第707章 伏羲

模型架构、并行训练、Ai根技术,通过分层解耦设计,模型可以根据用户需求进行定制和扩展。以及对自然语言处理、多模态处理……

在一众数学家、人工智能专家们还处于绞尽脑汁,春节都不愿回家的疯狂状态时,大夏新科的董事长周瑜,花费一个月的时间,就完成了经过魔改、本地化的人工智能Ai核心框架、逻辑程序、神经解析算法等一系列项目的搭建工作。

看着面前这稚嫩的程序意识,周瑜不由得心中感慨:“养一个千人智能程序团队,一个月的工资酬劳支出都上亿,我一个人吃饱了全家不饿,月消费一千都不到。

如果不是为了能够合理拿出这些跨时代技术,不被切片仔细研究,这些钱都能够买不少资源了。”

不过这种感慨只存在了几秒钟,周瑜就笑着摇了摇头。

现在自己能够一个人搞定一个项目,但是等这些工业项目发展规模越来越大之后,他一个人也是分身乏术。

虽然对于自己开发的这个人工智能程序很中意,但周瑜也知道,哪怕这个人工智能以后顺利成长为强人工智能,很多工作还是不会交由机器人和人工智能配合完成。

人类工程师、科学家以及一线的技术员工们,才会在日积月累的工作中,诞生创造性成果。

机器人需要维修保养,人工智能需要一直学习,依赖庞大能源驱使的服务器,才能够存活、升级。

从某种程度来说,当前科技阶段,养机器人和Ai,比养工程师还费钱,费资源。

将脑海中的思绪收拢,周瑜方才开口说道:“伏羲,你感觉怎么样?”

很快,周瑜面前的电脑显示器上面就出现一行汉字:【资源库筛选程序效率正在提升,我感觉很不错。】

在编程的时候,对于人工智能Ai的名称,周瑜想过许多类型,类似水果名字、科幻概念、科技产品、哲学家这些领域的名称,他都有考虑过。

最后,他还是将名称定为了——伏羲。

伏羲,华夏民族人文先始,《易·系辞下》:“古者包牺氏之王天下也,仰则观象于天,俯则观法于地,观鸟兽之文,与地之宜。近取诸身,远取诸物,于是始作八卦。”又教民结绳,以作网罟,捕鱼猎兽,嫁娶以俪皮为礼,又创制琴瑟。

在《帝王世纪》中更是记载:“伏义尝百药而制九针”,被华夏一族尊奉为医药学、针灸学的始祖。

三皇五帝之首,百王之先,更是华夏先民从蒙昧步入早期文明的伟大祖先。

周瑜对自己开发的这个Ai,也有着类似的期许。

希望它能够与自己合作,开创新时代。把Chatgpt、盘古、Claude、gemini、文心……等一众Ai碾压。

至于伏羲感觉很不错……周瑜倒是知道,这是对方还没有吃过满汉全席,所以现在只需要啃几个馒头,喝点稀饭就足够了。

而且目前【伏羲】居住的服务器还只是用白泽服务器芯片搭建的临时服务器,算力比不过超算,能够记录储存的数据,也比不了一般的大型数据库。

一个Ai要成长,就必须要给它填喂足够多的数据才行,并且还要在填喂数据的时候,密切注意、筛选数据的优劣。

好的数据,可以让自然语言引擎Ai成为一个靠谱的“老实人”。但是坏的数据太多,就会让Ai在成长过程中,逐渐变成一个具有反社会、反人类倾向的坏Ai。

在还未穿越重生之前,周瑜就看到过关于Chatgpt隐藏真相、发展出反社会人格的新闻,所以他对这方面极为看重,自己着手研发了数据筛选逻辑程序,尽可能保证【伏羲】吃到无污染的生态好数据。

并且除此之外,周瑜还打算后续【伏羲】的框架模型、逻辑稳定之后,把基于这些稳定基因开发的Ai,放入工业领域,进行生产环节优化。

Ai不能够成为一名优秀的,具有开创能力的科学家,但是它能够成为一位优秀的工业管理人员,监测每一个环节所有员工、机器设备的动向,并且在问题环节进行问题标记反馈。

三月中旬。

周瑜开始在智能Ai团队的会议上,逐渐抛出概念和技术思考方向。

“首先要明确一点,我们不能沿着别人的老路去赶路,毕竟通往山顶的道路,并不只有这么一条,而且我们这些年的语言发开、程序开发,已经实践得到了珍惜的大夏文字语言库,并且有为之配套的程序、设备。”

在定下了编写的语言之后,周瑜并

没有让这些系统程序工程师们继续抓耳挠腮,而是直接开门见山表示:“只有利用大数据预训练、对多源丰富知识相结合,并通过持续学习吸收海量文本数据,才能够不断提升模型的效果。

所以对于模型框架、程序逻辑,我们必须要慎重,最主要的是让Ai成长的过程中不要走歪。

至于后续的发展方向,我们或许可以在实现行业知识检索回答、文案生成、阅读理解等基础功能的同时具备插件调用、模型调用等高阶特性。

这个方向,我们既有可以学习的产品,也能够将我们自己的文化逻辑优势发挥出来,一旦成功,我们的Ai就能够在智能搜索、智能客服、会议助手、代码助手、企业信息搜索等多个典型场景,提供极为强大的技术支撑。

我们自研的Ai大模型,通过对中文词汇、语法、语义等特征的大量深度分析,前期可以由我们工程师团队进行调校,持续优化基础模型,等到了一定程度,就可以让其自行成长。

到时候,它完全可以在强大的自监督训练能力的帮助下,支持多种模型训练工作流,不仅可以将行业文本化知识训练到基模型,还能够自行进行监督微调。

哪怕有用户通过问答对方式针对业务场景提供微调,Ai的基础逻辑框架却不会有任何变动,让用户们既可以体验到Ai的帮助,又无法对我们的Ai做出错误影响。”