The enlightenment of artificial intelligence large-scale model on the research of intelligent eye diagnosis in traditional Chinese medicine

Eye diagnosis is a method for inspecting systemic diseases and syndromes by observing the eyes.With the development of intelligent diagnosis in traditional Chinese medicine(TCM);artificial intelligence(AI)can improve the accuracy and efficiency of eye diagnosis.However;the research on intelligent eye diagnosis still faces many challenges;including the lack of standardized and precisely labeled data;multi-modal information analysis;and artificial in-telligence models for syndrome differentiation.The widespread application of AI models in medicine provides new insights and opportunities for the research of eye diagnosis intelli-gence.This study elaborates on the three key technologies of AI models in the intelligent ap-plication of TCM eye diagnosis;and explores the implications for the research of eye diagno-sis intelligence.First;a database concerning eye diagnosis was established based on self-su-pervised learning so as to solve the issues related to the lack of standardized and precisely la-beled data.Next;the cross-modal understanding and generation of deep neural network models to address the problem of lacking multi-modal information analysis.Last;the build-ing of data-driven models for eye diagnosis to tackle the issue of the absence of syndrome dif-ferentiation models.In summary;research on intelligent eye diagnosis has great potential to be applied the surge of AI model applications.

Exploration of the Training Mode of School-enterprise Collaborative AI Innovative Talents Based on PaddlePaddle

This paper takes the school-enterprise cooperation between the University of Electronic Science and Technology of China(UESTC)and Baidu(China)Co.,Ltd.as an example to build the Paddle Paddle(Sichuan)AI Education Innovation Center by enjoying the best of both UESTC and Baidu(China),and cooperating with 16 universities in Sichuan Province.With the support of this center,both the school and the enterprise successfully built a school-enterprise collaborative AI innovative talent training model,which mainly serves the universities,industries,and districts.Furthermore,this training model is able to facilitate the update of the industrial intelligence and the regional economic development in southwest China,and also provide a reference for deep integration of school-enterprise collaboration and the cultivation of innovative talents in electronic information fields.

基于通信运营商IT系统场景的AI大模型应用实践

随着AI技术的不断发展,通信运营商越来越多地将AI大模型引入其IT系统,以提升效率、改善服务和增强用户体验。本文通过构建运营商IT系统中的AI大模型体系及AI大模型的实践案例来展示AI大模型在通信运营商IT系统中的实际应用效果和优势。同时,在AI大模型的应用过程中也暴露出一些问题和挑战。本文通过深入探讨这些问题可以更好地了解AI大模型在通信运营商IT系统中的应用现状、优势和挑战,为未来的研究和实践提供重要参考。

生成式AI在情报研究中的应用——以ChatGPT为例

[目的/意义]旨在探讨生成式AI在情报研究中的应用前景,为情报研究与技术新时代共行共进提供参考。[方法/过程]基于ChatGPT的技术原理,审视人工智能环境下情报研究的新需求和新契机,探讨了ChatGPT在情报研究需求分析、数据采集、数据分析和结果呈现四个阶段中的应用。[结果/结论]ChatGPT“大数据、大模型、强算力”的突出特性与情报研究在数据、算法、算力三个层面新需求相契合,分别赋予了情报研究的四个阶段交互式和生成式、高效化和精准化、聚合化和智能化以及多样化和科学化的特点,但在每个阶段也存在不同的应用难题,未来需要进一步研究,以更加适应情报研究工作的需要。

基于AI的5G自智网络异动检测与应用

当前多层网络并存,结构复杂,网络维护面临挑战。本文提出基于AI的5G自智网络异动检测方案,通过搭建关键性能指标动态预警体系,实时洞察5G网络质量问题,精准分析定位问题根因,提供7×24h的网络关键指标自动监控。应用效果验证表明,异动检测问题定位准确率可达到92%,大幅提升维护优化现场分析解决问题效率和质量,支持5G自智网络实现智能化运维的目标。

