APP下载

超大预训练模型在指挥控制领域的应用与挑战

2023-08-03阳东升卢经纬王飞跃

指挥与控制学报 2023年2期
关键词:文本智能模型

阳东升 卢经纬 李 强,5 王飞跃

自1943 年美国神经科学家麦卡洛克(Warren McCulloch)和逻辑学家皮茨(Water Pitts)建立神经元的数学模型以来,人工智能的发展可谓是“过山车”,既有符号主义、联结主义(神经网络)学派掀起的高潮,也有专家系统带来的困境和徘徊,人工智能的孕育过程跌宕起伏.2018 年,一种全新的学习训练方法——预训练为深度学习打开了一扇智慧之门.预训练成功激活了深度神经网络对大规模无标注数据的自监督学习能力,在图形处理器(graphics processing unit,GPU)算力和海量无标注文本数据的双重加持下,实现深度学习模型规模与性能齐飞,成为人工智能领域的革命性突破.

围绕LSPTM 在海量数据、并行计算和模型学习能力方面等展开的“军备竞赛”日益白热化.2023 年,OpenAI 发布的预训练多模态模型GPT-4 已经达到了万亿级参数量的惊人训练规模,其智能在各种职业和学术考试上的表现与人类水平相当.

马克思认为科学技术是军事发展中最活跃、最具革命性的因素,每一次重大科技进步都深刻影响着世界军事发展走向,引发战争形态和作战方式的重大变革[1].超大规模预训练模型带来的人工智能的技术突破将导致什么样的军事变革?本文深度剖析LSPTM 的发展历程、科学原理、关键技术及涌现功能,以军事体系的关键要素——指挥与控制为对象,以C2 过程的基本范式和运行模式框架为指导,从物理域、信息域、认知域和社会域,全维分析LSPTM的应用场景,阐述LSPTM 实现人工智能突破给C2领域发展带……

登录APP查看全文

猜你喜欢

文本智能模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
在808DA上文本显示的改善
智能前沿
基于doc2vec和TF-IDF的相似文本识别
智能前沿
智能前沿
智能前沿
3D打印中的模型分割与打包
文本之中·文本之外·文本之上——童话故事《坐井观天》的教学隐喻