孟繁岐的这番话,听起来让人觉得不是那么舒服。
言下之意,给人一种华国AI技术就是不如国外的感觉。
这是李彦弘不大喜欢的,毕竟他这么早就关注AI技术,就是为了研发最前沿最先进的技术。
孟繁岐大概猜到了他的想法,前世他也曾被早期华国大量发表的AI论文所迷惑。
觉得在这个新崛起的技术上,华国已经可以和美国分庭抗礼,不落下风。
虽然AlphaGO震惊了世人,但毕竟有些华而不实。
直到上千亿级别的语言大模型出现,这种纯硬核实力的比拼,让孟繁岐不得不甘拜下风。
实际上,并非是技术手段和算法层面上相差太远。
更多的还是因为优质数据的数量不足。
白度的文心一言,出图的时候甚至会将用户的中文输入翻译成英文,再去作图。
很多较真的网友故意测试了中英文差异很大的词汇,比如总线(Bus),鼠标(mouse)。
文心一言绘出的图像竟然是大巴车和老鼠,这从中文上是完全说不通的事情。
可见即便不是全部,文心一言这个所谓的专注中文的超级大模型,也在相当程度上借助了英文基础的模型权重和技术。
究竟为何要这么做,说到底还是基础不够扎实牢靠。
整理数据,清洗数据,给数据打上高质量的标签。
这些都是脏活累活,见效慢的工作。
把别人公开的数据拿过来跑一跑训一训,多么方便快捷?
以国内996大厂的内卷风气,很难容下长回报周期的基础建设。
早些时候看看不出区别,只觉得国内大厂频繁在XX榜单上露面,刷榜,又是超过这个,又是超过那个。
直到语言大模型阶段,基础语料数量和质量上的劣势才暴露无遗。
“其实这也不能完全怪华国的大厂风气,美国的互联网起步要早,并且很多领域的文献材料归档做得特别好。”孟繁岐也曾仔细思索过这方面的问题。
();() “像github,arxiv这样的大型公开社区,里面都是非常优质的外文代码或者论文。这些也不只是美国人自己的积累。而是通过免费公用的形式,收割了全世界的数据。”
“华国人在github上贡献的代码行数也不在少数,反过来看看华国的论文社区,就比如知网,纯纯就是毒瘤。里面屯点硕博生的论文,还要论页数收费。就连下载之后的阅读器,甚至都需要专门的....”
此消彼长之下,差了多少珍贵的数据啊...
只是此时此刻,李彦弘应该还没有想到这么大规模的数据用于训练。因而孟繁岐也不急于一时和他讨论后面语言类的技术,以及生成式的大模型。
请勿开启浏览器阅读模式,否则将导致章节内容缺失及无法阅读下一章。
陨落星辰: 华娱之开局给周董上上对抗 火枪洗明路 异常魔兽见闻录 纵目 大明:我杨宪,真的治扬! 我以道种铸长生 全职法师之魔法天赋 神秘复苏之我没有外挂 自遮天世界开始 无限超神:抬头看见云霄天庭 主宰:虫族崛起 明日方舟之铁与血 天骄退婚,我提取词条修行 当场怒喷哥哥,这解说不想干了? 海贼:阿卡姆肄业的小丑巴基 你是我的满世欢喜 大唐第一逆子 什么叫世界名帅啊 前任都是天后,我火了
本姑奶奶重生回来知晓未来,身怀隐身神技,专业手撕各种不服,还有那谁,收收你的口水,特么的都流到我男人的身上了。兵哥哥,你别跑,乖乖站在那里,你是本姑奶奶的...
...
万历中兴,明朝最后的辉煌。兴,百姓苦,亡,百姓苦。打土豪,分田地,为了过上好日子,穿越者毅然掀起一场浩浩荡荡的土地革命...
接档文绝命法医在预收求收藏完结同类文刑侦档案一起残肢案的侦破陷入僵局,重案组组长陆俊迟去华警求教。陆队长原本以为会得到一位德高望重老教授的指点,没想到遇到了一位体弱多病又事多的冰美人苏回给他...
医药世家少年,家中突逢巨变,被迫从军,历尽艰险但仍自强不息,立志自习武功为父报仇。后偶遇仙人,成为散修,踏上修仙之途。修仙之途自是坎坷多磨波折不断,公孙衍不畏艰险,潜心修炼,思阴阳,悟仙道,独创修炼功法究因果,探命源,思索生命奥秘克万难,重亲情,砥砺前行。道成飞升,进入天界,并最终成为天界巨擘。...
重生的姚瑞雪依旧成了某人的血库,如此,她决定在孙家踩她血上位之前,抢先抱住大腿不被其用,好以报仇虐渣,却不想大腿太粗,不如攻其心直上位。某团长,抱什么大腿,快到我怀里来...