基于AI应用的核心模型提取研究——以股票软件编程为例

为研究使用AI应用进行对话获得核心模型的过程,文中采用股票软件编程这一典型应用方向,进行了设计编程验证,最终得到了具有一定价值的程序代码。同时,通过这一过程,明晰了如何利用AI应用得到所需模型的具体流程。另外,针对这一过程的重要关键节点,即模型训练和调优,文中给出了具体的设计方法建议,并对未来AI应用的发展方向提出了改进意见。

基于预训练大模型的AI虚拟主播定制系统设计

随着直播行业发展,AI虚拟主播逐渐普及,仍存在交互生硬和形象僵化问题。聚焦用户痛点,依托预训练大模型,文章设计一款虚拟主播定制系统,支持角色认知、声音和形象等个性化定制,能够面向用户需求扮演角色、更换声音、生成形象,既能够打造虚拟主播IP,显著增强产品亲和力,为观众提供一个丰富多样的直播互动场景,还可以成为人们日常生活中不可或缺的智能助手。

生成式AI的融贯性法律治理——以生成式预训练模型(GPT)为例

随着大规模数据和算式的增长,以及算法的不断优化。围绕生成式AI的前景,存在着支持、反对、中立等不同态度,这些态度背后隐含着认知根源、经济考量和权利思考。立足于法律3.0的融贯性治理注重国家法律、行政规制和技术方案之间的融贯,为治理生成式AI提供了思路和方向。融贯性治理中的“融贯”,既是规范性融贯,强调法律规范的内在一致性和统一性,也是整体性融贯,强调将技术方案融入规范,进而使得技术方案与不同层级规范和引领这些规范的原则与价值得以融贯。在面对以GPT为代表的生成式AI时,可以尝试将AI和区块链作为技术方案对其进行治理,也可以通过自我规制和外在约束培育建设“有道德的”AI,还可以通过“市场+规则”助力生成式AI的发展。生成式AI所涉及的法律问题在现有的法律体系框架内基本能得到有效应对,对于它带来的现实、急迫且法律没有明确规定的问题,可以进行融贯性治理。

基于边缘云计算的混合并行AI训练机制研究

针对边缘计算环境下人工智能(Artificial Intelligence,AI)模型训练效率低下的问题,提出了基于边缘云计算的混合并行训练框架(Edge-Cloud based Hybrid Parallel Training Framework,ECHPT).ECHPT能在终端设备、边缘服务器和云计算中心之间实现AI模型和数据样本的自适应调度.ECHPT将模型计算和数据任务调度问题建模为训练时间最小化的优化问题,设计了调度算法对优化问题进行求解.实现了由设备、边缘服务器和云服务器组成的硬件原型.实验结果表明,与现有框架相比,ECHPT可以有效缩短AI模型的训练时间.

大语言模型“数据为王”:训练数据的价值、迷思与数字传播的未来挑战

伴随着ChatGPT的问世和流行,关于生成式人工智能的意涵和影响迅速成为学界和业界的关注焦点。在这场由大语言模型引领的非监督性深度学习浪潮中,一个核心议题就是训练数据。对训练数据的规模和质量的追求,演绎了“万模大战”形势下的“数据为王”法则。而在训练数据的价值、功能和误读的背后,是对数据概念的改写、对数据可供性的迷信和对数据所有权的争夺。训练数据的具体架构和内部机制引发了智能传播生态的重建和信息生产秩序的重构,在这一变革之中也蕴藏着大语言模型时代的数字危机,其具体体现为蒸馏式传播的偏见再生产、过滤式传播的信息保守化和随机性传播的意义之消散。大语言模型及其训练数据急需破除规模迷思,着重思考如何让数据切实成为社会技术系统的一部分。

大模型背景下人工智能产业链人才需求分析

ChatGPT的发布在全球掀起了人工智能的革命浪潮,催化了多模态大模型、算力、数据要素、AI(Artificial Intelligence)应用等多个行业的发展,人工智能行业的人才需求飙升。对全球人工智能相关产业政策进行梳理与分析,为高校在当前时代背景下培养人工智能创新人才指明新的方向。根据我国人工智能目前的人才供求与分布现状,对人工智能产业链进行人才需求分析,探索对不同层次人工智能人才的培养目标。

