物聯(lián)網(wǎng)數(shù)據(jù)作為現(xiàn)代社會(huì)產(chǎn)生的數(shù)據(jù)主力，加上未來(lái)物聯(lián)網(wǎng)智能“社交”方面的場(chǎng)景，將為AIGC以及大模型提供用武之地。雖然目前還沒(méi)有物聯(lián)網(wǎng)與AIGC結(jié)合的應(yīng)用出現(xiàn)，但未來(lái)不可避免。
2022年11月，美國(guó)人工智能公司Open AI推出ChatGPT的對(duì)話模型，迅速風(fēng)靡全球，并快速迭代，在不到4個(gè)月后推出了能力更強(qiáng)大的GPT-4，近日又推出了聯(lián)網(wǎng)和第三方應(yīng)用插件功能，不斷刷新生成式人工智能(AIGC)帶來(lái)的變革，對(duì)于AIGC的行業(yè)應(yīng)用也成為人們探討的熱點(diǎn)話題。
近年來(lái)，人工智能與物聯(lián)網(wǎng)深度融合，使AIoT成為共識(shí)，大量人工智能企業(yè)都將物聯(lián)網(wǎng)作為其應(yīng)用的重點(diǎn)，AIGC如何應(yīng)用于物聯(lián)網(wǎng)自然成為業(yè)界探索的方向。雖然目前還沒(méi)有雙方結(jié)合的應(yīng)用出現(xiàn)，但未來(lái)不可避免。物聯(lián)網(wǎng)數(shù)據(jù)作為現(xiàn)代社會(huì)產(chǎn)生的數(shù)據(jù)主力，加上未來(lái)物聯(lián)網(wǎng)智能“社交”方面的場(chǎng)景，都將為AIGC以及大模型提供用武之地。
物聯(lián)網(wǎng)數(shù)據(jù)的“投喂”，AIGC擁有了新鮮的養(yǎng)料
眾所周知，AIGC是算力、算法、數(shù)據(jù)三位一體的成果，其中包括大量的數(shù)據(jù)學(xué)習(xí)和訓(xùn)練。以ChatGPT為例，該模型是由龐大數(shù)據(jù)集訓(xùn)練而成，OpenAI曾透露，ChatGPT的訓(xùn)練使用了45TB的數(shù)據(jù)、近1萬(wàn)億個(gè)單詞的文本內(nèi)容，大概是1351萬(wàn)本牛津詞典所包含的單詞數(shù)量。隨著AIGC應(yīng)用端不斷豐富，更智能的工具需要更多的數(shù)據(jù)進(jìn)行訓(xùn)練，更多的數(shù)據(jù)來(lái)源就比較重要。
此前，多位計(jì)算機(jī)科學(xué)家曾預(yù)測(cè)，到2026年ChatGPT等大型語(yǔ)言模型的訓(xùn)練就將耗盡互聯(lián)網(wǎng)上的可用文本數(shù)據(jù)，屆時(shí)將沒(méi)有新的訓(xùn)練數(shù)據(jù)可供使用。業(yè)界提出了采用“合成數(shù)據(jù)”進(jìn)行訓(xùn)練，即運(yùn)用計(jì)算機(jī)模擬生成的人造數(shù)據(jù)，模擬現(xiàn)實(shí)世界的觀察與觀測(cè)，是一種應(yīng)對(duì)訓(xùn)練、測(cè)試、驗(yàn)證AI模型和算法的手段。
通過(guò)物聯(lián)網(wǎng)涵蓋的海量傳感器、機(jī)器設(shè)備的數(shù)據(jù)，或許也能在一定程度上解決AIGC模型訓(xùn)練所需的數(shù)據(jù)來(lái)源。
首先，物聯(lián)網(wǎng)數(shù)據(jù)規(guī)模足夠大，有超越互聯(lián)網(wǎng)數(shù)據(jù)之勢(shì)。根據(jù)知名咨詢機(jī)構(gòu)IDC的研究，2020年全球創(chuàng)造了大約64ZB的數(shù)據(jù)，而到2025年，全球數(shù)據(jù)總量將達(dá)到163ZB，這五年內(nèi)產(chǎn)生的數(shù)據(jù)將是自1947年引入數(shù)字儲(chǔ)存量概念以來(lái)創(chuàng)建數(shù)據(jù)總量的兩倍多。同時(shí)，IDC預(yù)測(cè)，到2025年，物聯(lián)網(wǎng)設(shè)備生成的數(shù)據(jù)量預(yù)計(jì)將達(dá)到73.1ZB，已達(dá)到全球數(shù)據(jù)總量44%。其中智能攝像頭、智能汽車等強(qiáng)算力、大帶寬終端產(chǎn)生的數(shù)據(jù)尤為驚人，例如，一輛智能網(wǎng)聯(lián)汽車每天就可能收集10TB的數(shù)據(jù)。
