转自：上海证券报·中国证券网 上证报中国证券网讯（记者 孙忠）10月18日，“第五届1024资管科技开发者大会”在上海临港中心举行 智能投研技术联盟主席、中国人工智能学会荣誉副理事长杨强在大会上表示，未来高质量公用数据越来越贵，获取越来越难，众多大模型和小模型将一起互相合作，有望形成一个更有效的模型图计算场景。
杨强表示，如今人工智能和大模型技术有了长足的发展但这个发展是在中心化模式下进行的中心化有很多优点，但是也带来了包括数据隐私保护和资源的分配等方面的一些问题，而隐私数据需要受到保护 目前无论众多计算中心联合建模，还是分布式建模均需要保护隐私。
在保护隐私的联邦学习领域，我国不仅仅是做了GMG技术革新，同时也领导了国际标准的建立早在2021年就发布了全球第一个联邦学习的国际标准，同时也制定了多个国内国外的行业标准，尤其是金融行业的标准 与此同时，模型间的协作未来也会增加。
Q微：6681122
未来高质量公用数据越来越贵，获取越来越难业界会存在多个大模型，能不能让这些模型能够互相合作协作，形成一个更有效的模型？ 杨强提出，未来AI新范式将是大模型和小模型相互协作的状态在隐私计算的加持下，一个通用大模型和本地数据的小模型之间也可以进行知识迁移。
大模型通用知识可以来帮助本地数据的小模型，小模型专业知识也可以反过来帮助通用大模型成长 而·一旦大模型和多个小模型网络形成，未来还会有多个小GMG模型和多个大模型一起形成网络这样就会形成一个大模型和小模型的组成的网络图，未来模型的图计算是一个前景。
“这是我正在研究的一个方向。无论是同构和异构模型场景，都做了实验且证明效果相当不错。”杨强表示。
海量资讯、精准解读，尽在新浪财经APP
Q微：6681122