数字经济视角下电商人才培养模式研究

在数字经济的背景下,构建电商人才培养模式对于完善国家和社会的人才结构,推动电商产业的发展起着至关重要的作用。为了提升跨境电商人才的培养水平,需要对现有的跨境电商人才培养模式进行优化。结合现有研究,探讨了电商人才培养的必要性,分析当前人才培养中存在的问题。提出了数字经济视角下的电商人才培养模式构建策略,即“双协同、三融合、四驱动”,旨在持续提升电商人才的培养水平,优化跨境电商人才培养的实效性。

智算中心高性能网络流量调度技术研究及实践

AI大模型训练、高性能存储等业务应用场景提出了海量规模的计算需求,与传统数据中心业务相比,在流量模型和网络需求方面有着显著区别,驱使传统的数据中心网络向智算中心和无损网络转型。从智算中心和无损网络的发展背景入手,分析了当前智算中心网络存在的问题,探索了智算中心网络流量调度的关键技术,并进行了流量调度平台的研发实践,为智算中心网络发展和应用提供思路。

文本后门攻击与防御综述

深度神经网络的安全性和鲁棒性是深度学习领域的研究热点.以往工作主要从对抗攻击角度揭示神经网络的脆弱性,即通过构建对抗样本来破坏模型性能并探究如何进行防御.但随着预训练模型的广泛应用,出现了一种针对神经网络尤其是预训练模型的新型攻击方式——后门攻击.后门攻击向神经网络注入隐藏的后门,使其在处理包含触发器(攻击者预先定义的图案或文本等)的带毒样本时会产生攻击者指定的输出.目前文本领域已有大量对抗攻击与防御的研究,但对后门攻击与防御的研究尚不充分,缺乏系统性的综述.全面介绍文本领域后门攻击和防御技术.首先,介绍文本领域后门攻击基本流程,并从不同角度对文本领域后门攻击和防御方法进行分类,介绍代表性工作并分析其优缺点;之后,列举常用数据集以及评价指标,将后门攻击与对抗攻击、数据投毒2种相关安全威胁进行比较;最后,讨论文本领域后门攻击和防御面临的挑战,展望该新兴领域的未来研究方向.

基于大模型增强的通用人工智能教师架构

以ChatGPT为代表的预训练大模型在教育界产生了巨大影响,也为发展通用人工智能教师带来了曙光。预训练大模型应用于教育存在幻觉、深度逻辑缺失、社会情感缺失等局限,如果这些关键问题不解决,大模型不可能在教育中得到真正有价值的应用。本文提出通过增强大模型构建通用人工智能教师架构,其核心思路是精调训练增强场景知识、检索增强认知、外部智能组件编排增强推理、多模态融合增强感知、情感计算增强社会情感,再通过教育知识图谱对大模型输出进行监督。通用人工智能教师主要有六种应用场景:需要渊博知识的场景、洞察创意增强场景、约束与管理场景、社会情感互动场景、个性化指导与反馈场景、多模态内容表现场景。文章最后分析了通用智能时代人类教师面临的机遇与挑战,提出教师需要主动拥抱、使用、驾驭并控制智能技术,解放、增强、进化自我,并跨越陷阱。

生成式人工智能的工业应用技术与前景

随着在工业应用中的不断深化,人工智能(AI)逐渐面临场景定制化、数据要求高、动态环境适应性差等问题。以生成式人工智能(AIGC)为代表的通用AI为突破传统AI的瓶颈提供了新思路。为推动AIGC与工业领域的融合创新、抢占下一轮科技革命的技术高地,对AIGC技术及其工业应用展开综述。首先,梳理了国内外AIGC技术的发展现状,总结了当前AIGC工业应用面临的问题和挑战。然后,提出了AIGC在工业领域应用的技术架构,以及通用大模型集成、通用大模型微调与知识库外挂、预训练工业大模型这三种应用模式。最后,从研发设计、生产制造、经营管理以及运维服务等四个方面的十二个场景作应用展望,以激发AIGC工业应用的新技术、新方向的进一步发展,赋能工业领域形成新质生产力。

