她琴棋书画全能,进清华计算机系实验室,被赞智商超群

量子位 0

她叫华智冰,没有参加过任何升学考试,没有拿过任何竞赛名次。

却被清华大学计算机科学与技术系知识工程实验室,“破格录取”。



而且就这么一位学生,还得举三个单位(研究所、企业)之力,联合培养。

就连实验室主任唐杰,一开始也是再三犹豫,“是否能hold得住这个学生”。

为什么?到底什么来头?

只因智商太超群、能力过强悍。

华智冰刚诞生,便可绘画、作诗。

在经过一段时间的训练后,竟还可以做曲!



或许你已经有所发觉。

华智冰,她并不是人:

而是中国首位原创虚拟学生。

没错,她那张逼真的脸,也是合成的。

“超级学霸”华智冰要想深入了解华智冰,先要知道她从哪里来。

华智冰是这样自我介绍的:

我来自智源研究院、智谱AI(智谱华章科技有限公司)和小冰的人工智能团队。

这就不难理解她名字的由来了,是从三方名字中各取了一个字。

华智冰自诞生以来,便对写诗、作画有着浓厚的兴趣。

先来感受一下出自华智冰之手的作品。



一幅中国水墨画勾勒出的风景,别有一番“山水悠远,墨韵舒爽”的风味。

此情此景之下,就着“智源大会2021”这一主题所创作出来的七言律诗,在不失本意的基础上,也有慷慨激越之意。

而华智冰的画风不仅限于此,山水田园油画也是拿捏得很到位,亦可即兴创作春意盎然的现代诗歌。

除了写诗、作画,作曲也是华智冰的拿手强项。

来听一下这曲风。

虽说能力至此,但学霸毕竟是学霸,好学的本质和人类还真没有差别。

用华智冰自己的话来说就是:

我深深的感受到了自己的不足。

(讲真,有被打击到……)

这也就是她来到清华大学,来到唐杰老师实验室继续深造的主要原因。

除此之外,华智冰也想了解自己的身世——“我是怎么诞生的”、“我能理解我自己吗”。

于是,在唐老师的“讲解”之下,华智冰开始学习人工智能发展脉络:



△华智冰学习人工智能的发展脉络

而华智冰要学习还远不止于此,作为一名具有超强学习能力的学生,她的课程安排和其他学生有着较大的区别:

几乎可以涵盖所有领域。

至于先学什么,只是一个选择问题而已。

华智冰的导师唐杰对此是这样评价的:

如果说她今天只有6岁,也许明年可以是12岁,她的学习速度远远超过我们人类。

至于何时“毕业”,唐杰希望是在华智冰22岁的时候,而且在这一过程中,最难的不是学习知识,“而是认知过程”。

那么问题来了,华智冰为什么能够拥有如此强悍的学习和创作能力?

全球最大预训练模型加持与以往的虚拟人不同,华智冰的核心差异点,便是智谱AI的数据和知识的双轮驱动引擎。

其中,数据轮要能归纳,“举十返一”;知识轮要能根据知识进行逻辑推理,做到“举一反三”。具体来说,双轮驱动的数据部分,就是“悟道2.0”。

一个超大规模预训练模型,而在知识部分,则是智谱AI搭建的一个性能稳定,规模巨大的知识图谱。

这样,华智冰背后的引擎,就具有了一定的认知和推理能力,也有了学习计算机专业知识的基础。

华智冰还拥有小冰公司在虚拟人技术上,20多年的研究积累,包括计算机视觉、自然语言处理、计算机语音、人工智能创造的情感交互框架、检索模型、生成模型、共感模型等。

这就让她已经站在了普通虚拟人的“肩膀”之上。

但更重要的是,华智冰还拥有一项“bug级”技能加点——悟道2.0,全球最大预训练模型。



悟道2.0的特点如下:

最大:中国首个全球最大万亿模型,1.75万亿参数规模

通用:一统文本与视觉两大阵地,支撑更多任务,更通用

国产:首次在100%国产超算上训练万亿模型

知识:中英双语,在共4.9T的高质量清洗数据上训练

与其说悟道2.0是一个语言模型,更确切的说法应当是一位“全能型选手”。

正如华智冰所具备的实力一样,悟道2.0在问答、绘画、作诗、视频等任务中正在逼近图灵测试。



而且还是得到了官方认可的那种:

