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: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

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。

 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。

 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

  • “渝东粮仓”春耕春管正当时

  • 吕梁山上的“面塑盛典”

独家策划

推荐阅读
近日,国内首款碳-14核电池原型机“烛龙一号”发布,这标志着中国在核能技术领域与微型核电池领域取得重要突破。
2025-03-19 10:24
世界知识产权组织近日公布2024年全球知识产权申报统计数据。中国申请量为70160件,同比增长0.9%,仍是申请量最大的来源国。
2025-03-19 10:20
先优化人员分工,过去按天计工时,改为了以量计价,鼓励村民优化流程,提高效率,用人成本降低了20%。
2025-03-19 10:19
近日,国家互联网信息办公室、工业和信息化部、公安部、国家广播电视总局联合发布《人工智能生成合成内容标识办法》,自2025年9月1日起施行。
2025-03-19 10:15
首次揭示了植物新型广谱抗病天然产物——芥酸酰胺及其抗病机制和化学防御策略,对于开发新型绿色无害农药、减少细菌病害、保证植物安全具有重要意义。
2025-03-19 10:14
包括加快人工智能(AI)大模型迭代升级、推出AI应用新产品、加快开源步伐等,进一步竞速人工智能创新发展赛道,优化人工智能落地应用体验。
2025-03-18 09:13
上海、浙江、广东、四川等地中小学也在积极开发人工智能教育资源、构建人工智能课程体系,并已取得一定成效。
2025-03-18 09:13
日前,中国科学院近代物理研究所科研人员及合作者在重离子治癌微观机理研究方面取得重要进展。
2025-03-18 01:55
日前,记者从江西官山国家级自然保护区获悉,该保护区与湖北博得生态中心科研团队在开展生物多样性调查时发现一个蜘蛛新种——官山伪遁蛛。
2025-03-18 01:55
3月17日16时7分,我国在酒泉卫星发射中心使用谷神星一号运载火箭,成功将云遥一号55-60星发射升空,卫星顺利进入预定轨道,发射任务获得圆满成功。这次任务还搭载发射了中科卫星06星、07星。
2025-03-18 01:55
“昼夜温差真的能催芽,看!这些小瓜苗又长高了1公分!”在松荫轩智慧农场暖棚,六顶“小黄帽”在苗床间晃动,园艺社的孩子们一边用尺子测量一边记录数据,几双小手轻轻拨开土壤,细致地为新一批种子“安家落户”。
2025-03-18 01:55
在最近的科技新闻中,人工智能依然备受关注:能看会写的AI医生、灵活拧螺丝的机器人、会自己“脑补”物理规律的视频生成模型……
2025-03-17 08:57
今年全国两会期间,人工智能驱动未来发展是备受关注的热点话题。今年《政府工作报告》也明确提出,持续推进“人工智能+”行动,将数字技术与制造优势、市场优势更好结合起来,支持大模型广泛应用,大力发展智能网联新能源汽车、人工智能手机和电脑、智能机器人等新一代智能终端以及智能制造装备,引发广泛关注。
2025-03-17 02:10
番茄像葡萄一样成串生长,可以揪着吃。走进北京市大兴区长子营镇北京京农智慧农业有限公司的智慧温室产业示范园,无土栽培串收番茄,经过一系列改良升级,正走向千家万户的餐桌。
2025-03-17 02:10
在广州开发区、黄埔区,有3个“80%”令人瞩目:80%以上的规上工业企业是民营及中小企业,80%以上的高新技术企业是民营及中小企业,80%以上的发明专利、创新成果和新产品来自民营及中小企业。
2025-03-17 02:10
从内蒙古大学生命科学学院获悉,该院陈贵林教授团队发现,甲虫与蚂蚁合作,共同完成了荒漠生态系统中药用寄生植物锁阳种子的传播,从而首次揭示了锁阳种子的传播机制,为荒漠生态系统生物多样性保护提供了新的证据,也为保护和管理锁阳种群提供了新的视角。
2025-03-17 02:10
当前,泰国经济处于缓慢复苏阶段。世界银行最新发布的报告指出,尽管泰国经济增长略好于预期,但整体增速仍然低于东盟邻国。面对全球经济的不确定性,泰国亟须采取有效措施提升自身经济韧性,以确保经济的可持续增长。
2025-03-17 02:10
据《自然》杂志近日报道,美国新兴技术观察站(ETO)一项分析报告发现,中国目前正在进行的大部分芯片设计和制造研究方面的基础研究,有望为未来的计算硬件奠定基础。
2025-03-14 09:46
车市竞争从价格战转向智驾战。近期上市的几款新车上搭载或升级智驾功能,包括15万元级的深蓝L07,长安汽车董事长朱华荣表示:“今年8月将智驾覆盖到10万元级车型。“比亚迪多款车型搭载了基于地平线征程6M的天神之眼C高阶智驾系统。
2025-03-14 09:39
此项研究中,团队将金属熔化,并利用团队前期制备的高质量单层二硫化钼压砧进行挤压,实现了多种二维金属的普适制备。
2025-03-14 09:38
加载更多