近日，百度飞桨文心全景升级，模型层一次性发布10个大模型。让这一步成为热门ldquoAI大模型rdquo话题成为业界焦点。
文新发布的十大模型包括两大行业模型:文新联合国内电网ldquo开发的知识增强的能源行业NLP大模型；国家电网-百度middot心rdquoLdquo，由联合上海浦东发展银行开发的具有增强知识的金融行业NLP模型；浦发-百度middot心rdquo；并且有八大文学基础和任务模型，包括:整合任务相关知识的千亿模型ERNIE 3.0 Zeus，多任务视觉表征学习的VIMER-UFO 2.0，商品图形搜索表征学习的VIMER-UMS，文档图像表征学习的VIMER-StrucTexT 2.0。ERNIE-SAT，ERNIE-GeoL，语音和语言的跨模态模型，生物计算领域蛋白质结构分析的HELIX-GEM和HELIX-Fold。
百度集团副总裁、深度学习技术与应用国家工程研究中心副主任吴添表示，AI大模型经历了前几年的探索期和突破期，现在某种程度上已经到了推广期。今年是大模式落地的关键一年。
AI大模型落地的关键
吴添认为，从应用落地的角度来看，大模型落地最关键要解决的问题是ldquo前沿技术rdquo用ldquo真实应用场景rdquo之间的差距。如何匹配应用落地的全方位要求？这是今年AI大模型需要解决的核心问题。
ldquo从百度多年来对大模型技术的推动来看，我们认为需要在这三个方面做好工作。，吴添说，rdquo第一，大模型本身需要系统化，这个大模型系统可以和应用场景对接；第二，平台和工具可以适应落地应用所需的工作和方法论。能够全流程、端到端的支持整个落地应用，在场景中发挥大模型的能力；第三，需要有一个生态的支撑，包括应用生态，硬件生态的建设等等。总的来说，在lsquo构建更适合场景需求的大模型体系，提供全流程支持应用的工具和方法，构建激发创新的开放生态rsquo这三个方面都需要拓展和开展。rdquo
不是大型号。全拿走吧。
百度的想法并不是一个大的AI模型就能包揽所有的问题。飞桨模型包括三类模型:基础模型、任务模型和行业模型。
其中以厄尼为代表的基础大模型。基本模型具有学习数据量大、参数规模大的特点，通用性最高。但直接使用基础模型，往往与场景中苛刻的应用需求有一定差距。
因此，在通用基础模型中增加了两类模型:任务模型和行业模型。
大任务模型主要面向具体任务，如NLP领域的信息抽取、对话与搜索、视觉领域的商品图形搜索、多任务统一表示等。
与行业结合，推出行业大模型，以通用大模型为基础，从海量、广泛的数据中挖掘行业领域数据，与行业头部企业或机构合作，引入行业特色数据和知识，让通用大模型充分学习，进一步提升大模型的行业应用能力，为行业头部企业构建更适合行业场景的AI基础设施，共同推动大模型的深度应用。
吴添道:ldquo这三层模型的结合，使得文心大模型不仅拥有强大的基础大模型，任务问题的专有大模型，更适合行业场景的行业大模型，具备可与场景结合的综合模型能力。rdquo
同时，为了充分发挥大模型在应用场景中的价值，以更低的门槛支持用户，文心大模型搭建了配套工具和平台，包括对抗学习、小样本学习等多种微调方法和高性能部署方案，全面提供大模型使用中所需的各种数据预处理工具，降低数据处理门槛。
吴添介绍，一方面，文新已经广泛应用于百度内部的各种产品。比如搜索场景已经充分利用了基于文心厄尼的模型，为文心收获了很多反馈；另一方面，通过生态百度AI云的业务，文心持续与大量行业客户和合作伙伴合作，并得到反馈和优化。未来，文心大模型将继续降低应用门槛，推动行业智能化升级，让人工智能技术惠及每一个人。
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
