【高科技发展导读 2.】

        （人工智能（AI)聚焦十大领域②）

        这里紧接着上期讨论AI 发展最新聚焦十大领域之二：大规模预训练模型方面的几大领域。

2. 大规模预训练模型

      （5）规模定律下的预训练模型革新

      基于海量参数和训练数据的大规模预训练模型能够有效提高人机交互和推理能力，增强可完成任务的多样性和丰富性。目前Scaling Law依然有效，这种规模效应不仅体现在语言模型上，也在图像处理、语音识别等多个领域中得到了验证。一方面参数量与数据量增长为模型提供了更为丰富的训练素材，使其能够捕捉到更为细致和多样的特征，不断提升了模型的表达能力和泛化能力。另一方面算法创新也将开创新的scaling范式，例如GPT-o1引入了思维链协议和自洽性思维链等多项创新技术，更关注推理时间和参数规模两条曲线的协同作用，将复杂问题拆解为简单的步骤，代表了推理scaling的新范式。

      （6）全模态大模型：打破数据壁垒

      多模态大模型可处理和理解文本、图片、音频、数据表格等多种类型的数据输入，并根据任务需求生成多种类型的输出。这种模型通过跨模态转换实现不同类型数据之间的理解和互动，从而打破了单一模态的限制。进一步引入传感器、雷达以及3D点云等机器人视角的更多数据模态，并建立全模态多任务统一学习框架，就建立了全模态大模型。例如引入通常用于捕捉三维空间信息的3D点云数据模态，对于机器人的导航和避障尤其重要。模型的全模态迁移能力可在不同任务间共享知识，提高泛化能力和适应性，甚至突破感知、认知和决策的交互屏障，从而涌现更多新的能力。

     （7）AI驱动科学研究的新纪元

      使用大模型、生成式技术等来增强和加速科学研究中的提出假说、试验设计、数据分析等阶段的效率，提高研究效率和准确性。科学家们可以利用AI技术进行实时的试验监测和调整，快速反馈试验结果，动态优化试验设计和假设。AI for Science技术还推动了科学进步和研究范式升级，牵引传统的线性研究范式向更加快速迭代和自适应的方向发展。例如在机器人结构设计中，AI模型能够模拟不同任务和环境需求下机器人的运动控制特性，从而协助用户快速生成最合理的构型方案。这种灵活且高效的研究方式，大大提升了发现新科学规律的可能性，从而加速科学研究的进程。

                            丰都智愚河畔环境技术工作室  转摘自《科技导报》（2024.10.25）