物聯(lián)網(wǎng)數(shù)據(jù)規(guī)模還體現(xiàn)在不斷增長(zhǎng)的物聯(lián)網(wǎng)設(shè)備上。當(dāng)前互聯(lián)網(wǎng)用戶數(shù)量已增長(zhǎng)乏力，很多互聯(lián)網(wǎng)發(fā)達(dá)的國(guó)家和地區(qū)，用戶數(shù)已達(dá)到天花板，數(shù)據(jù)的增長(zhǎng)主要通過(guò)對(duì)互聯(lián)網(wǎng)存量用戶的經(jīng)營(yíng)。物聯(lián)網(wǎng)用戶沒(méi)有天花板，還在持續(xù)增長(zhǎng)，到2025年，全球每分鐘將有超過(guò)15萬(wàn)臺(tái)物聯(lián)網(wǎng)設(shè)備連接入網(wǎng)。海量的物聯(lián)網(wǎng)連接，未來(lái)產(chǎn)生的數(shù)據(jù)量可能超過(guò)互聯(lián)網(wǎng)，可以給人工智能模型持續(xù)輸入“養(yǎng)料”去訓(xùn)練。
其次，物聯(lián)網(wǎng)數(shù)據(jù)的鮮明特點(diǎn)，為人工智能帶來(lái)新鮮養(yǎng)料。相對(duì)于互聯(lián)網(wǎng)，由于物聯(lián)網(wǎng)數(shù)據(jù)是物理實(shí)體產(chǎn)生的數(shù)據(jù)，具有鮮明的客觀性，且大部分場(chǎng)景主要目的是用于生產(chǎn)經(jīng)營(yíng)，因此實(shí)用性也更高。物聯(lián)網(wǎng)所產(chǎn)生的數(shù)據(jù)既有標(biāo)簽、傳感器感知的設(shè)備靜態(tài)數(shù)據(jù)，也有設(shè)備運(yùn)行中產(chǎn)生的時(shí)間序列動(dòng)態(tài)數(shù)據(jù)。在數(shù)據(jù)類型方面，物聯(lián)網(wǎng)技術(shù)能夠?qū)崿F(xiàn)對(duì)物理世界的狀態(tài)數(shù)據(jù)、定位數(shù)據(jù)、行為數(shù)據(jù)等采集，獲得各行業(yè)能源、資產(chǎn)屬性、診斷類數(shù)據(jù)和信號(hào)類數(shù)據(jù)，這些數(shù)據(jù)對(duì)于各行業(yè)核心的生產(chǎn)經(jīng)營(yíng)和智能化升級(jí)意義重大。
在這些特殊數(shù)據(jù)的“投喂”下，AIGC模型或許能夠更深入地學(xué)習(xí)各行業(yè)具體場(chǎng)景知識(shí)，輸出更精準(zhǔn)的信息，為行業(yè)經(jīng)營(yíng)者和物聯(lián)網(wǎng)用戶參考，并進(jìn)一步驅(qū)動(dòng)應(yīng)用創(chuàng)新，加速產(chǎn)業(yè)數(shù)字化升級(jí)的步伐，例如大幅提高預(yù)測(cè)性維護(hù)、供應(yīng)鏈協(xié)同的效率，簡(jiǎn)化人們與智能家居、智能硬件交互的方式。可以說(shuō)，AIGC能夠成為物聯(lián)網(wǎng)應(yīng)用的重要助手。