人工智能聊天机器人助力眼科和科学论文写作

人工智能聊天机器人ChatGPT是使用深度学习技术、能对自然语言输入产生类似人类反应的一种大型语言模型(LLMs)。它由OpenAI公司在2022.11开发,属于“生成预训练转换器(GPT)”模型家族的一种,目前可为公众所用。ChatGPT能够捕捉人类语言的细微差别和复杂性,生成适当的、与上下文相关的响应。它可以帮助医务人员完成各种任务,如研究、诊断、患者监护和医学教育,从确定研究课题到协助临床和实验室诊断,了解各自领域的新进展和科学写作。ChatGPT在眼科已吸引了越来越多的关注和广泛应用。然而,目前在这些任务中使用ChatGPT和其他人工智能工具仍存在一定的局限性、伦理和法律问题,如可信度、剽窃、版权侵犯和偏见。未来的研究将集中在开发新的方法来减轻这些局限性,同时发挥ChatGPT在医疗等相关方面的积极作用。

弱监督人工智能算法平台研究

针对目前人工智能开放平台普遍存在预训练模型开发成本高、行业数据标注成本高等问题,本文研究了一种使用弱监督训练范式且任务可解耦的人工智能算法平台(Weak Supervision&Task Decoupling AI Platform,简称为WSTD-AP)。不同于基于传统强监督学习的人工智能算法平台,WSTP将大规模无标签数据用于不同规模的模型训练,在有限成本情况下充分利用“扩展法则”(Scaling Law),使模型在下游任务(如图像识别、目标检测等)达到更好的效果。

面向大模型时代的网络基础设施研究:挑战、阶段成果与展望

拥有千亿级别参数的大语言模型(large language model,LLM)已为今天的人工智能和云服务带来了巨大的技术和商业变革.然而,大模型训练与传统的通用云计算(例如,亚马逊EC2弹性计算服务)之间存在较多根本性的网络行为差异,从而带来了很多新的挑战,主要包括流量模式差异造成负载难均衡(挑战1)、多训练任务通信竞争影响GPU利用率(挑战2),以及对网络故障的高敏感性(挑战3)等.因此,为通用云计算设计的数据中心网络技术(例如,网络架构、选路方法、流量调度,以及可靠性保障方法等)已不适合今天的大模型训练,这要求专门为大模型训练设计新型的数据中心网络以及配套的技术方案.介绍了阿里云专门为大模型训练设计的数据中心网络HPN以及多任务通信调度方法Crux解决上述3个挑战.HPN通过引入了一种2层、双平面(dual-plane)的网络架构,不但能够在一个Pod内高速互联15000个GPU,还能做到适用大模型训练的精准选路(解决挑战1).此外,HPN提出了一种新型的去堆叠双ToR(top-of-rack)设计来替代传统数据中心网络的单ToR交换机连接方式,根本性地避免了单点失效可靠性风险(部分解决挑战3).针对挑战2,Crux通过对GPU利用率优化问题的建模与证明,将该NP完全问题近似成GPU强度相关的流量调度问题.随后,Crux提出了一个方法优先处理具有高GPU计算强度的任务流,从而极大降低了多任务的通信竞争,优化了GPU利用率.与相关工作对比,Crux可以将GPU利用率提高多达23个百分点.HPN和Crux均已在阿里云生产环境规模化部署超过8个月,后续会持续演进迭代.在此基础上,进一步展望了大模型训练与推理领域可能的研究方向,为后续工作提供指导性建议.

高校课堂教学AI视频识别分析系统的开发与应用

针对高校课堂教学管理的现状和存在问题,构建一种基于课堂教学视频,AI分析、云平台等技术的课堂教学AI视频识别分析系统。系统主要由前端摄像机、视频监控中心、应用终端等部分组成,包括视频数据管理、模型管理、课堂管理、行为分析与预警、数据统计分析等模块,采用海康威视AI开放云平台进行课堂行为识别模型训练。实地部署和应用验证表明,系统具有实时监测、智能识别等特点,能督促和规范学生与教师在课堂上的“学”与“教”,满足教学管理部门对教学质量检查和督导的需要。