扛鼎中国AI搜索,天工凭什么?

人类的创作不会没有瓶颈,但AI的热度可不会消停。

大模型之战依旧精彩,OpenAI选择在Google前一天举行发布会,两家AI企业之间的拉扯赚足了热度。

反观国内,百模大战激发了大家对于科技变革的热切期盼,而如今行业已逐渐进入风口的冷静期,稍显波澜不惊。

真正愿意长久深耕大模型的行业玩家或许都已意识到:只有真正的产品力,才能获取更稳健的商业化可能。

天工AI更是深谙其中的道理,已经悄悄迈入天工3.0时代。

**图片

***天工AI,始于搜索*****

AI大战,本质是搜索引擎之争。

OpenAI被曝出的搜索产品SearchGPT,将在未来某个时间推出;Google更是一直在尝试将AI进一步集成到搜索中;黄仁勋一直在用的Perplexity,外界称其为「AI搜索」,它更喜欢自称「答案引擎」;You.com已将自己定位为下一代搜索产品……

大模型之争,未来逐渐演变为AI搜索引擎之战,用户搜索行为的改变将从根本上影响互联网搜索领域的行业格局,距离AI「杀死」搜索引擎,只是时间问题。

大众也苦传统搜索引擎久矣:翻几页都找不到想要的答案,莆田系医院宣传,看挂羊皮卖狗肉式广告……

假如搜索引擎没有广告,直达结果,那会是什么样?假如搜索结果不仅保障时效性,还能输出文本、图片、音频、脑图等多形态答案于一体?假如搜索引擎会拆解问题,比你更懂你,可能吗?

天工AI已经做到了!

天工AI率先打响国产AI搜索引擎之战,2023年8月昆仑万维「*天工AI搜索*」发布后,百度搜索、阿里旗下夸克搜索、360AI搜索也纷纷加入战局。

只是当下当我们谈起搜索引擎,最大的问题恐怕不在于技术,而在于产品。

图片

***天工 AI 革了搜索引擎的命*****

算力算法在产品面前不值一提,大模型如果想「接替」搜索引擎,就必须能够针对用户的问题找到实时且正确的来源,并给出准确的回答。

当下AI搜索引擎所面临的问题有两个:

  1. 对于用户的问题,能否找到相关、可信的来源,从而给出准确的答复。
  2. 用户提出的有时效性的问题,能否找到最新的来源。

我们搜索时会出现的,不仅仅再是简单的链接罗列,而是一个开门见山的准确答案。

昆仑万维董事长兼CEO 方汉认为,在天工3.0大模型的多轮搜索功能中,天工特别注重提升用户体验,让搜索过程更像是在与大模型进行对话。

现在的天工AI像一本看不见的百科全书,又或者是一个全能型的助手,为你归纳整理好任何问题的答案。

天工AI网页版界面设计得简洁明了,注册登录后超容易上手。

答案可选择简洁、增强或研究模式。

图片

简洁模式的答案比较简洁。

增强模式的结果,甚至「哪些成员是从其他公司转来的?」「有多少成员来自印度?」都能总结出来,Amazing!

图片

时效性要求比较高,更本地化的一些资讯类也能给出不错的结果。

图片

搜索有些内容,如旅行攻略时,多模态图文并茂交织的搜索体验,天工是中国第一份,也是独一份。

图片

图片

图片

几秒钟就可以轻快、便捷、高效获取到搜索结果,完全不存在传统搜索引擎的冗余,赘述的情况,可见天工AI的总结归纳能力有够强大。

其实昆仑万维的天工AI搜索的设计之初,就在数据收集与索引环节引入了大模型技术,对互联网上海量内容进行识别和筛选,屏蔽虚假广告内容,再引入网站权威性、可靠性等其他影响因子,初步清洗出较为纯净、高质量的搜索结果。

目前,昆仑万维的天工AI搜索团队已经累计索引了上百亿优质数据资源,用户使用天工AI搜索时,将会显著地体会到搜索结果质量更高,冗余信息更少。

比较可圈可点的是,天工AI除了提供文本回答之外,还会根据实际情况附带图片、思维导图甚至是视频,使搜索结果更直观丰富

至于一些涉及对比的问题,天工AI会自动生成对比表格,令人一目了然,直接上图。

图片

天工AI搜索右侧还会直接附带参考链接,方便溯源。

此外,自带本土属性的天工AI,相比较国外搜索引擎,搜索结果更本土化,更适合中国宝宝体质,其他人性化搜索体验,大家可以自行探索。

**体验地址:**https://www.tiangong.cn/

*也可以直接搜索「天工」,体验小程序和APP。*

图片

***为何这么强?MoE+ RAG*****

天工AI的不俗实力,首先归功于MoE加持,MoE全称Mixture of Experts,混合专家模型,就是内置了数个专家模型的大模型。

各类MoE大模型已是层出不穷,OpenAI推出GPT-4、谷歌推出Gemini、Mistral AI推出Mistral、连马斯克xAI的大模型Grok-1用的也是MoE架构。

