הודות לפיתוח של בינה מלאכותית המונעת על ידי מודל השפה הגדולה, המחקר והיישום של איקונוגרפיה גרפית הביאו הזדמנות חדשה, אשר מקדמת את הפיתוח של מודל שפה גדול למודל חזון גדול." ב-30 בדצמבר 2023, בתאריך לרגל ערב השנה החדשה ויום השנה החדשה, וואנג יאונן, אקדמאי של האקדמיה הסינית להנדסה ומנהל המרכז הלאומי לחקר הנדסה לטכנולוגיית תפיסה חזותית ובקרה של רובוטים, שיתף את המגמות האחרונות בפיתוח אינטליגנציה של ראיית מכונה. בכנס המדענים הצעירים ה-19 של החברה הסינית לגרפיקה גרפית.
בראיון בלעדי לכתב Nandu, Wang Yaonan אמר כי בינה מלאכותית הופכת את ראיית המכונה לחכמה, וכוח אריתמטי גבוה יותר יכול לתמוך באימון של מודלים ויזואליים גדולים. עם זאת, מודלים חכמים של ראייה גדולה זקוקים גם לרמות אריתמטיות גבוהות יותר, ארכיטקטורות מודל טובות יותר ואלגוריתמי למידה יעילים יותר.
כנס זה מאורגן על ידי האגודה הסינית לגרפיקת תמונה, מעבדת פאז'ו, האוניברסיטה הטכנולוגית של דרום סין, אוניברסיטת Sun Yat-sen, וועדת העבודה הצעירה של האגודה הסינית לגרפיקת תמונה.
מדברים על מגמות בתעשייה
ממחשוב חזותי ועד אינטליגנציה חזותית
יאו-נאן וואנג: למחקר ראיית המכונה של סין יש היסטוריה של כמעט 40 שנה, בתחילה החל מחקר חיישנים, כלומר: להמיר מידע אור למידע תמונה. הדבר הבא שצריך לעשות הוא עיבוד הראייה, כולל שיפור התמונה המתקבלת כדי להבהיר אותה.
לאחר שיש לנו תמונה ברורה, אנחנו צריכים להשיג את המטרה שאנחנו מעוניינים בה מהתמונה. למשל, בתחום נהיגה ללא נהג, ראיית מכונה צריכה לזהות את המטרות שבתמונה, כדי לענות על השאלה מיהו אדם ואיזו מכונית.
אלו הם מה שאנו מכנים שלושת התחומים העיקריים של ראיית מכונה. אני מתמצה ב: הדמיה, עיבוד והבנה.
ראיית מכונה עברה ממחשוב חזותי בעבר לבינה חזותית כיום. מחשוב חזותי בשילוב עם בינה מלאכותית שיפרו את רמת הקוגניציה ושיפרו את היכולת להבין סביבות מורכבות, וכל תעשיית הבינה החזותית ראתה התפתחות מהירה בשנה האחרונה.
כיוון הפיתוח של מודיעין ראיית מכונה הוא לבצע מגוון רחב של יישומים, המיושמים לבדיקה תעשייתית, ייצור חכם וחישה מרחוק לוויינית ותחומים אחרים.
אם מדברים על ראיית מכונה, אנחנו חייבים לדבר על היישום שלה, פיתוח טכנולוגיה מונע יישומים. לחברה הסינית לגרפיקת תמונה יש 30 ועדות מיוחדות, שבמרכזן תמונות גרפיות לביצוע מחקר, לשרת את הכלכלה הלאומית. לטכנולוגיות אלו מגוון רחב של תרחישי יישום, לרבות תעשייה, חקלאות, מערכות מידע גיאוגרפיות, חישה מרחוק, משאבי קרקע וכן הלאה.
אדם יכול לראות את העולם בלידה ולהבין את העולם לאחר מכן, ו-80% מהמידע נרכש על ידי ראייה. ראיית מכונה היא לדמות את העין האנושית, ובסופו של דבר להגיע לרמת העין האנושית, ובכמה היבטים לחרוג מהעין האנושית, לראות רחוק יותר, לראות יותר ברור.
מדברים על מודל חזון גדול
מודל חזותי גדול יהיה יותר ויותר אינטליגנטי
Yao-Nan Wang: Big Language Model הוא בינה מלאכותית מונעת נתונים המשתמשת בידע מספרים, שפה וטקסט כנתונים כדי לאמן מודל רשת עצבית שיכול לנמק ולענות על סמך מה שלמד.
הנתונים של המודל הוויזואלי הגדול, לעומת זאת, מגיעים בעיקר מדימויים שונים, כולל נתונים חזותיים שנוצרו על ידי בני אדם וטבע. לדוגמה, המודל הוויזואלי הגדול הרפואי הוא להזין את התמונות של איברים ונגעים אנושיים כנתונים חזותיים לתוך המודל הגדול, ולאחר מכן להתאמן כדי לקבל אותו, כך שהוא יוכל לקרוא צילומי CT כמו רופא, ויוכל להשיג את ההשפעה של לנמק את מצבו של המטופל לאחר צילום תמונות כאשר המטופל מגיע לרופא.