近日，Open AI發(fā)布了ChatGPT的插件功能，允許ChatGPT和其他第三方應(yīng)用程序的聯(lián)通，首批應(yīng)用插件的包括旅行軟件、購(gòu)物軟件、支付平臺(tái)、在線訂餐平臺(tái)、電商平臺(tái)、工作軟件等方面十余家合作方。在筆者看來(lái)，未來(lái)不排除ChatGPT的插件功能與車聯(lián)網(wǎng)平臺(tái)、智能家居平臺(tái)甚至工業(yè)互聯(lián)網(wǎng)平臺(tái)應(yīng)用的聯(lián)通。在此模式推動(dòng)下，物聯(lián)網(wǎng)應(yīng)用將與AIGC形成融合，物聯(lián)網(wǎng)數(shù)據(jù)投喂和AIGC對(duì)物聯(lián)網(wǎng)應(yīng)用協(xié)助的潛力進(jìn)一步釋放。
“社交”物聯(lián)網(wǎng)設(shè)備進(jìn)化，以邊緣計(jì)算提供定制化AIGC服務(wù)
上文所述的AIGC作為物聯(lián)網(wǎng)應(yīng)用的助手，還是聚焦于用戶和經(jīng)營(yíng)者對(duì)物聯(lián)網(wǎng)場(chǎng)景的管理，是人與物之間的互動(dòng)。正如當(dāng)前大部分物聯(lián)網(wǎng)設(shè)備允許用戶通過(guò)API的形式訪問(wèn)數(shù)據(jù)，并形成相應(yīng)的服務(wù)，這種形式下物聯(lián)網(wǎng)設(shè)備并不具備自主性。
隨著物聯(lián)網(wǎng)智能化的提升，“社交”物聯(lián)網(wǎng)設(shè)備不斷發(fā)展，尤其是物聯(lián)網(wǎng)設(shè)備具備更多“社會(huì)性”，各類物能夠在一定程度上自我進(jìn)化，甚至與其他物聯(lián)網(wǎng)設(shè)備之間自主進(jìn)行“社交”。市場(chǎng)研究機(jī)構(gòu)IoT Analytics近期發(fā)布的一份AIGC研究報(bào)告中，提出了AIGC可以從多個(gè)方面提升自主“社交”能力，即：
允許設(shè)備回答用戶可能會(huì)提出的復(fù)雜問(wèn)題;
允許終端用戶與設(shè)備對(duì)話以改變?cè)O(shè)置;
允許設(shè)備本身使用AIGC來(lái)生成答案。
這一設(shè)想已經(jīng)逐漸變?yōu)楝F(xiàn)實(shí)，尤其是一些機(jī)構(gòu)探索機(jī)器人使用AIGC大模型，在機(jī)器人得不到清晰的指令時(shí)，能夠與用戶進(jìn)行互動(dòng)并完成與其他設(shè)備的協(xié)同。
例如，亞馬遜開(kāi)發(fā)了一個(gè)名為DialFRED的模型框架，允許機(jī)器在不確定的情況下向用戶提問(wèn)。亞馬遜認(rèn)為此前的很多只能設(shè)備通常只允許單向通信，人類用戶向智能設(shè)備發(fā)出自然語(yǔ)言命令，智能設(shè)備只能被動(dòng)地遵循命令。
圖源：亞馬遜
亞馬遜推出的DialFRED的模型框架是支持對(duì)話的嵌入式指令集，允許智能設(shè)備主動(dòng)向用戶提問(wèn)，智能設(shè)備可使用用戶響應(yīng)中的附加信息來(lái)更好地完成任務(wù)。為了訓(xùn)練DialFRED，亞馬遜提出了一個(gè)提問(wèn)者-執(zhí)行者的交互式框架，其中提問(wèn)者用人類標(biāo)注的數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，并用強(qiáng)化學(xué)習(xí)進(jìn)行微調(diào)。
亞馬遜的DialFRED可以說(shuō)是AIGC推動(dòng)“社交”物聯(lián)網(wǎng)設(shè)備的一個(gè)實(shí)例，相信隨著全球AIGC生態(tài)的發(fā)展，針對(duì)提升“社交”物聯(lián)網(wǎng)能力的模型和技術(shù)會(huì)不斷出現(xiàn)，推動(dòng)更加智能的物聯(lián)網(wǎng)應(yīng)用落地。