MoE作为大模型架构的一种,它将多个专家(Experts)模型组合起来,共同解决一个问题。每个专家都是一个小型的神经网络,它们各自擅长处理任务的某一方面。当MoE模型接到一个任务时,它会将任务分配给最合适的专家,最后通过一个门控网络汇总专家的输出,给出最终答案。

这就像一家公司有多个部门,在做决策的时候,公司的CEO可以听从市场部、生产部、策划部甚至财务部相关专业领导的建议,最终产生最优的决策。

图片

按照以往经验,较大的模型通常有更好的性能,但代价是更大的计算需求。MoE偏偏不认这个邪,它通过计算量大大减少的模型预训练来挑战这一规则。

MoE模型提升了模型规模,但是却没有因此成倍地增加推理成本,MoE技术上的可持续性,被认为是下阶段大模型发展破局的突破口。

而昆仑万维正式推出的新版MoE大语言模型「天工3.0」,更是拥有4000亿参数,超越了3140亿参数的Grok-1,是全球最大的开源MoE大模型

图片

大语言模型尽管具有所有语言能力,但缺乏掌握「现在」的能力。在快节奏的世界里,「现在」就是一切。

RAG的出现无疑是人工智能研究领域最激动人心的进展之一,不仅有效地缓解了幻觉问题,提高了知识更新的速度,并增强了内容生成的可追溯性,使得大型语言模型在实际应用中变得更加实用和可信,让大模型较好地掌握「现在」。

RAG技术,通过检索+文字生成,来负责把控大模型的知识库。

RAG将信息检索与答案生成这两个环节结合在了一起,其技术路径可以简化理解为:用户提问——在数据库中检索相关答案——系统将用户的提问及检索出的相关答案一起合成Prompt——将Prompt提交给大模型——大模型返回提问结果。

引入了检索环节,RAG技术能够显著提高搜索答案质量,还能为答案输出提供可解释性,一定程度避免了大模型「胡说八道」的倾向。

尤其是在面对复杂的、需要深度理解的知识检索场景时,RAG技术的效果非常优秀,在准确率、召回率等关键指标上都超越了不少传统检索方法

图片

***不止AI搜索,强大的多元产品线*****

除了AI搜索,天工3.0AI对话助手外,天工网页端更有精彩的AI音乐,AI图片甚至是AI文档分析等端口开放。

作为中国首个音乐大模型SOTA,天工表现不俗,在歌词演绎的完整性以及人声咬字等方面,已经超越Suno,为中美AI差距扳回****一局。

图片

天工AI音乐可以完全免费使用,并支持自由下载

简洁明了的操作界面,大家可以自己填充文案,也可以请AI帮写文案,150字左右字数不到一分钟就可以生成三首试听音乐,生成速度很快,不满意还可以重新生成,效果太惊艳了,直接上试听。

原创曲目-版本1,头部科技,1分钟

原创曲目-版本2,头部科技,1分钟

原创曲目-版本3,头部科技,56秒

原创歌词文案

挂壁公路无法相逢,我们从其他角度身体力行

太行雄险超出视野,芳华如梦悠扬里燕语晴空

你也曾在期许中迎来新生,微笑着人世行旅中

无谓着归去来时满身风尘,不言时间令人沉重

劲风令人畏葸,只因留恋着人间一切

萍踪天涯隐约,幸福不止是嘴角微笑

静看着,阳光从清晨到西沉,你再三沉沦

相信着,遗憾也是一种圆满,你无须去管

可以听出,三首音乐风格各异,歌曲整体的音乐品质都非常高,极具欣赏价值。

音乐风格多元,人声情绪饱满,情感转折明显,句末歌词的处理也很细节,令人耳目一新,质量甚至已经不输一般流行作品。

但对于生僻字的识别仍有瑕疵,例如前面两个版本中的畏葸[xǐ]的「葸」字居然不能识别,但并无大碍,再创作用同声词代替一下就好,后续修复一下词库就好。

人声合成,是AI音乐生成中最重要、最能体现生成效果和品质的维度,清晰逼真的人声也是天工AI音乐的最大亮点之一。天工AI音乐产生的中文水平极高,歌声发音清晰,音色质量十分卓越,具有逼真的演唱效果,已是业内SOTA水平