למודל החזותי הנוכחי אין אותו הדבר כמו המוח האנושי כפי שאנו מדמיינים, הפער עדיין גדול מאוד. עם הגדלת נתוני הלמידה והתאמת הפרמטרים של המודל, המודל יהפוך לגדול יותר ויותר ויותר ידע, ורמת האינטליגנציה שלו תהפוך לגבוהה יותר ויותר וחכמה יותר.
עלינו להגביר את רמת הכוח האריתמטי ולהאיץ את מהירות החישוב כדי להיות מסוגלים לבנות מודלים מהר יותר; לתכנן ארכיטקטורות מודל טובות יותר, כולל יותר פרשנות ובטוחות יותר וניתנות לשליטה; ולחקור אלגוריתמי למידה יעילים יותר.
למען האמת, בניית מאקרו חזותית אינה חדשה בשנים האחרונות, היא פותחה צעד אחר צעד. בשנות ה-80, עם התפתחות הבינה המלאכותית, אנשים החלו לחקור רשתות עצביות. רק שבשנים האחרונות היכולות האריתמטיות והאלגוריתמיות גדלו כך שאנשים יכולים לנסות לבנות מודלים גדולים, והולידו מודלים של שפות גדולות ומודלים ויזואליים גדולים. בעבר, כשלא היה מספיק כוח אריתמטי, אנשים לא עשו מודלים כל כך גדולים.
מדברים על התחזית לשנת 2024
אנו מקווים שהעסק יצמח מגואנגג'ואו לכל המדינה והעולם.
Yaonan Wang: המרכז הלאומי לחקר ההנדסה של אוניברסיטת הונאן לטכנולוגיית תפיסה חזותית ובקרה של רובוטים עבר לגואנגג'ואו זנגצ'נג, הממוקמת באזור המפרץ הגדול גואנגדונג-הונג קונג-מקאו, בשנת 2022, והקים את HU Guangdong-Hong Kong-Macao Greater Bay. מכון למחקר חדשנות באזור (Guangzhou Zengcheng).
המכון מתמקד במחקר וביישום של ראייה חכמה למכונות, לרבות רובוטים הפעלה מיוחדים בתחומי ייצור אינטליגנטי, רפואה ותרופות, וכן מודלים כלליים של ראייה גדולה. לדוגמה, מחקרים אלה מיושמים בתעשיית הייצור, שיכולה להחליף מספר רב של פועלים ולהשלים את בדיקת איכות המוצר, במיוחד בתעשיית 3C וחלקים מתקדמים. נכון לעכשיו, המכון פיתח מערכות תוכנה וחומרה, שתפקידן העיקרי הוא להעצים את הטרנספורמציה הדיגיטלית והחכמה של מפעלי גואנגדונג ולקדם את פיתוח תעשיית הייצור.
בנוסף, המכון מבצע גם מערכות ראיית מכונה ובקרה חכמות, המשמשות בעיקר בייצור ציוד אינטליגנטי ברמה גבוהה, כגון תוכנת אינטרנט תעשייתית, בעלת מספר רב מאוד של אלגוריתמים.
גואנגדונג היא חזית הרפורמה והפתיחה ושדה הקרב הכלכלי העיקרי, עם שרשרת תעשייתית ושרשרת אספקה מלאה, וחברות ייצור רבות, הגענו לפריסת גואנגדונג ראשית בגלל ביקוש בשוק. בנוסף, מרכז המחקר שלנו יש מספר צוות מו"פ בגואנגדונג נחת הרבה פרויקטים, השינוי של הישגים מדעיים וטכנולוגיים.
במחצית הראשונה של 2023 אכן נתקלנו בכמה אתגרים, בעיקר באספקת חלקים ורכיבים. בשנת 2024, אני מאמין שהבעיות הללו ייפתרו, והשרשרת התעשייתית, שרשרת האספקה ויכולות המו"פ של תעשיית הבינה המלאכותית של גואנגדונג ישופרו. בשוק המקומי הגדול ייפתחו מסלולים חדשים. באווירה תוססת, כשכולם לוקחים יוזמה, פועלים ומחדשים, ניתן לפתור את כל האתגרים.
אני בטוח בפיתוח תעשיית הבינה המלאכותית בגואנגדונג. במהלך 30 השנים האחרונות, עשינו מאמצים רבים כדי להיות עצמאיים במדע ובטכנולוגיה וצברנו הרבה תוצאות מחקר מדעיות. גואנגדונג היא המחוז הכלכלי הגדול ביותר בסין.
תחום הבינה המלאכותית והרובוטיקה שאנו עוסקים בו תפס הזדמנות טובה, שצמחה בצורה נפיצה בשנתיים האחרונות, מביאה שווקים חדשים רבים ומשכה מסלולים תעשייתיים חדשים. בעתיד יהיו יותר ויותר מסופים חכמים, שיובילו גם לפיתוח מתקני הייצור והציוד. בשנת 2024, אני מקווה שמכון המחקר שלנו בזנגצ'נג, גואנגג'ואו יוכל לקחת את העסק שלנו לכל המדינה והעולם.