは、モデルの漸進的なトレーニングと微調整のプロセスに専門家のエクスペリエンスを統合して、閉ループの反復を形成することを提案します。このようにして、手動フィードバック強化学習からツールフィードバック強化学習へのスムーズな遷移を実現できます。これは、一方では大規模なモデルの生成能力を効果的に利用し、他方では、生成された診断スキームが正確で信頼性があることを確認できます。このスキームでは、知識エンジニアリングと組み合わせた運用およびメンテナンスの知識マップを構築するための重要なリンクです。データフライホイールスキームの生成は、モデルの幻想を回避し、生成スキームの信頼性と精度を確保するために、操作およびメンテナンスの知識マップに基づいています。この知識グラフベースのアプローチは、専門家のエクスペリエンスとモデル生成機能をよりよく統合し、より信頼性の高いソリューションを提供できます。
大規模モデルのアプリケーションロジック設計のために、Lu Jianguoはさらに、ZTEが迅速なエンジニアリングに基づいてモデル駆動型の閉ループ法を採用することを紹介しました。設計の本質は、人間言語の構造化された表現（プロンプトテンプレート）を入力として取得し、大規模なモデルを介して構造化された出力（配置スキーム）を生成し、最後にアプリケーションフレームワークのインタラクティブな実行を組み合わせることです。上記のロジックを実現するために、ZTEは、マルチモーダル能力の進化、コーパスの準備、リソース関係知識グラフ知識噴射、原子APIコーパスリザーブ /原子API機能リザーブ、人工シミュレーション障害環境、デジタルツイン自動障害シミュレーション環境、ツール準備など、多くの側面から技術的な準備を行います。
Lu Jianguoは最終的に、大きなモデルの主な価値はその出現能力にある、つまり、既存の知識を組み合わせることで革新を生み出すことができると述べました。ただし、この緊急能力の実現は、高品質のデータ生産、受け入れ、および降水量に依存します。データの巧妙なサイクルは決定要因です。
投稿時間：2023年11月20日