物聯網數據(ju)作為(wei)現代社會產生(sheng)的數據(ju)主力，加上未(wei)來(lai)物聯(lian)網(wang)智能“社交”方面(mian)的場景，將為(wei)AIGC以及大模型提供(gong)用(yong)武之地。雖然目前還沒有物聯(lian)網(wang)與AIGC結合(he)的應(ying)用(yong)出現，但(dan)未(wei)來(lai)不可(ke)避免。
2022年11月，美國人工智能公(gong)司(si)Open AI推(tui)出(chu)(chu)ChatGPT的對話模型，迅速風靡全球(qiu)，并快速迭(die)代，在不(bu)到4個月后推(tui)出(chu)(chu)了能(neng)力更強大的GPT-4，近日又推(tui)出(chu)(chu)了聯(lian)網(wang)和第三方(fang)應用插件(jian)功能(neng)，不(bu)斷刷新生成式人工(gong)智能(neng)(AIGC)帶來的變革，對于(yu)AIGC的行業應用也成為人們探(tan)討的熱點(dian)話題。
近年來，人工智能與物(wu)聯(lian)(lian)網(wang)(wang)(wang)深度融合，使(shi)AIoT成為(wei)共識，大量人工智能企業都將物(wu)聯(lian)(lian)網(wang)(wang)(wang)作(zuo)為(wei)其應用(yong)的重點，AIGC如何應用(yong)于(yu)物(wu)聯(lian)(lian)網(wang)(wang)(wang)自然(ran)成為(wei)業界探索的方(fang)向(xiang)。雖然(ran)目前(qian)還沒有雙方(fang)結合的應用(yong)出現，但未來不可避免。物(wu)聯(lian)(lian)網(wang)(wang)(wang)數據作(zuo)為(wei)現代社(she)會(hui)產生的數據主力，加上未來物(wu)聯(lian)(lian)網(wang)(wang)(wang)智能“社(she)交”方(fang)面的場景(jing)，都將為(wei)AIGC以及大模型提供用(yong)武之(zhi)地。
物聯網數據的“投喂”，AIGC擁有了新鮮的養料
眾所周(zhou)知，AIGC是(shi)算力、算法、數(shu)據(ju)三位一(yi)體的(de)(de)成(cheng)果，其中包(bao)括大量的(de)(de)數(shu)據(ju)學習和訓練(lian)。以(yi)ChatGPT為(wei)例，該(gai)模(mo)型是(shi)由龐大數(shu)據(ju)集訓練(lian)而成(cheng)，OpenAI曾透露，ChatGPT的(de)(de)訓練(lian)使用(yong)了(le)45TB的(de)(de)數(shu)據(ju)、近1萬(wan)(wan)億個(ge)單詞的(de)(de)文本內容，大概是(shi)1351萬(wan)(wan)本牛津(jin)詞典所包(bao)含的(de)(de)單詞數(shu)量。隨著(zhu)AIGC應用(yong)端(duan)不斷豐(feng)富，更智(zhi)能的(de)(de)工具需要更多(duo)的(de)(de)數(shu)據(ju)進行訓練(lian)，更多(duo)的(de)(de)數(shu)據(ju)來源就(jiu)比較重(zhong)要。
此前(qian)，多位計算(suan)機科學(xue)家曾預測，到2026年ChatGPT等大型(xing)語言模型(xing)的(de)(de)訓練就將(jiang)耗(hao)盡(jin)互聯網上的(de)(de)可用文本數據，屆時將(jiang)沒(mei)有新的(de)(de)訓練數據可供(gong)使用。業界(jie)提出了采用“合成數據”進行訓練，即運(yun)用計算(suan)機模擬(ni)生成的(de)(de)人造數據，模擬(ni)現實世界(jie)的(de)(de)觀察與觀測，是一種應對訓練、測試、驗證AI模型(xing)和算(suan)法的(de)(de)手段。
通(tong)過物聯網涵蓋(gai)的(de)海(hai)量傳感器(qi)、機器(qi)設備的(de)數據(ju)，或(huo)許也能在一定程度上(shang)解決AIGC模(mo)型訓練所需(xu)的(de)數據(ju)來源(yuan)。
