Is big data the future of AI?

Le géant technologique Tencent a organisé sa journée Hi Tech Day et la conférence Digital Open Things 2023 au Centre national des congrès de Chine à Pékin le 14 décembre, sur le thème « L'intelligence émerge et ouvre toutes les choses ». Jiang Chunyu a déclaré que le développement de l'IA en Chine a un besoin urgent d'ensembles de données entraînables et de haute qualité. Jiang a révélé qu'un livre blanc sur la gouvernance des données de l'IA sera bientôt publié pour établir un système de méthodes et de règles dans ce domaine. La Chine accélère sa transformation numérique et comble la fracture numérique, avec un fort soutien à l'application de nouvelles technologies telles que les données, le cloud computing, l'intelligence artificielle et l'informatique quantique. Le géant technologique Tencent a organisé la Hi Tech Day et la conférence Digital Open Things 2023 sur le thème « L'intelligence émerge, le numérique ouvre toutes les choses » au Centre national des congrès de Chine à Pékin le 14 décembre, invitant des grands noms de tous horizons pour discuter de la tendance de l'intelligence artificielle. Lors de la conférence, Jiang Chunyu, directeur du département Cloud Data et Blockchain de l'Académie chinoise de recherche sur l'information et la communication, a prononcé un discours sur le thème « La gouvernance des données de l'IA suscite la réflexion ». La grande base de données de haute qualité est le prochain objectif évolutif. « Il n'y a pas beaucoup d'ensembles de données entraînables et de haute qualité sur le marché, en particulier dans le contexte chinois, où de nombreuses données de haute qualité sont cachées. Nous avons un besoin urgent de passer par un modèle commercialisable et ouvert, ou de déterminer quel modèle peut libérer les données et être utilisé par tous. » Jiang Chunyu, directeur du département Cloud Data et Blockchain de l'Académie chinoise de recherche sur l'information et la communication. Depuis 2018, l'IA générale mène la vague technologique. Toutes les parties se sont investies à fond et ont mis de l'argent dans la formation de grands modèles, créant une énorme tendance concurrentielle. Cependant, Jiang Chunyu estime que le développement national devrait se concentrer sur l'amélioration des données, non seulement en quantité, mais aussi en qualité. La Chine, en tant que puissance naturelle des données, plutôt que de se focaliser sur l'écart entre les algorithmes et le calcul qui n'est pas si grand entre les parties, les coûts énormes de l'« involution » du domaine, plutôt que d'améliorer la qualité des données, pourraient apporter de meilleurs résultats. Il a énuméré pour le public les ensembles de données à grande échelle, diversifiés et de haute qualité nécessaires à la formation des grands modèles: GPT-1 il y a quatre ou cinq ans nécessitait 4,8 Go de données de haute qualité, GPT-2 en était à 40 Go, GPT-3 à 570 Go, et cette année, Meta a lancé un grand modèle dont la base de données a atteint une taille stupéfiante de 4 000 Go. Jiang a exprimé son inquiétude: « Il n'y a pas beaucoup d'ensembles de données entraînables et de haute qualité sur le marché, en particulier dans le contexte chinois, où de nombreuses données de haute qualité sont cachées. Nous avons un besoin urgent de passer par un modèle commercialisable et ouvert, ou de déterminer quel modèle peut libérer les données et être utilisé par tous. » À lire aussi: Amazon Q AI assistant: AWS lance une approche révolutionnaire d'interrogation des données. Jiang Chunyu: La gestion, la sécurité et la protection des données doivent être établies d'urgence. Jiang a soulevé trois problèmes dans le développement actuel de l'industrie: La qualité des données est généralement biaisée. Afin de transformer des ensembles de données de mauvaise qualité en haute qualité, Jiang a souligné la nécessité d'établir un système intégré d'ingénierie des données et d'opérations de R&D DevOps. De la livraison de R&D, l'exploitation et la maintenance des données à l'exploitation de la valeur, une chaîne de production de données complète ou chaîne d'approvisionnement est formée afin que les données puissent être livrées de manière ordonnée et progressivement reliées pour former une preuve de production publiée, ce qui est différent du traitement traditionnel des données structurées du passé. Il a également averti les entreprises présentes de ne pas investir beaucoup de temps dans la formation de modèles avant que l'amélioration de la qualité des données ne soit terminée, une formation pouvant coûter des dizaines de millions de dollars sans résultat. Étonnamment, leur équipe est en train de trier la méthodologie et le cadre des méthodes de formation de l'IA, de compléter un livre blanc sur la gouvernance des données de l'intelligence artificielle et d'établir un système de méthodes et de règles dans ce domaine. Problèmes de sécurité et de confidentialité. Jiang a déclaré: « Il y a un grand nombre de problèmes de sécurité et de confidentialité impliqués dans tout le processus de formation, y compris les droits d'application, les violations de la collecte d'informations personnelles, la transmission de données non sécurisée, la falsification des données et le stockage et la transmission non sécurisés des modèles. De plus, il y a aussi des problèmes tels que les attaques de type Prompt et les violations de contenu généré. Afin d'assurer une protection de la confidentialité et de la sécurité tout au long du cycle de vie dans la production, l'utilisation et l'exploitation des modèles, nous devons maîtriser une variété de technologies, établir des règles appropriées et configurer les capacités des auditeurs et des superviseurs dans leur ensemble. C'est un domaine entièrement nouveau qui nécessite attention et investissement pour relever les défis évolutifs de la sécurité et de la confidentialité des données. » Gestion du contenu généré et synthétique. Même les données synthétiques ne peuvent pas être une fraude. Par conséquent, la mesure de la véracité et de l'exactitude est particulièrement critique. En plus de cela, la détection et la prévention de la nocivité sont également une tâche urgente. Actuellement, de nombreux modèles à grande échelle sont signalés précisément en raison de problèmes dans le contenu généré, tels que le harcèlement, la violence et la discrimination. Ces problèmes doivent être efficacement contrôlés. Séparément, les exigences d'authenticité et d'exactitude peuvent être encadrées par des règles; les exigences de génération de contenu, de mécanismes de surveillance et d'évaluation de l'authenticité peuvent être réalisées par la détection automatique de l'identification et du filtrage du contenu combinée à une vérification manuelle; et la prévention des problèmes de nocivité peut être gérée efficacement par l'utilisation de contraintes sur les règles, la prédiction de ligne, l'évaluation empirique de la confidentialité et les tests d'attaque de confidentialité. Voir aussi: Registre des membres disparaissant de l'AfriNIC.