点击右上角微信好友

朋友圈

请使用浏览器分享功能进行分享

正在阅读:天云数据CEO雷涛:大模型后训练时代,AI要生产数据训练自己
首页> 光明科普> 图文 > 正文

天云数据CEO雷涛:大模型后训练时代,AI要生产数据训练自己

来源:光明网2025-03-03 17:07

  今年1月,人工智能公司xAI创始人埃隆·马斯克在一场直播中表示,人工智能公司已经耗尽了用于训练模型的数据,并“耗尽”了人类的全部知识。

  数据是人工智能大模型的基础,模型通过对海量数据的分析提炼形成智能。现在,人类生产数据的速度,远远跟不上人工智能学习的步伐。没有优质数据的支撑,大模型该如何训练?

  服务于真实的数字生产资料

  “今天的数据已经供给不了明天的AI,今天的AI要生产明天需要的数据。”近日,在由北京市科协、北京科技记协组织的“首都科技人”宣传活动中,天云数据CEO、第九届吴文俊人工智能科学技术发明奖获得者雷涛分享了他对“合成数据”这一数字生产资料的看法。

 天云数据CEO雷涛:大模型后训练时代,AI要生产数据训练自己

  天云数据CEO、第九届吴文俊人工智能科学技术发明奖获得者雷涛。受访者供图

  雷涛表示,硬件的增长遵循摩尔定律,而数据的增长则呈现指数型态势。我们如今所处的时代,已然是机器生产数据的时代,合成数据则是未来算力的主要解决方案。

  但在实际应用中,合成数据是否会因为是“人造”的,而存在“假数据”的嫌疑,无法达到与真实数据同等的效用呢?

  雷涛介绍,合成数据不是假数据,它是在有限的真实数据的基础上,用真实的逻辑生成的结果数据。这些结果数据服务于真实的生产过程。

  他以完成能源行业的安全规范为例进行说明。过去编写安全规范需要专业人员,且要同时消化多种语言的操作手册;现在把所有操作手册给到计算机,计算机按照工艺流程的思维链学习并抽取内容,就能够生成安全规范。这个安全规范虽是“合成”的,却完全可以应用于实际的生产过程,这充分体现了合成数据在工业生产场景中的价值。

 由简“化”繁的生成逻辑

  那么,合成数据究竟如何生成?雷涛打了个比方,往一瓶水中滴一滴墨水,墨水会从相对简单的状态逐渐扩散,变得复杂、分散。通过逆扩散算法识别墨水扩散规律,就能模拟出不同的墨水扩散场景。合成数据也是利用类似原理,抓住核心规律,从简单数据出发,模拟数据的复杂变化过程,创造出丰富多样的数据。

  “人类的抽象逻辑留给我们的数据资产有限,都是信息化进程中沉淀下来的结构化概要信息。而要把这些概要信息,转变为能用于理解和处理复杂世界中复杂系统的内容,就需要大量合成数据。”雷涛说。

 天云数据CEO雷涛:大模型后训练时代,AI要生产数据训练自己

 受访者供图

  另外,在某些特定领域或场景下,获取真实数据存在困难。以自动驾驶领域为例,其需要百万级别的路况数据,涵盖模拟极端灾难天气、极端恶性交通事故(如波音747在高速公路上迎面迫降)、复杂路况(如路面破损、立交桥断桥)等情况的数据。这些数据难以从现实世界获取,而合成数据可按需生成,填补数据缺口,降低对有限真实数据的依赖。

 自我驱动的“数据飞轮”

  雷涛认为,人工智能已经从预训练时代走向了后训练时代。在后训练时代,大模型构建起从数据生成到模型强化的正向循环机制至关重要。就像移动互联网时代搜推系统的“数据飞轮”效应——通过应用数据优化算法,算法又反哺应用,人工智能大模型也应形成“数据飞轮”,借助AI生产训练数据实现自我训练。

  已经有数家活跃于人工智能领域的企业,正在使用合成数据训练大模型。Facebook和Instagram的所有者Meta已经使用合成数据来微调其最大的LlamaAI模型,而微软也将AI制作的内容用于其Phi-4模型。谷歌和ChatGPT背后的公司OpenAI也在其AI工作中使用了合成数据。

  最近如火如荼的Deepseek,也在训练中使用到了合成数据。根据DeepSeek-V3技术文档,对于数学、代码竞赛、逻辑谜题这类推理相关数据,DeepSeek-V3先借助已训练好的DeepSeek-R1模型生成数据,再用融合了特定优化方法(监督微调与强化学习)的专业模型。

  为应对数据“饥荒”,“自给自足”的合成数据正在成为人工智能的新燃料。雷涛以2月19日发布的斯坦福生物学模型Evo2为例,Evo2能解构生物数据,还能通过训练,重构数据维度,在人工智能与数据的深度融合中,形成“复利效应”:“现在,AI产业与数据已步入深度协同阶段,构成产业演进的底层逻辑:AI建设数据资产,数据飞轮加速AI产业发展,二者相互依存、共同发展,促使产业格局发生质变。”(记者 李欣哲)

