倾听AI领袖的声音,大模型时代AI的热点,尽在这场WAIC论坛

简介: 倾听AI领袖的声音,大模型时代AI的热点,尽在这场WAIC论坛


自 ChatGPT 发布以来,短短半年时间,我们已经见证了大语言模型带来的方方面面的震撼,搜索、创意创作、代码生成脱胎换骨。国内外有实力的大厂、初创公司争先下场布局,力求在这场角逐中夺得先机。

随之而来,大模型自身的能力也不断突破,不再局限于单模态文本任务,文本生成图像、视频、音乐等相关的研究和应用也开始出现,多模态、跨模态任务正在得到很好地解决。

不过,大模型仍然离不开算力、算法、数据三大要素。大模型动辄几十、上百亿参数,算力不够,支撑不起它们的训练与推理。数据少或质量低,也无法保证最终的效果。

与此同时,行业落地及商业化部署、应用也成了大模型厂商的必争之地。厂商们有的推出了行业大模型,还有的通过集大模型训练、推理、部署应用于一体的 AI 开发平台,让企业基于自身场景需求少压力甚至无压力地拥抱大模型能力。

面对大语言模型的飞速发展,我们不禁要问,在 AI 新时代,如何才能全面掌握并利用大模型的能力,并把握随之而来的机遇和挑战呢?

为了助力 AI 技术从业者把握时代趋势、重塑开发思维、探索 AI 能力边界,由世界人工智能大会组委会办公室指导,机器之心主办,上海张江(集团)有限公司作为战略合作伙伴的 2023 WAIC AI 开发者领袖论坛将于7 月 8 日上海张江科学会堂举办。

以「大模型时代的 AI 开发」为题,论坛将全面探讨新时代的「算法革命、算力挑战、平台与数据、行业创新」,分享行业领袖的智慧。如今确认的嘉宾有哪些亮点?届时又会与大家分享哪些前沿 AI 主题和行业经验呢?

  • 加拿大工程院及加拿大皇家学院两院院士、FATE 开源社区技术指导委员会主席杨强是联邦学习研究集大成者,著有《迁移学习》、《联邦学习》、《隐私计算》等书籍。他认为,如何使联邦学习平衡优化以达到安全可信和高效高质的效果,并且和大模型无缝连接,是今后产业和学界关注的重点。

  • 从京东离职后,知名 AI 学者梅涛院士决定投身 AIGC 创业之旅,凭借在计算机视觉和多媒体领域的多年积累,创业方向确定为生成式视觉多模态基础模型与应用。对于生成式 AI 如何从单模态迈向多模态,他将分享自己独到的见解。
  • 今年 3 月,百度在全球大厂中第一个做出对标 ChatGPT 的产品文心一言,吸引了行业极大的关注。在此次大会上,百度技术委员会主席吴华会为我们带来哪些洞见?
  • 科大讯飞的「星火认知大模型」想必大家也不陌生。在这场活动上,科大讯飞 AI 研究院常务副院长高建清将为我们解读星火大模型的技术进展及应用创新。

  • 路特斯科技副总裁、路特斯机器人公司 CEO 李博,他深耕智能驾驶领域多年,具有超过 15 年的智能驾驶量产及预研项目的主持和开发经验。大模型时代,他又将为我们带来哪些新的思考?

  • 相信大家对新浪微博新技术研发负责人张俊林老师都不陌生,知乎上许多有关大模型的高赞文章正是出自他的笔下。他对大模型可以说有极深的理解。这次他将带我们了解大语言模型带来的交互方式变革。

  • 新加坡国立大学校长青年教授、潞晨科技创始人兼董事长尤洋是 AI 领域的知名青年学者。其公司开源的面向 AI 大模型时代的高效深度学习系统 Colossal-AI 也备受开发者们关注。此次他演讲的主题落在了 AI 大模型的挑战与系统优化,展现 Colossal-AI 如何帮助大模型开发降本增效。
  • 不久之前,一款名为“元乘象 Chatlmg”的国产 AI 模型吸引了众多关注,这出自人民大学卢志武教授的团队。在我们的活动上,他将就「多模态通用生成模型的基本框架与最新进展」展开探讨。