由于AIGC賦能物聯(lián)網(wǎng)應(yīng)用場(chǎng)景需要模型能夠更進(jìn)一步下沉到各行業(yè)，因此已有不少針對(duì)AIGC進(jìn)一步下沉的研究。筆者注意到，今年年初由新加坡南洋理工大學(xué)、電子科技大學(xué)、廣東工業(yè)大學(xué)等高校研究人員聯(lián)合發(fā)表的一篇《Enabling AI-Generated Content (AIGC) Services in Wireless Edge Networks》中提出了“AIGC-as-a-service”(AaaS)的概念，認(rèn)為AIGC 服務(wù)提供商可以在邊緣服務(wù)器上部署人工智能模型，通過(guò)無(wú)線網(wǎng)絡(luò)向用戶提供即時(shí)服務(wù)，以及更便利和可定制的體驗(yàn)，用戶可以低延時(shí)和低資源消耗輕松地訪問(wèn)和享受 AIGC服務(wù)。
在這種模式下，AIGC 服務(wù)提供商需要首先在大數(shù)據(jù)集上訓(xùn)練AIGC模型，然后將其擴(kuò)散模型托管在邊緣服務(wù)器上，服務(wù)商需要持續(xù)的維護(hù)和更新，以確保AIGC模型在生成高質(zhì)量?jī)?nèi)容方面保持準(zhǔn)確和有效。用戶可以提交內(nèi)容生成請(qǐng)求，并從供應(yīng)商租用的邊緣服務(wù)器接收生成的內(nèi)容。
這一模式允許AIGC模型根據(jù)用戶的需求進(jìn)行定制的內(nèi)容，提供個(gè)性化的體驗(yàn)，而且通過(guò)在更接近用戶的地方部署AIGC服務(wù)，QoS將得到顯著提高。然而，這一模式對(duì)無(wú)線網(wǎng)絡(luò)帶寬、訓(xùn)練數(shù)據(jù)集、算力消耗等都是巨大的挑戰(zhàn)，例如未來(lái)移動(dòng)通信網(wǎng)絡(luò)需要5.5G或6G的支持。
若這一模式的瓶頸能夠突破，AaaS將和當(dāng)前很多服務(wù)一樣可以隨用隨取，對(duì)于廣泛分散、碎片化但海量連接的物聯(lián)網(wǎng)智能化化升級(jí)帶來(lái)較好支持，在很大程度上提升“社交”物聯(lián)網(wǎng)設(shè)備的部署。
當(dāng)然，AIGC在物聯(lián)網(wǎng)方面的廣泛應(yīng)用還非常遠(yuǎn)。我們看到，當(dāng)前大多數(shù)AIGC模型主要關(guān)注文本和圖像，只有非常少量的模型關(guān)注將傳感器數(shù)據(jù)作為輸入。另外，大量產(chǎn)業(yè)物聯(lián)網(wǎng)場(chǎng)景中，對(duì)于AI能夠給出的解決方案的確定性要求非常高，當(dāng)前AIGC模型生成的文字或圖片很多情況下是一種“最有可能”的答案，并不一定能夠應(yīng)用于生成經(jīng)營(yíng)場(chǎng)景。
例如，在工業(yè)互聯(lián)網(wǎng)場(chǎng)景中，生產(chǎn)、質(zhì)檢等需要近乎100%的確定性答案或輔助;又如，聯(lián)網(wǎng)汽車在重要場(chǎng)合下需要反饋完全確定性指令來(lái)采取行動(dòng)。因此，對(duì)于關(guān)鍵任務(wù)型物聯(lián)網(wǎng)應(yīng)用，AIGC或許還需要很長(zhǎng)的路要走。
不過(guò)，雖然AIGC在物聯(lián)網(wǎng)的應(yīng)用還不明朗，但AI與物聯(lián)網(wǎng)深度融合的趨勢(shì)已經(jīng)非常明朗，除了AIGC外，未來(lái)AI仍然會(huì)有各類新的創(chuàng)新，和物聯(lián)網(wǎng)結(jié)合來(lái)服務(wù)千行百業(yè)，這才是技術(shù)創(chuàng)新的使命。正如華為創(chuàng)始人任正非在近期一次專家座談會(huì)上所述，人工智能軟件平臺(tái)公司對(duì)人類社會(huì)的直接貢獻(xiàn)可能不到2%，98%都是對(duì)工業(yè)社會(huì)、農(nóng)業(yè)社會(huì)的促進(jìn)。
