Tänu suurest keelemudelist ajendatud tehisintellekti arengule on graafilise ikonograafia uurimine ja rakendamine avanud uue võimaluse, mis soodustab suure keelemudeli arengut suureks visioonimudeliks." 30. detsembril 2023. aastavahetuse ja aastavahetuse puhul jagas Hiina Tehnikaakadeemia akadeemik ja robotite visuaalse taju ja juhtimistehnoloogia riikliku inseneriuuringute keskuse direktor Wang Yaonan uusimaid suundumusi masinnägemise intelligentsuse arendamisel. Hiina Graafilise Graafika Seltsi 19. noorte teadlaste konverentsil.
Eksklusiivses intervjuus Nandu reporterile ütles Wang Yaonan, et tehisintellekt muudab masinnägemise intelligentseks ning suurem aritmeetiline võimsus võib toetada suurte visuaalsete mudelite treenimist. Nutikamad suure visiooni mudelid vajavad aga ka kõrgemaid aritmeetilisi tasemeid, paremaid mudeliarhitektuure ja tõhusamaid õppealgoritme.
Selle konverentsi korraldavad Hiina pildigraafika selts, Pazhou labor, Lõuna-Hiina tehnikaülikool, Sun Yat-seni ülikool ja Hiina pildigraafika ühingu noorte töökomitee.
Rääkides tööstuse trendidest
Visuaalsest andmetöötlusest visuaalse intelligentsuseni
Yao-Nan Wang: Hiina masinnägemisuuringute ajalugu on olnud ligi 40 aastat, algselt alustati andurite uurimisest, see tähendab valgusteabe teisendamiseks pilditeabeks. Järgmine asi, mida teha, on nägemise töötlemine, sealhulgas saadud pildi täiustamine, et see oleks selgem.
Pärast selge pildi saamist peame pildilt saama meid huvitava sihtmärgi. Näiteks juhita sõidu vallas peab masinnägemine tuvastama pildil olevad sihtmärgid, et vastata küsimusele, kumb on inimene ja kumb auto.
Neid me nimetame masinnägemise kolmeks peamiseks valdkonnaks. Ma taandan selle järgmisele: pildistamine, töötlemine ja mõistmine.
Masinnägemine on minevikus liikunud visuaalsest andmetöötlusest tänapäeval visuaalsele intelligentsusele. Visuaalne andmetöötlus koos tehisintellektiga on parandanud tunnetuse taset ja parandanud keeruliste keskkondade mõistmise võimet ning kogu visuaalse intelligentsi tööstus on viimase aasta jooksul näinud kiiret arengut.
Masinnägemise intelligentsuse arendamise suund on viia läbi mitmesuguseid rakendusi, mida rakendatakse tööstusliku kontrolli, intelligentse tootmise ja satelliitkaugseire ja muudes valdkondades.
Rääkides masinnägemisest, peame rääkima selle rakendusest, rakenduspõhisest tehnoloogia arendamisest. Hiina pildigraafika ühingul on 30 erikomiteed, mis keskenduvad peamiselt graafilistele piltidele, et viia läbi teadusuuringuid ja teenida riigi majandust. Nendel tehnoloogiatel on lai valik rakendusstsenaariume, sealhulgas tööstus, põllumajandus, geograafilised infosüsteemid, kaugseire, maaressursid ja nii edasi.
Inimene saab maailma näha juba sündides ja pärast seda mõista ning 80% teabest saadakse nägemise kaudu. Masinnägemise eesmärk on simuleerida inimsilma ja jõuda lõpuks inimsilma tasemele ja mõnes aspektis ületada inimsilma, et näha kaugemale, näha selgemalt.
Rääkige suurest visioonimudelist
Suur visuaalne mudel muutub üha intelligentsemaks
Yao-Nan Wang: Big Language Model on andmepõhine tehisintellekt, mis kasutab raamatutest, keelest ja tekstist saadud teadmisi andmetena, et treenida närvivõrgu mudelit, mis suudab õpitu põhjal arutleda ja vastata.
Seevastu suure visuaalse mudeli andmed pärinevad peamiselt erinevatest piltidest, sealhulgas inimeste ja looduse loodud visuaalsetest andmetest. Näiteks meditsiinilise suure visuaalse mudeli eesmärk on sisestada inimorganite ja kahjustuste kujutised visuaalsete andmetena suurde mudelisse ja seejärel treenida neid hankima, et see saaks lugeda CT-fotosid nagu arst ja saavutada patsiendi seisundi selgitamine pärast fotode tegemist, kui patsient tuleb arsti juurde.