在设置中,天工贴心地加入了「请选择参考音频」,以便创作者创作出自己想要的作品风格。

我尝试着选择了Scarborough Fair,然后出来的三首都完全是Scarborough Fair类似的旋律,此功能利弊明显,上传参考音乐可以生成能相对稳定,得到想要的音乐风格,但缺乏属于AI创作的新鲜创造感。如果更想要一些突破性,还是忽略此选项为好。

读者福利:如果大家对大模型感兴趣,这套大模型学习资料一定对你有用

对于0基础小白入门:

如果你是零基础小白,想快速入门大模型是可以考虑的。

一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

资源分享

图片

大模型AGI学习包

图片

图片

资料目录

  1. 成长路线图&学习规划
  2. 配套视频教程
  3. 实战LLM
  4. 人工智能比赛资料
  5. AI人工智能必读书单
  6. 面试题合集

人工智能\大模型入门学习大礼包》,可以扫描下方二维码免费领取

1.成长路线图&学习规划

要学习一门新的技术,作为新手一定要先学习成长路线图方向不对,努力白费

对于从来没有接触过网络安全的同学,我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线,大家跟着这个大的方向学习准没问题。

图片

2.视频教程

很多朋友都不喜欢晦涩的文字,我也为大家准备了视频教程,其中一共有21个章节,每个章节都是当前板块的精华浓缩

图片

3.LLM

大家最喜欢也是最关心的LLM(大语言模型)

图片

人工智能\大模型入门学习大礼包》,可以扫描下方二维码免费领取

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/759620.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

生成独立的zedboard+ad9361起始项目

文件分享 链接:https://pan.baidu.com/s/17wB_9xVWjO7HhxNvmmZyuA 提取码:94zz 首先下载HDL和NO-OS项目 git clone --recursive https://github.com/analogdevicesinc/hdl git clone --recursive https://github.com/analogdevicesinc/no-OS下载…

用人工智能大模型预报气象,中国气象局示范计划公开征集火热报名中

近日,中国气象局发布了人工智能气象预报大模型示范计划(以下简称“示范计划”),推进气象大模型标准规范和有序发展,引导解决预报业务实际难题,促进人工智能气象预报大模型业务的应用转化、准入,…

【Linux】初识操作系统

一、冯•诺依曼体系结构 在学习操作系统之前,我们先来认识一下冯•诺依曼体系结构,我们常见的计算机,如笔记本。我们不常见的计算机,如服务器,大部分都遵守冯诺依曼体系。 截至目前,我们所认识的计算机&am…

Navicat上新啦

前言 Navicat,在数据库界,几乎是一个神奇的存在,似乎统治了数据库开发工具的“一片天”。且看下图: 红的蓝的绿的橙的…,可以说,留给它的color不多了。 那么商业BI到服务监控、从云托管到云协作&#xff…

VUE3-Elementplus-form表单-笔记

1. 结构相关 el-row表示一行,一行分成24份 el-col表示列 (1) :span"12" 代表在一行中,占12份 (50%) (2) :span"6" 表示在一行中,占6份 (25%) (3) :offset"3" 代表在一行中,左侧margin份数 el…

5G NR PUSCH物理层过程

物理层过程 加扰 假设要在单个码字q上传输的bit块为 b ( q ) ( 0 ) , . . . , b ( q ) ( M b i t ( q ) − 1 ) b^{(q)}(0),...,b^{(q)}(M_{bit}^{(q)} - 1) b(q)(0),...,b(q)(Mbit(q)​−1) ,其中 M b i t ( q ) M_{bit}^{(q)} Mbit(q)​是总比特数,加…

《昇思25天学习打卡营第16天 | 昇思MindSpore基于MobileNetv2的垃圾分类》

16天 本节学习了垃圾分类代码开发的方法。通过读取本地图像数据作为输入,对图像中的垃圾物体进行检测,并且将检测结果图片保存到文件中。 MobileNet网络是由Google团队于2017年提出的专注于移动端、嵌入式或IoT设备的轻量级CNN网络,相比于传…

2024.6.30周报

目录 摘要 ABSTRACT 一、文献阅读 一、题目 二、摘要 三、模型架构 四、文章解读 一、Introduction 二、创新点 三、RBM 四、贪心算法 五、实验 六、结论 二、代码复现 总结 摘要 本周我阅读了一篇题目为Generative Pre-Trained Physics-Informed Neural Netwo…

