Hãy tiếp tục cuộc trò chuyện về PLM và AI đã bắt đầu vào tuần trước. Trí tuệ nhân tạo (AI) và Trò chuyện GPT đã trở thành chủ đề thịnh hành trong 100 ngày qua, gây ra nhiều câu hỏi và thảo luận giữa các nhóm người và doanh nghiệp khác nhau. Nó tạo ra phản hồi đáng kể của con người từ công nghệ mà Open AI và các công ty khác đã giới thiệu. Những gì chúng ta đã thấy là cách máy học có thể thay đổi căn bản cách chúng ta sống, làm việc và tương tác với thế giới xung quanh. Đây cũng là một cơ hội quan trọng để các doanh nghiệp thay đổi quy trình và quá trình ra quyết định của họ. Một trong những bước phát triển thú vị nhất trong AI là sự xuất hiện của các Mô hình ngôn ngữ lớn (LLM), chẳng hạn như GPT-3.5, có khả năng tạo văn bản giống con người và phản hồi đầu vào ngôn ngữ tự nhiên theo những cách chưa từng có. Khi các LLM tiếp tục cải thiện và phát triển, các ứng dụng tiềm năng của chúng đang mở rộng nhanh chóng, từ dịch ngôn ngữ và chatbot đến tạo nội dung và thậm chí tạo mã.
Trong blog này, chúng ta sẽ khám phá những phát triển mới nhất về AI và LLM, đồng thời xem xét xem chúng có thể tác động như thế nào đến tương lai của PLM. Chúng ta sẽ thảo luận về các trường hợp sử dụng tiềm năng đối với LLM trong quy trình phát triển sản phẩm cũng như những thách thức và cơ hội phát sinh từ việc tích hợp các công nghệ này vào các hệ thống PLM hiện có.
AI VÀ GPT DÀNH CHO NGƯỜI LẠ
Hãy thảo luận về AI và GPT là gì. Trí tuệ nhân tạo (AI) là khả năng của máy móc thực hiện một số nhiệm vụ nhận thức thường yêu cầu con người. Một trong những mô hình AI phổ biến nhất được sử dụng ngày nay là mô hình Generative Pre-training Transformer (GPT). GPT là một mô hình học sâu đã được đào tạo trước trên một kho dữ liệu văn bản lớn và có thể tạo ra ngôn ngữ giống con người. Mô hình này dựa trên kiến trúc máy biến áp, cho phép nó xử lý văn bản đầu vào và tạo văn bản đầu ra với độ chính xác cao. GPT thường được sử dụng cho các tác vụ xử lý ngôn ngữ tự nhiên (NLP) chẳng hạn như chatbot, dịch ngôn ngữ và tóm tắt văn bản. Tóm lại, AI và GPT là những công nghệ mạnh mẽ thay đổi cách chúng ta tương tác với máy móc và với nhau.
Nhìn thấy quy mô mà GPT3 đạt được – 1000x trong 2 năm thật ấn tượng. Sức mạnh cơ bắp tính toán đáng kinh ngạc đã được áp dụng cho AI tổng quát trong 5-6 thập kỷ qua. Như bạn có thể thấy, một vài năm trước, sức mạnh của đám mây và những tiến bộ silicon mới phi thường đã thúc đẩy sự gia tăng gần như ngay lập tức các “tham số”, theo một cách nào đó, là những thành phần thiết yếu giúp Mô hình ngôn ngữ lớn hoạt động.
Mô hình càng lớn, hiệu suất càng tốt. Chính sự tăng tốc mạnh mẽ về sức mạnh xử lý này đã cho phép những tiến bộ đột ngột và thường gây sốc trong AI tổng quát xảy ra. Sự phát triển gần đây của GPT4 thực sự làm cho trang trình bày ở trên hơi lỗi thời.
Những LLM này đã được chứng minh là công nghệ đắt nhất mà tôi từng thấy gần đây. Một mô hình với hàng trăm tỷ tham số có thể được tạo ra và các cụm siêu máy tính khổng lồ có thể được sử dụng để cung cấp năng lượng cho các LLM này. Tuy nhiên, những khả năng này còn xa với hầu hết các doanh nghiệp (chưa).
Nó chỉ là toán học phức tạp! Mặc dù tất cả chúng ta đều tin rằng GPT3 “tạo ra” thứ gì đó, nhưng điều đó không đúng. Những gì chúng ta thấy trong GPT3 (và ứng dụng ChatGPT) chỉ là toán học. Những màn trình diễn và ví dụ tuyệt đẹp này không được “tạo ra” – nó chỉ là kết quả của việc thực hiện sức mạnh đối sánh, tính toán xác suất và phối lại các từ từ mô hình. Hãy nghĩ về một mô hình điện toán quan trọng có khả năng tính toán dự đoán của từ tiếp theo để hỗ trợ con người viết và trả lời các câu hỏi. Có rất nhiều ví dụ, nhưng cơ bản cốt lõi là toán học trên thang đo.
AI SẼ XÂY DỰNG CÁC MÔ HÌNH NGÔN NGỮ LỚN PLM HYBRID (LLMS-LARGE LANGUAGE MODELS)?
Mô hình dựa trên mạng thần kinh thường là mô hình ngôn ngữ lớn (LLM) đã được đào tạo trên lượng dữ liệu khổng lồ bằng cách sử dụng các kỹ thuật học sâu. Mô hình này có thể tạo văn bản giống con người, chất lượng cao, có thể được sử dụng cho các nhiệm vụ NLP khác nhau, chẳng hạn như dịch ngôn ngữ, phân tích tình cảm và tóm tắt văn bản.