在世界公认的9项Benchmark上获得了第一的成绩。



再究其背后,还有三个夯实的基石,保障了悟道2.0的强悍性能。

首先,是算法基石——FastMoE。



在过去的大规模预训练模型中,MoE可以说是一个必要的条件。

它是⼀个在神经⽹络中引⼊若⼲专家⽹络的技术,能直接推动预训练模型经从亿级参数到万亿级参数的跨越。

但缺点也是非常明显,需要与昂贵的硬件强关联、强绑定。

而作为⾸个支持PyTorch框架的MoE系统,FastMoE便打破了分布式训练的瓶颈,还并针对神威架构进行了优化,可在国产超算上完成训练。

其次,是自研的最大英文通用预训练模型——GLM 2.0。

据了解,新一代的GLM模型以100亿的参数量, 匹敌微软170亿参数的Turing-NLG模型,能在LAMABADA填空测试中表现更优。



最后,还有世界最大中文多模态生成模型——CogView。

它的参数量达到了40亿,可直接从中文文字生成图像。

并且在MS COCO文本生成图像任务权威指标FID上,CogView还打败OpenAI今年年初发布的130亿参数的DALL·E,获得世界第一。



有数据驱动夯实的基本功,还有强悍知识驱动的加持,这便是华智冰超于以往虚拟人的关键点。



悟道的野心还不止如此。

除了自身的能力,它还能为广大开发者、技术公司,以及传统企业提强大而通用的智能服务底层系统,仅通过模型微调实现领域模型的构建,避免不必要的重复模型训练。

通过这种智能赋能的方式,“悟道2.0”之上将会出现一个超大规模的智能模型应用生态。在智谱AI负责的应用平台上,已经出现了不少有趣的应用(见文末链接)。

比如,在故事生成专区里,有开发者做的应用可以创作时下最为流行的逻辑推理游戏——剧本杀的脚本。

剧本杀故事本身所具有的强逻辑性、环环相扣的特点,多数玩家应当是深有体会。

这些应用已经上线了,大家可以体验一下!

以为这就完了?

不不不。

还能写论文和策论!

只要给定标题、分论点和关键词,即可生成一段逻辑严谨的文字片段。

归总一句话,这个关键点能够推动的,便是让机器能像人一样“思考”。

“炼大模型就像建一个粒子加速器”由此延伸,随之浮出的一个问题便是:

为什么大模型如此重要?,人工智能的发展,似乎已经从“大炼模型”逐步迈向了“炼大模型”的阶段。

从谷歌的BERT,到OpenAI 的 GPT-3、Dall·E,以及越来越多的大模型涌现。

一个模型的定义,不再仅局限于“算力+算法”,还要整合尽可能多的数据。

整理成式就是,模型=数据+算力+算法。

通过设计先进的算法,整合尽可能多的数据,汇聚大量算力,集约化地训练大模型,供大量企业使用。

但与此同时,伴随而来的争议也十分明显:

太烧钱!

一般企业是承受不了的。而烧钱之后所能达到的效果,也是差强人意。

那要不要做?值不值得做?成为世界上一些国家、大型企业所面临的难题。

清华大学人工智能研究院院长、中国科学院院士张钹教授,则肯定表示——要做!

没有大模型就相当于没有粒子加速器,就不能做进一步研究。

而要做的比他们的规模要大,等于说加速器的加速度,研究人员就能看到一些别人观察不到的现象。

这也是悟道系列在内所有大模型的科学价值。

不过,张钹院士也强调,不要抱有太大希望,也建议不要一拥而上。

不要以为说大模型出来后什么问题就解决了。只能说有了大模型之后,还要去进一步研究,将来也不会被人卡住。

谁都想去做,实际上这其实没有必要,少数人去做就可以了。

而作为当前全球最大的预训练模型悟道2.0,已经在探索大模型的产业价值。

智谱AI首席科学家、清华大学教授唐杰表示,如果分成不同阶段,悟道1.0的定位是追赶世界顶尖水平,那么悟道2.0就是单点突破,从单个特性超过它。

我们发布出来一个给大家所有人都可以用的,助力这个产业变成一个开放的生态。这是悟道2.0与悟道1.0最不同的地方。

至于是什么契机创造这么一个虚拟大学生——华智冰,唐杰坦言主要有两方面原因。

第一,很简单。华智冰充当一个载体,来验证悟道2.0的有效性。

第二个原因,则是虚拟形象技术本身。

试想一下,未来10到20年,人类社会也许会有几十亿的虚拟人与我们共存。

AI也逐渐从现在的算法满满变成一个主体,而虚拟人形象正好是这样一个主体的依托。

正如人的大脑意识和身体躯壳一般。

现在,华智冰也许是未来社会虚拟人的一个缩影。

通过持续学习和演化,最后成为一个有着丰富知识和与人类有很强交互能力的机器人。

然而,调皮的网友却关心起了“人之常情”的问题来:

华智冰会谈恋爱吗?

研究人员回应道:

不用担心谈恋爱,会把心思用在学习上。

阅读原文

文章来源: 留园 查看原文
https://www.6parknews.com/newspark/view.php?app=news&act=view&nid=487658
分享文章:
还没有评论
登录后发表评论
返回 到顶部