树莓派4B学习笔记16:Python引用自定义模块_简单模块化

今日继续学习树莓派4B 4G:(Raspberry Pi,简称RPi或RasPi) 本人所用树莓派4B 装载的系统与版本如下: 版本可用命令 (lsb_release -a) 查询: Python 版本3.7.3: 今日学习:Python引用自定义模块 文章提供测试…

【机器学习】机器学习的重要方法——强化学习:理论,方法与实践

目录 一、强化学习的核心概念 二、强化学习算法的分类与示例代码 三.强化学习的优势 四.强化学习的应用与挑战 五、总结与展望 强化学习:理论,方法和实践 在人工智能的广阔领域中,强化学习(Reinforcement Learning, RL&…

一文带你了解乐观锁和悲观锁的本质区别!

文章目录 悲观锁是什么?乐观锁是什么?如何实现乐观锁?什么是CAS应用局限性ABA问题是什么? 悲观锁是什么? 悲观锁它总是假设最坏的情况,它会认为共享资源在每次被访问的时候就会出现线程安全问题&#xff0…

SCI二区|北极海鹦优化算法(APO)原理及实现【免费获取Matlab代码】

目录 1.背景2.算法原理2.1算法思想2.2算法过程 3.结果展示4.参考文献5.代码获取 1.背景 2024年,W Wang受到北极海鹦的生存和捕食行为启发,提出了北极海鹦优化算法(Arctic Puffin Optimization, APO)。 2.算法原理 2.1算法思想 …

Unity Shader 极坐标

Unity Shader 极坐标 前言项目简单极坐标极坐标变体之方形极坐标变体之圆形拉花 鸣谢 前言 极坐标记录 项目 简单极坐标 极坐标变体之方形 极坐标变体之圆形 拉花 鸣谢 【菲兹杂货铺】【Unity Shader教程】极坐标实现以及极坐标的两种变体

【Android】在App里面安装Apk文件

项目需求 在一个App里面内置一个第三方的APK文件,然后通过这个App可以安装这个APK文件。 需求实现 1.内置APK文件 在App里面创建一个assets文件夹,然后把想要安装的APK文件放到这里面。 2.定义文件路径访问权限 创建一个文件,命名【file…

springcloud第4季 seata报could not find any implementation for class

一 问题说明 1.1 描述 在使用seata2.0alibaba-cloud 2022.0.0.0-RC2nacos 2.2.3 模拟下订单分布式事务场景,出现如下问题:java.lang.ArrayIndexOutOfBoundsException: Index 0 out of bounds for length 0 查看服务端:java.util.ServiceCo…

鸿蒙开发Ability Kit(程序框架服务):【向用户申请授权】

向用户申请授权 当应用需要访问用户的隐私信息或使用系统能力时,例如获取位置信息、访问日历、使用相机拍摄照片或录制视频等,应该向用户请求授权,这部分权限是user_grant权限。 当应用申请user_grant权限时,需要完成以下步骤&a…

鸿蒙开发设备管理:【@ohos.multimodalInput.inputDevice (输入设备)】

输入设备 输入设备管理模块,用于监听输入设备连接、断开和变化,并查看输入设备相关信息。比如监听鼠标插拔,并获取鼠标的id、name和指针移动速度等信息。 说明: 本模块首批接口从API version 8开始支持。后续版本的新增接口&…

11_电子设计教程基础篇(磁性元件)

文章目录 前言一、电感1、原理2、种类1、制作工艺2、用途 3、参数1、测试条件2、电感量L3、品质因素Q4、直流电阻(DCR)5、额定电流6、谐振频率SRF(Self Resonant Frequency)7、磁芯损耗 4、应用与选型 二、共模电感1、原理2、参数…

RocketMQ常用基本操作

文章中的rabbitmq使用的是rocketmq-all-5.1.3-bin-release版本,需要安装包的可自行下载 RockerMQ启动停止命令 启动命令 nohup sh bin/mqnamesrv & nohup sh bin/mqbroker -n localhost:9876 --enable-proxy & 查看日志 tail -f ~/logs/rocketmqlogs/…

对话贾扬清:我创业这一年所看到的 AI

引言 在这次对话中,前阿里巴巴人工智能专家、现LIBRINAI创始人贾扬清分享了他在AI领域创业一年的见解和经历。作为一位从科学家转型为CEO的创业者,他探讨了AI计算、异构计算和云原生软件的结合带来的革命性变化,并讨论了LIBRINAI如何在激烈的…