第四范式發(fā)布全新行業(yè)大模型平臺先知AIOS 5.0

3月29日消息，今天，第四范式發(fā)布了先知AIOS 5.0，一款全新的行業(yè)大模型平臺。

大語言模型的原理是根據(jù)歷史單詞去不斷預(yù)測下一個單詞，換一句常見的話：Predict the Next “Word”。當(dāng)前對于行業(yè)大模型的普遍認(rèn)知就是沿用這種邏輯，用大語言模型去 fine-tune 行業(yè)數(shù)據(jù)，預(yù)測下一個字。但各行各業(yè)的場景往往面對的不是簡單的文字格式，行業(yè)需要的往往也不是預(yù)測下一個字，而是Predict the Next“X”，這里的“X”可能包含水文數(shù)據(jù)、健康報告、設(shè)備監(jiān)測數(shù)值、設(shè)計推演等。先知AIOS 5.0 進一步升級預(yù)測。

先知AIOS至今已經(jīng)發(fā)展近10年，通過1.0到5.0的進化，降低AI門檻，實現(xiàn)對更多場景的規(guī)?；采w。

2015年，先知AIOS 1.0版本首次發(fā)布，通過高維、實時、自學(xué)習(xí)框架提升模型精度。

2017年，先知AIOS 2.0版本利用自動建模工具HyperCycle，大幅降低模型開發(fā)門檻。

2020年發(fā)布的先知AIOS 3.0版本規(guī)范AI數(shù)據(jù)治理和上線投產(chǎn)，完成建模到落地應(yīng)用“最后一公里”。

2022年，先知AIOS 4.0版本引入北極星指標(biāo)，最大化發(fā)揮AI應(yīng)用價值，提升企業(yè)核心競爭力。

據(jù)介紹，全新發(fā)布的先知AIOS 5.0，解決了當(dāng)前行業(yè)大模型只能將行業(yè)文本數(shù)據(jù)喂給大語言模型、生成下一個字的問題，讓大模型能來到的領(lǐng)域更加廣泛。

以健康管理領(lǐng)域為例，如果把大量的專業(yè)醫(yī)學(xué)及健康相關(guān)的語料投喂給大語言模型，大語言模型可以理解相關(guān)的術(shù)語和指標(biāo)；但如果你把自己近三年的體檢報告中的某些指標(biāo)發(fā)給大模型，并詢問明年自己的身體狀況，它并不能夠預(yù)測給出答案，因為這個問題超出了“語言”的范疇。所以這樣的行業(yè)大模型并不是一個真正的健康管理大模型。

如何才能構(gòu)建真正的健康管理大模型呢？如果“X“的模態(tài)從“文字Word”變成了“體檢報告數(shù)據(jù)”，模型如果可以不斷地根據(jù)歷史體檢報告數(shù)據(jù)去預(yù)測下一個體檢報告。這就是AIOS 5.0平臺上構(gòu)建的一個健康管理大模型。使用Predict the Next “X”的技術(shù)原理，第四范式已經(jīng)與客戶一起打造了一系列的行業(yè)大模型。

在健康管理領(lǐng)域，X是體檢報告，可基于歷史上的體檢報告，構(gòu)建健康管理大模型。它會基于過去5年你的體檢報告，依次“生成”未來第1年、第2年、第3年的體檢報告，供醫(yī)生給出專業(yè)的健康管理建議。

在水電管理領(lǐng)域，X是設(shè)備檢測狀態(tài)，可基于歷史設(shè)備狀態(tài)數(shù)據(jù)，構(gòu)建水電設(shè)備大模型。它會基于過去7天機組子部件的運行狀態(tài)，依次“生成”未來 3 天小時級的定轉(zhuǎn)子部件報告，供維修人員給出維修方案。

在水務(wù)領(lǐng)域，X是水文報告，可基于歷史水文報告生成水務(wù)大模型。它會基于歷史水文數(shù)據(jù)和未來7天小時級的氣象數(shù)據(jù)，依次“生成”未來第1天、第2天……至第7天的水文數(shù)據(jù)報告，供水文監(jiān)測人員識別發(fā)生洪水及相關(guān)次生災(zāi)害險情、采取應(yīng)急預(yù)案。

在聲學(xué)領(lǐng)域，X是射線分布圖，可基于歷史數(shù)據(jù)構(gòu)建聲學(xué)大模型。它可以基于音樂廳的幾何模型和房間數(shù)據(jù)，從聲源發(fā)射5000Hz頻率射線，生成射線在10ms，20ms，30ms，40ms的位置分布圖。供專業(yè)人員評估當(dāng)前音源擺放位置是否給觀眾提供高品質(zhì)的聽覺體驗。

以上的行業(yè)大模型都是基于先知AIOS 5.0構(gòu)建的。企業(yè)用戶可以基于“X模態(tài)”的數(shù)據(jù)，在該平臺上構(gòu)建行業(yè)大模型，解決行業(yè)的高價值問題。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。