达摩院|达摩院决定交出家底儿( 二 )


\r也就是说底层架构逐渐走向了统一 。 “而生成模型的本质 , 就是给数据分布建模 , 无论Transformer还是Diffusion模型 , 它的算法公式里就是怎么去给数据的分布建模 。 所以只要数据的分布能够被清晰建模 , 能有一个非常好的基础模型 , 一旦构建出来之后 , 基于分布本身的各种应用就能做了 , 各种问题就有了解决的途径 。 ”
\r赵德丽将此形容为AI技术一次重要的范式转移 。 而它也使得AI的应用方式也有了破局的可能 。
\r“很长时间里 , AI公司商业化的做法就是专门针对一个具体场景、提供一个算法服务、部署 , 然后收费 。 但这个模式的竞争力一天天减少 , 价值越来越低 。 ”他说 。
\r而且 , 在这样的逻辑下 , 研发和产业应用其实在彼此越走越远 , AI研究界一个个看似带来突破的模型 , 却往往沦为少数精英的狂欢 , 狂欢的另一面是越来越困难的应用 。 这种特权已成为阻碍AI发展的最大阻力 。 越来越多的人意识到 , 找到一个巨大的单一场景 , 形成一个所谓的AIkillerapp , 进而实现可持续的商业化更多变成了幻想 , 这条路已经走不通了 。
\r“今天我们的想象力还不够丰富 , 需要有更多的开发者来不断的去用他们的创造力 , 不断的拓展模型的使用 , 不断创新 。 ”周靖人对品玩表示 。
\r他把这些新变化带来的AI发展模式总结为MaaS 。
\rAI的生产本质就是模型的生产 。 周靖人认为 , 人工智能发展到今天这个阶段 , 模型本身是重要的一个载体 , 也是今天的一个重要的技术模块 。 达摩院需要做的是围绕着模型本身去搭建相关的服务 。
\r“而魔搭就是在整个MaaS理念下面的一个社区 , 是MaaS的重要体现形式 。 ”
\r
\r所有的想象落在了魔搭上
\r算法科学家们都在感到事情正发生变化 , 但很长时间里却依然对如何下手感到茫然——他们缺少一个能承载住这些变量的东西 , MaaS的概念是很吸引人 , 但”服务”显然比封装出来的“产品”模糊多了 。
\r如何让它变成一个让人摸得到的东西?魔搭就是那个答案 。
\r这是一个希望可以一举三得的设计:更多人参与增加了应用的可能性;算法人员的工作被更多人看到并且更快速的可以看到应用的商业化潜力;而门槛的降低还意味着算法科学家们不再需要跑到一个个工地上去 , 而可以回到他们最擅长的事情上来——在基础研发上努力突破 。
\r不过 , 当周靖人和达摩院各个算法实验室的负责人在内部公布这个项目时 , 不出意外的 , 还是有不少人表现出了迟疑 。
\r【达摩院|达摩院决定交出家底儿】“把我们最好的压箱底的东西开源 , 而且是彻底的开放 , 这就等于你辛辛苦苦做出来的东西 , 别人就直接拿去用了 , 甚至会有人担心说会不会以后饭碗都没了?”鄢志杰说 。 他是达摩院语音实验室的负责人 。
\r但很快 , 在几次内部宣讲后 , 达摩院的科学家们便不再质疑——再多的纠葛也会被一件事抹平:没有哪个优秀的算法开发者希望自己的算法藏在角落 , 他们都希望被更多人看到 。
\r而且 , 这还是一个从未有过的公平的“掰手腕”的机会 。 据魔搭社区架构师陈颖达介绍 , 魔搭可以提供标准的数据集 , 标准的接入模型方式让不同模型可以更公平更直观的做比较 。 “所有人都可以去复现 。 ”
\r“我认为光从模型参数的大小是不能够区分大模型的好坏 。 我们可以不断去堆模型参数 , 但并不代表这个模型本身有质的飞跃 。 ”周靖人说 。 “今天我们其实是缺乏一个benchmark(基准) , 去对各种大模型进行公平的评比 。 ”