同一模型完成多場(chǎng)景任務(wù) AI大模型或加速技術(shù)落地

近日，美國(guó)斯坦福大學(xué)李飛飛等百余位學(xué)者聯(lián)名發(fā)布《基礎(chǔ)模型的機(jī)遇與挑戰(zhàn)》一文，論述在人工智能基礎(chǔ)模型成為趨勢(shì)的環(huán)境下，其發(fā)展面臨的機(jī)遇與挑戰(zhàn)。文章指出，基礎(chǔ)模型的應(yīng)用使得自監(jiān)督學(xué)習(xí)+預(yù)訓(xùn)練模型微調(diào)適配方案逐漸成為主流，并帶來(lái)了智能體認(rèn)知能力的進(jìn)步。但同時(shí)由于基礎(chǔ)模型的任何一點(diǎn)改進(jìn)會(huì)迅速覆蓋整個(gè)AI社區(qū)，其隱患在于基礎(chǔ)模型的缺陷也會(huì)被所有下游模型所繼承。斯坦福大學(xué)學(xué)者談到的基礎(chǔ)模型，國(guó)際上也稱預(yù)訓(xùn)練模型，也被國(guó)內(nèi)研究者稱為大模型。那么，什么是人工智能大模型，與小模型相比有哪些優(yōu)勢(shì)？