IBM擴展人工智慧和量子運算目標展示延伸至2030年的路線圖
雖然沒有人懷疑IBM 近幾十年來所取得的科技進步,但肯定也有人開始懷疑該公司是否有能力在未來繼續維持這種努力。最近,在歷史悠久的托馬斯-J-沃森研究中心(Thomas J. Watson Research Center)舉行的分析師日上,IBM 提出了令人信服的論據,證明他們有能力完成任務,尤其是在人工智慧和量子計算領域。
![2023-11-13-image-17.webp](https://i0.wp.com/static.cnbetacdn.com/article/2023/1114/0712eb57f5ab178.webp?w=640&ssl=1)
最引人注目的是,IBM 展示了其先進技術研究工作與將這些工作快速”產品化”為商業產品之間更緊密的聯繫。無論是在事先準備好的發言中,還是在回答問題時,IBM 都明確表示將重新關注如何確保兩個集團在未來展望和發展重點方面步調一致。
從歷史上看,IBM 的研究計劃並沒有全部進入市場。不過,在前IBM 研究部主管、執行長Arvind Krishna 的明確領導下,該公司目前正專注於混合雲、人工智慧和量子運算等關鍵領域。現任研究總監達裡奧-吉爾(Dario Gil)證實,研究團隊與商業產品團隊之間的合作現在比以往任何時候都更加緊密。這種加強協調的做法有助於快速開發創新能力,並將其迅速整合到商業產品中。
這項策略在現實世界中的一個成果就是IBM快速開發了被稱為”watsonx”的人工智慧套件。watsonx在今年的Think大會上首次推出(更多資訊請參閱”IBM透過watsonx發布生成式人工智慧策略」),目前正在快速發展,這在很大程度上是由IBM研究小組首先開發的新功能推動的。
在最近的分析師活動中,IBM 展示了大量使用watsonx 的實際應用和客戶案例。儘管許多企業仍處於對生成式人工智慧的探索階段,但IBM 分享了各種成功的實際實施案例。此外,IBM也詳細介紹了watsonx和生成式人工智慧的廣泛應用,強調了它們在各個業務領域日益增長的相關性。
在應用方面,IBM 確定了企業越來越多地部署生成式人工智慧的三個主要領域:數位勞工或人力資源相關活動、客戶服務或客戶支持,以及應用程式現代化或程式碼創建。在這些類別中,該公司討論了內容創建、總結、分類和編碼應用。鑑於在IBM 大型主機上運行的舊式大型主機相關軟體歷史悠久,IBM 特別關注那些希望在GenAI 工具的幫助下從舊式COBOL 程式碼轉向現代程式語言的公司。
IBM也討論了其研究小組內旨在增強watsonx的幾項技術措施。其中包括在性能和規模、模型自訂、治理和應用啟用方面的努力。在效能方面,IBM 正在探索新的方法,透過量化減少模型大小和改進GPU 分片的資源共享等技術來提高大型基礎模型的效率。
![2023-05-09-image-7.jpg](https://i0.wp.com/static.cnbetacdn.com/article/2023/1114/ba40049d4cb69eb.jpg?w=640&ssl=1)
在強調其對開源的承諾時,IBM 闡述了其與人工智慧應用框架Pytorch 的合作,該框架最初由Meta 於2017 年開源。透過利用開源社群及其內部資源,IBM 在優化模型效能和促進Pytorch 建置的模型在不同運算架構上的部署方面取得了長足進步。添加Pytorch 這樣的硬體抽象層為更多程式設計師建構或自訂GenAI 模型提供了可能。原因在於,與晶片專用工具及其低階語言需求相比,使用JavaScript 等語言創建模型更廣為人知。
同時,這些硬體抽象層由於其高級特性,最終往往會帶來相當大的效能損失(NVIDIA 的Cuda 軟體工具就不存在這個問題)。不過,在新的Pytorch 2.0 中,IBM 表示他們和其他公司正在共同努力,透過更好地組織各類優化層的位置來減少這種影響,從而更接近”金屬”性能。
在模型客製化方面,IBM 認識到企業主要定製或微調現有模型而不是建立新模型的趨勢。LoRA(低等級適應)和多任務提示調整等技術正在不斷完善,以便在watsonx中實現商業化。IBM 也強調了為開發人員提供教育指導,幫助他們選擇合適的模型和資料集的重要性。雖然這聽起來很簡單,但卻是絕對必要的要求,因為即使是關於GenAI 模型如何建構和運作的基本知識也比人們意識到的(或願意承認的)要有限得多。
在治理方面,IBM 正專注於追蹤和報告模型創建和演化細節,這是一個至關重要的領域,尤其是在受監管的行業。公司正在努力實施針對資料集中的偏見、社會污名、淫穢內容和個人識別資訊的保障措施,以及風險評估和預防。IBM 為使用其基礎模型的客戶提供智慧財產權相關訴訟的賠償,這證明他們在解決GenAI 技術的可信度和可靠性問題方面處於領先地位。
在”應用賦能”(Application Enablement)領域,IBM 談論了其圍繞”檢索增強生成”(RAG)所做的大量工作。RAG 是一種相對較新的技術,它可以增強推理過程,使企業更容易、更經濟高效地利用自身數據,並簡化微調現有基礎模型的過程,從而使企業不必擔心創建自己的模型。IBM表示,它已經看到許多客戶開始嘗試和/或採用RAG技術,因此它正在努力完善其在這方面的能力,以便讓客戶更輕鬆地創建更有用的GenAI應用。
在量子運算領域,IBM 持續保持領先地位,展示了延伸至2030 年的詳細技術路線圖。雖然有些科技公司願意分享幾年前的計劃,但提前這麼長時間提供如此多資訊的公司幾乎聞所未聞。IBM 之所以需要這樣做,部分原因是量子運算是一項具有戲劇性和前瞻性的技術,許多潛在客戶認為有必要了解如何為其製定計劃。簡單地說,他們希望了解即將發生的事情,以便在路線圖上下注。
IBM 量子運算發展的全部細節將在12 月的活動中公佈。可以說,該公司將繼續走在這項技術的最前沿,並對其最終成為主流企業運算的能力越來越有信心。
鑑於早期的科技公司早已不復存在,有些人對擁有112 年歷史的IBM 的持續創新能力心存疑慮,這是可以理解的。然而,如圖所示,IBM 的發明精神不僅依然存在,而且似乎正煥發出勃勃生機。