大10倍以上。在这个生态中，开源模型将和商业模型并存，为开发者提供灵活的选择。
  (3)统一标识(Tokenisation)+规模定律(Scaling Law)：大模型最核心的两个要素是统一标识和规模定律。统一标识通过将文本和其他类型的数据统一编码为单元，使模型能够处理不同形式的输入。规模定律则揭示了模型规模与性能之间的关系，表明随着模型参数的增加和数据规模的扩大，模型的表现会显著提升。
  (4)需要新的算法体系：与人脑相比，现有算法存在效率低、能耗高的问题，因此需要开发出新的算法体系，包括世界模型、DNA记忆、智能体、强化学习、概率系统和决定系统等，以实现100倍的效率提升。未来五年内可能会在AI技术架构上取得重大突破，当前主流的AI技术框架，如Transformer、Diffusion、AR，可能在未来5年内被新技术颠覆。
  (5)从大模型走向通用人工智能：预计15 ~ 20年内可实现通用人工智能，并通过新图灵测试。更进一步的预测：5年内，在信息智能领域，AI对语言、图像、声音和视频的理解、生成等方面通过新图灵测试；10年内，在物理智能(具身智能)领域，实现大模型在物理环境中的理解与操作能力的大幅提升，通过新图灵测试；20年内，在生物智能领域，将AI应用于人体、脑机接口、生物体、制药和生命科学，实现大模型与生物体联结的生物智能，通过新图灵测试。
  自动驾驶的未来发展
  (1)自动驾驶是未来五年最重要的物理智能/具身智能应用，有望成为第一个通过新图灵测试的具身智能系统：在安全性方面，实现完全无人操作的自动驾驶的安全性要比人类驾驶的至少高出10倍，达到人类“好司机”的水平；在人性化体验方面，通过模仿学习和自主学习，自动驾驶系统将具备更自然的驾驶风格，结合乘客或车主的驾驶习惯，提供更人性化的体验，达到人类“老司机”的水平。
  (2)大模型及生成式AI将在提升L4级别自动驾驶系统的泛化能力方面发挥关键作用：一是与数据智能相关，过往自动驾驶系统的边角案例数据不足，大模型及生成式AI可结合真实数据生成高质量的边角案例数据。二是与长尾问题相关，生成式AI可有效改善边角案例中场景仿真、模拟度不足等问题，解决感知领域的长尾问题。三是与常识推理相关，大模型的推理能力可助力自动驾驶系统理解并应对道路上的各种突发情况，从而提高自动驾驶系统的能力上限。
  (3
=*=*=*=*=*=
当前为第2/3页
下一页-上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页