2021年，ai大模型会给人们带来哪些惊喜？( 四 ) 蛋白质折叠问题被认为是人类

悟道：大模型变得更加好用、易用。
北京智源人工智能研究院自2020年10月启动大模型研究， 2021年3月发布我国首个超大规模智能信息模型“悟道1.0” ，训练出包括中文、多模态、认知、蛋白质预测在内的系列模型，并在模型预训练范式、规模和性能扩增技术、训练语料数据库建设等方面取得了多项国际领先的技术突破。
2021年6月参数规模高达1.75万亿“悟道2.0”推出。智源正在做的即是将悟道的应用门槛降下来，将AI的效率和情商提起来，给更多人带来便利。
无论是降低AI大模型开发门槛的悟道开发平台，还是“一卡顶四卡”的高效推理工具包、4倍提速4倍清晰的AI文图绘画、最大中文对话模型等技术创新，都让悟道大模型变得更加好用、易用。
04克服挑战，预训练大模型往哪儿走？
那么，在预训练大模型发展中，面临最大问题是什么，未来的发展方向又在哪儿呢？
随着模型规模扩大的是训练对资源的消耗越来大，而参数数量增加所带来的性能提升与消耗提升不成比例。
在这方面，不少研究开始对“模型参数越多，性能也越好”是否始终成立提出了质疑。
例如，谷歌的研究人员开发了一个参数量远小于GPT-3的模型——微调语言网络（fine-tunedlanguagenet,FLAN），这个1370亿个参数的模型在许多有难度的基准测试中性能都大幅超过GPT-3 。
阿里达摩院在发布的报告里认为，未来大模型的参数规模发展将进入冷静期，大模型与相关联的小模型协同将是未来的发展方向。
其中，大模型沉淀的知识与认知推理能力向小模型输出，小模型基于大模型的基础叠加垂直场景的感知、认知、决策、执行能力，再将执行与学习的结果反馈给大模型，让大模型的知识与能力持续进化，形成一套有机循环的智能系统。参与者越多，模型进化的速度也越快。
大模型正在诞生不同应用领域的小模型或者应用。
阿里达摩院预测，在未来的三年内，个别领域将以大规模预训练模型为基础，对协同进化的智能系统进行试点探索。
在未来的五年内，协同进化的智能系统将成为体系标准，让全社会能够容易地获取并贡献智能系统的能力，向通用人工智能再迈进一步。
对预训练大模型的性能优化仍在持续推进中。
相对而言，大量研究在预训练模型的落地能力上将持续努力，压缩、剪枝、蒸馏的工作仍起到重要作用。不止于算法本身，编译、引擎、硬件等方面的优化也在大步迈进。
整体而言，现在大规模预训练模型的研究，包括模型结构的演进和落地仍处在探索阶段，各家的持续探索正在不断扩大对大规模预训练模型的认知边界。
毫不讳言， AI超大模型应该成为普惠性的科技进步力量，让行业用户甚至是中小用户也能使用超大模型寻求深度创新，促进业务可持续健康发展。
这一成果的取得必须依靠更多的产、学、研、用机构和开发者，从技术创新、场景融合、应用开发等不同维度，共同促进AI超大模型的健康发展与产业落地。