Praegusel visuaalsel mudelil pole sama, mis inimese ajul, nagu me ette kujutame, vahe on ikka väga suur. Õpiandmete suurenemise ja mudeli parameetrite korrigeerimisega muutub mudel aina suuremaks ja aina rohkem teadmisi ning tema intelligentsuse tase aina kõrgemaks ja targemaks.
Peame suurendama aritmeetilise võimsuse taset ja kiirendama arvutuskiirust, et saaksime kiiremini mudeleid koostada; kujundada paremaid mudeliarhitektuure, sealhulgas rohkem tõlgendatavust ning turvalisemat ja kontrollitavamat; ja uurida tõhusamaid õppealgoritme.
Tegelikult pole visuaalne makromodelleerimine viimastel aastatel uus asi, seda on arendatud samm-sammult. 1980. aastatel, tehisintellekti arenedes, hakati närvivõrke uurima. Asi on selles, et viimastel aastatel on aritmeetilised ja algoritmilised võimalused kasvanud, nii et inimesed saavad proovida ehitada suuri mudeleid, mis tekitavad suuri keelemudeleid ja suuri visuaalseid mudeleid. Varem, kui aritmeetilist jõudu polnud piisavalt, ei teinud inimesed nii suuri mudeleid.
Rääkides 2024. aasta väljavaadetest
Loodame, et äri kasvab Guangzhoust tervele riigile ja maailmale.
Yaonan Wang: Hunani ülikooli robotite visuaalse taju ja juhtimistehnoloogia riiklik inseneriuuringute keskus kolis 2022. aastal Guangzhou Zengchengi, mis asub Guangdongi-Hongkongi-Macao Suurlahe piirkonnas ja asutas HU Guangdongi-Hongkongi-Macao Suurlahe. Area Innovation Research Institute (Guangzhou Zengcheng).
Instituut keskendub intelligentse nägemise uurimisele ja rakendamisele masinate, sealhulgas spetsiaalsete töörobotite jaoks intelligentse tootmise, meditsiini ja farmaatsia valdkondades, aga ka üldistatud suurte nägemismudelite jaoks. Näiteks rakendatakse neid uuringuid töötlevas tööstuses, mis võib asendada suure hulga töötajaid ja viia lõpule tootekvaliteedi kontrolli, eriti 3C ja tipptasemel osade tööstuses. Praegu on instituut välja töötanud tarkvara- ja riistvarasüsteeme, mille põhiülesanne on võimaldada Guangdongi ettevõtete digitaalset ja intelligentset ümberkujundamist ning edendada töötleva tööstuse arengut.
Lisaks teostab instituudis ka intelligentseid masinnägemis- ja juhtimissüsteeme, mida kasutatakse peamiselt tipptasemel intelligentsete seadmete, näiteks tööstusliku Interneti-tarkvara tootmisel, millel on väga suur hulk algoritme.
Guangdong on reformide ja avanemise esirinnas ning peamine majanduslik lahinguväli, kus on täielik tööstusahel ja tarneahel ning paljud tootmisettevõtted, jõudsime Guangdongi paigutusse esiteks turunõudluse tõttu. Lisaks on meie uurimiskeskuses Guangdongis mitmeid teadus- ja arendustegevuse meeskondi, mis on ellu viinud palju projekte, mis on muutnud teaduslikke ja tehnoloogilisi saavutusi.
2023. aasta esimesel poolel puutusime kokku väljakutsetega, peamiselt osade ja komponentide tarnimisel. 2024. aastal usun, et need probleemid lahendatakse ning Guangdongi tehisintellektitööstuse tööstusahel, tarneahel ning teadus- ja arendustegevuse võimalused paranevad. Suurel siseturul avatakse uued rajad. Elujõulises õhkkonnas, kus kõik võtavad initsiatiivi, tegutsevad ja uuendusi teevad, saab kõik väljakutsed lahendada.
Olen Guangdongi tehisintellektitööstuse arengus kindel. Viimase 30 aasta jooksul oleme teinud palju pingutusi, et olla teaduses ja tehnoloogias iseseisev ning kogunud palju teadusuuringute tulemusi. Guangdong on Hiina suurim majandusprovints.
Meiega tegelev tehisintellekti ja robootika valdkond on järele jõudnud heale võimalusele, mis on viimase kahe aastaga plahvatuslikult kasvanud, tuues sisse palju uusi turge ja tõmmates sisse uusi tööstusradasid. Nutiterminale tuleb tulevikus järjest juurde, mis toob kaasa ka tootmisruumide ja seadmetööstuse arengu. 2024. aastal loodan, et meie Guangzhou osariigis Zengchengis asuv uurimisinstituut suudab viia meie äri kogu riiki ja maailma.