6月16日，在人工智能框架生態(tài)峰會2023上，中國科學(xué)院自動化研究所所長徐波正式發(fā)布“紫東.太初”全模態(tài)大模型。
“紫東.太初”全模態(tài)大模型是在千億參數(shù)多模態(tài)大模型“紫東.太初”1.0基礎(chǔ)上升級打造的2.0版本，在語音、圖像和文本三模態(tài)的基礎(chǔ)上，加入視頻、信號、3D點云等模態(tài)數(shù)據(jù)，研究突破了認(rèn)知增強(qiáng)的多模態(tài)關(guān)聯(lián)等關(guān)鍵技術(shù)，具備全模態(tài)理解能力、生成能力和關(guān)聯(lián)能力，面向數(shù)字經(jīng)濟(jì)時代加速通用人工智能的實現(xiàn)。
會上，徐波首次對外實時展示了大模型在音樂理解與生成、三維場景導(dǎo)航、信號理解、多模態(tài)對話等方面的全新功能，并邀請現(xiàn)場觀眾與大模型即時互動?！白蠔|.太初”全模態(tài)認(rèn)知大模型不僅可以透過《月光曲》暢談貝多芬的故事，也可以在三維場景里實現(xiàn)精準(zhǔn)定位，還能夠通過圖像與聲音的結(jié)合完成場景分析，在現(xiàn)場獲得了熱烈反響。
從多模態(tài)到全模態(tài)的持續(xù)探索
人類在認(rèn)知世界時，往往同時涉及語音、圖像、文字等信息。機(jī)器需要實現(xiàn)更高水平的智能，就需要像人一樣，發(fā)展貫通圖、文、音等更多模態(tài)的大模型。自2019年起，中國科學(xué)院自動化研究所（以下簡稱“自動化所”）即堅持以“圖-音-文”多模態(tài)技術(shù)為核心，確立多模態(tài)大模型布局，整合所內(nèi)圖像、文本、語音等研究方向的優(yōu)勢資源開展集團(tuán)式攻關(guān)，于2021年9月成功打造“紫東太初”1.0多模態(tài)大模型。“紫東.太初”1.0助推人工智能從“一專一能”邁向“多專多能”，向發(fā)展通用人工智能邁出了堅實的第一步。
以此為基礎(chǔ)，“紫東.太初”大模型的多模態(tài)探索仍在持續(xù)深入。邁入數(shù)字經(jīng)濟(jì)時代，數(shù)據(jù)的范疇不斷拓寬，不僅包含人類自身產(chǎn)生的語音、圖像、文字等數(shù)據(jù)，還有機(jī)器產(chǎn)生的大量結(jié)構(gòu)和非結(jié)構(gòu)化數(shù)據(jù)。針對新需求與新趨勢，“紫東.太初”2.0在語音、圖像和文本之外，加入了視頻、信號、3D點云等更多模態(tài)，從技術(shù)架構(gòu)上實現(xiàn)了結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的全模態(tài)開放式接入；突破了能對信息進(jìn)行充分理解和靈活生成的多模態(tài)分組認(rèn)知編解碼技術(shù)，能融合多個任務(wù)的認(rèn)知增強(qiáng)多模態(tài)關(guān)聯(lián)技術(shù)等，大模型多模態(tài)認(rèn)知能力大幅提升。
“紫東.太初”2.0可以理解三維場景、信號等數(shù)字物聯(lián)時代的重要信息，完成了音樂、圖片和視頻等數(shù)據(jù)之間的跨模態(tài)對齊，能夠處理音樂視頻分析、三維導(dǎo)航等多模態(tài)關(guān)聯(lián)應(yīng)用需求，并可實現(xiàn)音樂、視頻等多模態(tài)內(nèi)容理解和生成。從1.0到2.0，“紫東.太初”大模型打通了感知、認(rèn)知乃至決策的交互屏障，使人工智能進(jìn)一步感知世界、認(rèn)知世界，從而延伸出更加強(qiáng)大的通用能力。
打造全棧國產(chǎn)化通用人工智能底座
“紫東.太初”2.0以自動化所自研算法為核心，以昇騰AI硬件及昇思MindSpore AI框架為基礎(chǔ)，依托武漢人工智能計算中心算力支持，著力打造全棧國產(chǎn)化通用人工智能底座。長期以來，強(qiáng)大的算力支撐是約束我國人工智能發(fā)展的瓶頸之一，以“紫東.太初”大模型為領(lǐng)頭雁開展的創(chuàng)新實踐將有力推動國產(chǎn)基礎(chǔ)軟硬件與大模型技術(shù)的適配，協(xié)同構(gòu)建我國通用人工智能自主可控發(fā)展生態(tài)。
全模態(tài)賦能，產(chǎn)業(yè)應(yīng)用前景廣闊
目前，“紫東.太初”大模型已展現(xiàn)出廣闊的產(chǎn)業(yè)應(yīng)用前景，在神經(jīng)外科手術(shù)導(dǎo)航、短視頻內(nèi)容審核、法律咨詢、醫(yī)療多模態(tài)鑒別診斷、交通違規(guī)圖像研讀等領(lǐng)域開始了一系列引領(lǐng)性、示范性應(yīng)用。
在醫(yī)療場景，“紫東.太初”大模型部署于神經(jīng)外科機(jī)器人MicroNeuro，可實現(xiàn)在術(shù)中實時融合視覺、觸覺等多模態(tài)信息，協(xié)助醫(yī)生對手術(shù)場景進(jìn)行實時推理判斷。同時與北京協(xié)和醫(yī)院合作，利用“紫東.太初”具備的較強(qiáng)邏輯推理能力，嘗試在人類罕見病診療這個挑戰(zhàn)性醫(yī)學(xué)領(lǐng)域有所突破。
徐波表示，自動化所以“紫東.太初”大模型為基礎(chǔ)，持續(xù)探索與類腦智能、博弈智能等技術(shù)路徑的相互融合，最終實現(xiàn)可自主進(jìn)化的通用人工智能。并將探索在更多領(lǐng)域發(fā)揮賦能價值，為促進(jìn)我國數(shù)字經(jīng)濟(jì)快速發(fā)展貢獻(xiàn)力量。