Có một số LLM đã được tạo ra để bao gồm nhiều lĩnh vực. Như vậy, GPT, BERT, RoBERTa, Codex, T5, XLNet, v.v. Ngoài ra còn có nhiều mô hình ngôn ngữ lớn khác đã được phát triển bởi nhiều công ty và tổ chức nghiên cứu, mỗi mô hình đều có điểm mạnh và điểm yếu riêng.
Khi mọi thứ bắt đầu trở nên rất thú vị là khi có thể tích hợp nhiều LLM. Mô hình ngôn ngữ lớn lai (LLM) là một mô hình trí tuệ nhân tạo kết hợp hai hoặc nhiều loại mô hình khác nhau để đạt được hiệu suất tốt hơn so với từng mô hình riêng lẻ. Trong bối cảnh xử lý ngôn ngữ tự nhiên (NLP), LLM lai thường kết hợp mô hình dựa trên mạng thần kinh với các mô hình khác, chẳng hạn như mô hình dựa trên quy tắc hoặc xác suất.
Các loại mô hình khác có thể được kết hợp với LLM bao gồm các mô hình dựa trên quy tắc và mô hình xác suất. Các mô hình dựa trên quy tắc sử dụng một bộ quy tắc để phân tích và xử lý văn bản, trong khi các mô hình xác suất sử dụng các kỹ thuật thống kê để suy ra các mối quan hệ và mẫu trong dữ liệu. Bằng cách kết hợp các loại mô hình khác nhau này, LLM lai có thể đạt được hiệu suất tốt hơn so với LLM truyền thống và có thể được sử dụng cho nhiều nhiệm vụ NLP hơn.
Niềm tin của tôi vào AI sáng tạo và các ứng dụng của LLM có thể được mở rộng nhờ sự phát triển trong không gian PLM để cung cấp các mô hình cụ thể nhằm phục vụ các cộng đồng quản lý vòng đời sản phẩm và kỹ thuật. Các mô hình ngôn ngữ này có thể tập trung vào các khả năng tốt hơn trong quản lý vòng đời sản phẩm, quản lý chuỗi cung ứng, mô hình sản xuất và nhiều mô hình khác. Để làm được điều này, các nhà phát triển PLM cần thực hiện các nhiệm vụ sau:
Xác định các trường hợp sử dụng trong đó AI tổng quát có ý nghĩa
Xây dựng dựa trên các khả năng và nội dung dữ liệu riêng dành riêng cho PLM
Sử dụng các LLM hiện có và phát triển các mô hình độc đáo.
Phát triển một ứng dụng cụ thể có thể tập trung vào các trường hợp sử dụng AI.
THỜI ĐẠI PHÓNG VIÊN
Thuật ngữ “COPILOTS” được cộng đồng AI và các nhà phát triển tích cực sử dụng. COPILOTS AI đề cập đến việc sử dụng hệ thống trí tuệ nhân tạo (AI) để hỗ trợ con người thực hiện nhiệm vụ của họ. Những COPILOTS AI này có thể giúp phi công theo nhiều cách khác nhau, chẳng hạn như bằng cách cung cấp phân tích dữ liệu theo thời gian thực, cảnh báo về các mối nguy tiềm ẩn và đề xuất các hành động để tránh hoặc giảm thiểu các mối nguy đó.
Vì chức năng thiết kế chung (copilot) như vậy trong các hệ thống CAD đã trở nên phổ biến gần đây có thể tìm thấy hình dạng, hình thức và cấu trúc tối ưu của mô hình CAD. Một ví dụ khác về hệ thống COPILOTS là GitHub Co-pilot, cho phép bạn sử dụng AI để tự động hoàn thành mã của mình dựa trên kinh nghiệm và phương pháp hay nhất của người khác. Một hệ thống có khả năng phân tích một số lượng lớn cấu trúc BOM và thông tin sản phẩm có thể dự đoán một mô hình tối ưu trong tương lai cho sự phát triển mới.
Các COPILOTS AI có tiềm năng cải thiện công việc của các nhà thiết kế, kỹ sư, nhà hoạch định sản xuất và quản lý chuỗi cung ứng. Tuy nhiên, để thực hiện được điều đó, các nhà cung cấp phần mềm sẽ phải đào tạo các mô hình ngôn ngữ lớn (LLM) dựa trên dữ liệu có thể hữu ích. Ví dụ: Microsoft và Open AI đã tạo Codex LLM, được đào tạo trên một số lượng lớn cơ sở dữ liệu mã phần mềm nguồn mở.
KẾT LUẬN CỦA TÔI LÀ GÌ?
Cú sốc và sự sợ hãi do trí tuệ nhân tạo AI gây ra trong 100 ngày qua cho thấy rằng ngành này sẽ có tiềm năng to lớn, nhưng cũng như tất cả những điều mới trong lĩnh vực kinh doanh này, đó là một công việc đang được tiến hành. Nó tùy thuộc vào các trường hợp sử dụng cụ thể, kinh tế học, công ty khởi nghiệp đang phát triển các sản phẩm đổi mới, các nhà cung cấp hiện tại áp dụng công nghệ mới và các công ty công nghiệp áp dụng việc sử dụng công nghệ mới để mang lại lợi ích dưới dạng kết quả kinh doanh.
Source: beyondplm.com
Don’t hesitate to contact Thanh for advice on automation solutions for CAD / CAM / CAE / PLM / ERP / IT systems exclusively for SMEs.
Luu Phan Thanh (Tyler) Solutions Consultant at PLM Ecosystem Mobile +84 976 099 099
Web www.plmes.io Email tyler.luu@plmes.io