[ 责编:蔡琳 ]
阅读剩余全文(

相关阅读

您此时的心情

光明云投
新闻表情排行 /
  • 开心
     
    0
  • 难过
     
    0
  • 点赞
     
    0
  • 飘过
     
    0

视觉焦点

  • 乙巳年黄帝故里拜祖大典在河南新郑举行

  • 上海:纪念五卅运动100周年文物史料专题展开幕

独家策划

推荐阅读
3月30日,2025中国网络媒体论坛“坚持主流价值导向 推动算法向上向善”主题分享会在广西南宁举行。主题分享会上发布了“算法向善”南宁宣言,重点互联网企业代表集体签署。
2025-04-01 09:46
目前全球6G研发已从概念探索进入关键技术攻关阶段,中国围绕2030年实现6G商用这一目标加速布局。
2025-04-01 09:50
AI医疗只是辅助手段。
2025-04-01 09:48
31日,在2025中关村论坛年会“重大科技成果发布活动”上,由北京金融监管局联合市科委、中关村管委会、市经济和信息化局、市委金融办共同指导,全国首个商业航天保险共保体组织——“北京商业航天保险共保体”正式发布,助力北京商业航天加速发展。
2025-04-01 09:47
3月31日,“南海二号”钻井平台在惠州19-6油田海域进行钻探作业。
2025-04-01 09:45
2025中关村论坛年会重大成果专场发布会31日举行,围绕“四个面向”发布19项重大科技成果,展现了我国在前沿科技引领、开源开放合作、创新驱动发展等方面的成效。
2025-04-01 09:41
现场发布2024中国正能量网络精品征集展播活动结果,与会领导为中国正能量十佳网络精品代表、突出贡献单位颁发荣誉证书和纪念牌。
2025-04-01 09:48
主题分享会上发布了“算法向善”南宁宣言,重点互联网企业代表集体签署。
2025-04-01 09:47
今年以来,我国以DeepSeek为代表的大模型企业通过算法优化、有针对性的训练和开源生态协作,在使用“缩水版”GPU芯片的情况下,将千亿参数模型训练成本压缩至同类模型的1/10,走出了一条从粗放式算力堆砌向内生式效能提升的新路径。
2025-03-31 10:21
“联合科研团队初步确定,青龙山恐龙蛋化石普遍表现出特殊排列规律,如常见同层埋藏的恐龙蛋3至5枚一组排列成微微弯曲的弧线,多组弧线近平行展布。
2025-03-31 10:03
由西湖大学孵化的西湖仪器,日前成功实现12英寸碳化硅衬底激光剥离自动化解决方案,大幅降低损耗,提升加工速度,推进了碳化硅行业降本增效。
2025-03-31 10:02
日照两城河口国家湿地公园,一群绿头鸭在水面上自由飞翔。
2025-03-31 10:01
3月28至29日,作为2025中关村论坛年会的重要组成部分,中关村国际技术交易大会“全球高校科技成果转化促进大会”在北京工业大学举行。
2025-03-31 09:59
2025中关村论坛年会于3月27日至31日在北京举办,以“新质生产力与全球科技合作”为年度主题。其中将举办碳达峰碳中和科技、世界绿色设计等论坛,为新质生产力发展注入绿色动能。
2025-03-28 03:30
日前,我国自主研制的最大直径盾构机“沧渊号”成功下线,将承担世界最长公路水下盾构隧道——海太长江隧道工程左线掘进任务。大海古称“沧渊”,海太长江隧道横跨长江入海口,全长39.07公里,其中过江隧道长11.185公里,最大埋深超75米,计划于2028年建成。“沧渊号”开挖直径达16.66米,整机总长176米,总重量超5650吨,再创国产超大直径盾构机新纪录。
2025-03-28 04:00
3月27日,国家重大科技基础设施高能同步辐射光源HEPS正式宣布启动带光联调,这标志着HEPS装置建设进入冲刺阶段。HEPS是设计亮度世界最高的第四代同步辐射光源,也是我国第一台高能量同步辐射光源。截至2025年1月,经过多轮束流调试,HEPS储存环束流强度达到40毫安以上,发射度降低到93皮米弧度。
2025-03-28 04:00
3月27日,以“新质生产力与全球科技合作”为主题的2025中关村论坛年会在北京中关村国际创新中心拉开帷幕。来自100多个国家和地区的上千名嘉宾齐聚一堂,共议前沿科技趋势、共享创新思想、共谋发展机遇。
2025-03-28 03:30
近日,国家卫生健康委会同国家市场监督管理总局发布50项食品安全国家标准和9项标准修改单。截至目前,我国已累计发布食品安全国家标准1660项,包含2万多项指标,涵盖全部340余种食品类别。
2025-03-28 04:00
记者日前获悉,自去年10月全球洲际间断分布的5种崖柏属植物全部落户重庆市开州区崖柏国家林木种质资源库以来,科研团队已成功繁育崖柏实生苗30万株,崖柏扦插苗20万株,
2025-03-27 04:00
职业技能培训对劳动者提技增收、缓解就业矛盾意义重大。党中央、国务院高度重视职业技能培训工作,2024年印发《关于实施就业优先战略促进高质量充分就业的意见》,要求健全终身职业技能培训制度。
2025-03-27 05:10
加载更多