“小初，請以天宮為主題作首詩吧,？”

  “天宮生殿開成,，萬花垂露照初。稠云不掩國志,，飛天當觸明霞,。”

  “你能看懂這個視頻嗎,？”

  “視頻中,，火箭正在發(fā)射?！?

  “小初,，圖片中航天員正在干什么？”

  “航天員正穿著航天服站在機械臂上遨游太空?！?

  ……

  7月9日,，在2021世界人工智能大會（WAIC2021）上，中國科學院自動化研究所所長徐波發(fā)布了自動化所研發(fā)的跨模態(tài)通用人工智能平臺——“紫東太初”,?；凇白蠔|太初”平臺打造的虛擬人“小初”在大會現(xiàn)場賺足了眼球。它不僅能讀懂圖片,、看懂視頻,、中文續(xù)寫、雙語翻譯,，而且能吟詩作賦,，生動證明了通過圖片、文字,、語音三種模態(tài)的關(guān)聯(lián)與協(xié)同,，可以有效地提升機器的理解和生成能力，讓AI接近人類想象力,。

  “紫東太初”平臺是跨模態(tài)通用人工智能平臺,，以多模態(tài)大模型為核心，基于全棧國產(chǎn)化基礎(chǔ)軟硬件平臺,，可支撐全場景AI應用,。“所謂跨模態(tài)是指它可以理解語音,、文字和圖片等多種模態(tài)信息,；所謂全棧國產(chǎn)化是指這個平臺的底層算力、模型,、框架等都是自主研發(fā)的,。”徐波解釋道,。

  多種模態(tài)預訓練模型被廣泛認為是從限定領(lǐng)域的弱人工智能邁向通用人工智能路徑的探索,。依托面向超大規(guī)模的高效分布式訓練框架，自動化所構(gòu)建了具有業(yè)界領(lǐng)先性能的中文預訓練模型,、語音預訓練模型,、視覺預訓練模型，并開拓性地通過跨模態(tài)語義關(guān)聯(lián)實現(xiàn)了視覺,、文本,、語音三種模態(tài)統(tǒng)一表示，構(gòu)建了三模態(tài)預訓練大模型,，賦予跨模態(tài)通用人工智能平臺多種核心能力,。

  徐波介紹,，“紫東太初”兼具跨模態(tài)理解和生成能力。與單模態(tài)和圖片,、文字兩種模態(tài)相比,，“紫東太初”采用一個大模型就可以靈活支撐圖片、文字以及語音的全場景AI應用,，具有了在無監(jiān)督情況下多任務聯(lián)合學習,、并快速遷移到不同領(lǐng)域數(shù)據(jù)的強大能力。

  “引入語音模態(tài)后的多模態(tài)預訓練模型,，可實現(xiàn)共性圖片,、語音和文字的空間表征和利用，并突破性地直接實現(xiàn)三模態(tài)的統(tǒng)一表示,?！毙觳ㄕf，特別值得強調(diào)的是,，該平臺首次讓“以圖生音”和“以音生圖”成為現(xiàn)實，對更廣泛,、更多樣的下游任務提供模型基礎(chǔ)支撐,，讓AI能夠在視頻配音、語音播報,、標題摘要,、海報創(chuàng)作等更多場景實現(xiàn)應用。

  同時,，研發(fā)團隊還提出了弱關(guān)聯(lián)三模態(tài)數(shù)據(jù)的語義統(tǒng)一表達,，可同時支持三種或任兩種模態(tài)弱關(guān)聯(lián)數(shù)據(jù)進行預訓練，有效降低了多模態(tài)數(shù)據(jù)收集與清洗成本,。

  “‘紫東太初’跨模態(tài)通用人工智能平臺包括三大關(guān)鍵技術(shù)和六大核心能力,。”徐波說,，三大關(guān)鍵技術(shù)分別是多模態(tài)理解與生成多任務統(tǒng)一建模,、面向國產(chǎn)化軟硬件的高效訓練與部署、多模態(tài)預訓練模型架構(gòu)設(shè)計與優(yōu)化,。六大核心能力則體現(xiàn)為多模態(tài)統(tǒng)一表示與語義關(guān)聯(lián),、跨模態(tài)內(nèi)容轉(zhuǎn)化與生成、預訓練模型網(wǎng)絡架構(gòu)設(shè)計,、標注受限自監(jiān)督模型學習,、模型適配與分布式訓練、模型輕量化與推理加速,。

  徐波表示,，“大數(shù)據(jù)+大模型+多模態(tài)”將改變當前單一模型對應單一任務的人工智能研發(fā)范式,，多模態(tài)大模型將成為不同領(lǐng)域的共性平臺技術(shù)，是邁向通用人工智能路徑的探索,，具有廣闊的應用前景,。

  同時，全棧國產(chǎn)化通用人工智能平臺的實踐將使人工智能研發(fā)的規(guī)則發(fā)生重大變革并逐漸形成壁壘,，對我國實現(xiàn)AI領(lǐng)域科技創(chuàng)新,、占領(lǐng)核心技術(shù)高地具有重要的戰(zhàn)略意義。

(編輯：映雪）