  • 微软,是这波大模型浪潮中必须提及的一个关键词。在大模型产品应用的探索上,微软 Copilot 可以说是标的。此次,我们邀请到了 Office Product Group 技术负责人蔡玮鑫,为大家分享大语言模型投入大规模应用生产会面临哪些挑战和机遇。过去一段时间,蔡玮鑫领导开发了微软 AI 服务产品 M365 Copilot,将大语言模型与 Microsoft Graph、Microsoft 365 应用程序中,释放开发者生产力。

  • 今年,我们还精心策划了一场云帆奖得主的圆桌对话,邀请曦智科技联合创始人兼首席技术官孟怀宇、北京航空航天大学助理教授周号益以及新晋云帆奖得主,共同就大模型时代范式转变中的机遇和挑战展开头脑风暴。

除了目前公布的这些嘉宾,我们还在积极邀请更多的 AI 领袖参与我们的论坛,敬请期待。

相关文章
|
1天前
|
机器学习/深度学习 人工智能 算法
AI大模型学习理论基础
本文探讨了AI大模型学习的理论基础,包括深度学习(模拟神经元工作原理,通过多层非线性变换提取特征)、神经网络结构(如前馈、循环和卷积网络)、训练方法(监督、无监督、强化学习)、优化算法(如SGD及其变种)、正则化(L1、L2和dropout防止过拟合)以及迁移学习(利用预训练模型加速新任务学习)。这些理论基础推动了AI大模型在复杂任务中的应用和人工智能的发展。
|
4天前
|
人工智能 搜索推荐 决策智能
【AI Agent系列】【阿里AgentScope框架】1. 深入源码:详细解读AgentScope中的智能体定义以及模型配置的流程
【AI Agent系列】【阿里AgentScope框架】1. 深入源码:详细解读AgentScope中的智能体定义以及模型配置的流程
37 0
|
4天前
|
数据采集 存储 人工智能
【AI大模型应用开发】【LangChain系列】实战案例4:再战RAG问答,提取在线网页数据,并返回生成答案的来源
【AI大模型应用开发】【LangChain系列】实战案例4:再战RAG问答,提取在线网页数据,并返回生成答案的来源
30 0
|
4天前
|
数据采集 存储 人工智能
【AI大模型应用开发】【LangChain系列】实战案例2:通过URL加载网页内容 - LangChain对爬虫功能的封装
【AI大模型应用开发】【LangChain系列】实战案例2:通过URL加载网页内容 - LangChain对爬虫功能的封装
14 0
|
4天前
|
人工智能 Python
【AI大模型应用开发】【LangChain系列】实战案例1:用LangChain写Python代码并执行来生成答案
【AI大模型应用开发】【LangChain系列】实战案例1:用LangChain写Python代码并执行来生成答案
9 0
|
4天前
|
人工智能 监控 数据处理
【AI大模型应用开发】【LangSmith: 生产级AI应用维护平台】1. 快速上手数据集与测试评估过程
【AI大模型应用开发】【LangSmith: 生产级AI应用维护平台】1. 快速上手数据集与测试评估过程
18 0
|
4天前
|
人工智能 监控 数据可视化
【AI大模型应用开发】【LangSmith: 生产级AI应用维护平台】0. 一文全览Tracing功能,让你的程序运行过程一目了然
【AI大模型应用开发】【LangSmith: 生产级AI应用维护平台】0. 一文全览Tracing功能,让你的程序运行过程一目了然
8 0
|
4天前
|
人工智能 API 开发者
【AI大模型应用开发】0.2 智谱AI API接入详细步骤和简单应用
【AI大模型应用开发】0.2 智谱AI API接入详细步骤和简单应用
23 0
|
4天前
|
数据采集 人工智能 数据可视化
【AI大模型应用开发】【LangChain系列】4. 从Chain到LCEL:探索和实战LangChain的巧妙设计
【AI大模型应用开发】【LangChain系列】4. 从Chain到LCEL:探索和实战LangChain的巧妙设计
17 0
|
4天前
|
存储 人工智能 JSON
【AI大模型应用开发】【LangChain系列】3. 一文了解LangChain的记忆模块(理论实战+细节)
本文介绍了LangChain库中用于处理对话会话记忆的组件。Memory功能用于存储和检索先前的交互信息,以便在对话中提供上下文。目前,LangChain的Memory大多处于测试阶段,其中较为成熟的是`ChatMessageHistory`。Memory类型包括:`ConversationBufferMemory`(保存对话历史数组)、`ConversationBufferWindowMemory`(限制为最近的K条对话)和`ConversationTokenBufferMemory`(根据Token数限制上下文长度)。
13 0