首先，物聯(lian)網(wang)數據(ju)(ju)(ju)(ju)規模(mo)足(zu)夠大，有超越互聯(lian)網(wang)數據(ju)(ju)(ju)(ju)之勢。根據(ju)(ju)(ju)(ju)知(zhi)名咨詢機構(gou)IDC的(de)(de)(de)(de)研究(jiu)，2020年(nian)全球(qiu)創造了大約(yue)64ZB的(de)(de)(de)(de)數據(ju)(ju)(ju)(ju)，而到(dao)2025年(nian)，全球(qiu)數據(ju)(ju)(ju)(ju)總量(liang)(liang)(liang)將達到(dao)163ZB，這五年(nian)內(nei)產生的(de)(de)(de)(de)數據(ju)(ju)(ju)(ju)將是自1947年(nian)引入(ru)數字儲存(cun)量(liang)(liang)(liang)概念以來創建數據(ju)(ju)(ju)(ju)總量(liang)(liang)(liang)的(de)(de)(de)(de)兩倍多。同時，IDC預測(ce)，到(dao)2025年(nian)，物聯(lian)網(wang)設備(bei)生成的(de)(de)(de)(de)數據(ju)(ju)(ju)(ju)量(liang)(liang)(liang)預計將達到(dao)73.1ZB，已達到(dao)全球(qiu)數據(ju)(ju)(ju)(ju)總量(liang)(liang)(liang)44%。其(qi)中智能(neng)(neng)攝像(xiang)頭、智能(neng)(neng)汽車等強(qiang)算力、大帶寬終端產生的(de)(de)(de)(de)數據(ju)(ju)(ju)(ju)尤為驚人，例如，一輛(liang)智能(neng)(neng)網(wang)聯(lian)汽車每天(tian)就(jiu)可(ke)能(neng)(neng)收集(ji)10TB的(de)(de)(de)(de)數據(ju)(ju)(ju)(ju)。
物(wu)聯(lian)(lian)網(wang)(wang)數(shu)據規模還體現在(zai)不斷增(zeng)(zeng)長(chang)的(de)物(wu)聯(lian)(lian)網(wang)(wang)設(she)(she)備上。當前互聯(lian)(lian)網(wang)(wang)用(yong)戶(hu)(hu)數(shu)量已(yi)增(zeng)(zeng)長(chang)乏力，很多互聯(lian)(lian)網(wang)(wang)發(fa)達(da)的(de)國家和(he)地(di)區，用(yong)戶(hu)(hu)數(shu)已(yi)達(da)到天(tian)花板(ban)，數(shu)據的(de)增(zeng)(zeng)長(chang)主要通過(guo)對互聯(lian)(lian)網(wang)(wang)存量用(yong)戶(hu)(hu)的(de)經營。物(wu)聯(lian)(lian)網(wang)(wang)用(yong)戶(hu)(hu)沒有天(tian)花板(ban)，還在(zai)持續增(zeng)(zeng)長(chang)，到2025年，全(quan)球(qiu)每分鐘將有超過(guo)15萬臺物(wu)聯(lian)(lian)網(wang)(wang)設(she)(she)備連接(jie)(jie)入網(wang)(wang)。海量的(de)物(wu)聯(lian)(lian)網(wang)(wang)連接(jie)(jie)，未來產生的(de)數(shu)據量可能超過(guo)互聯(lian)(lian)網(wang)(wang)，可以給人工(gong)智能模型持續輸入“養料”去訓練。
其次，物(wu)(wu)聯(lian)(lian)網(wang)數(shu)據(ju)(ju)的(de)鮮明(ming)(ming)特點，為人(ren)工(gong)智能帶(dai)來新鮮養料。相對(dui)于(yu)(yu)互聯(lian)(lian)網(wang)，由于(yu)(yu)物(wu)(wu)聯(lian)(lian)網(wang)數(shu)據(ju)(ju)是(shi)物(wu)(wu)理實體產(chan)(chan)生(sheng)(sheng)的(de)數(shu)據(ju)(ju)，具有鮮明(ming)(ming)的(de)客觀(guan)性，且大部分場景主要目的(de)是(shi)用于(yu)(yu)生(sheng)(sheng)產(chan)(chan)經營，因此實用性也更高。物(wu)(wu)聯(lian)(lian)網(wang)所產(chan)(chan)生(sheng)(sheng)的(de)數(shu)據(ju)(ju)既有標簽、傳感(gan)器感(gan)知(zhi)的(de)設備(bei)靜態數(shu)據(ju)(ju)，也有設備(bei)運行(xing)(xing)中產(chan)(chan)生(sheng)(sheng)的(de)時間序(xu)列動態數(shu)據(ju)(ju)。在數(shu)據(ju)(ju)類型方(fang)面，物(wu)(wu)聯(lian)(lian)網(wang)技(ji)術能夠實現對(dui)物(wu)(wu)理世界的(de)狀(zhuang)態數(shu)據(ju)(ju)、定位(wei)數(shu)據(ju)(ju)、行(xing)(xing)為數(shu)據(ju)(ju)等采集，獲得各行(xing)(xing)業能源、資(zi)產(chan)(chan)屬性、診斷類數(shu)據(ju)(ju)和(he)信(xin)號類數(shu)據(ju)(ju)，這些(xie)數(shu)據(ju)(ju)對(dui)于(yu)(yu)各行(xing)(xing)業核心的(de)生(sheng)(sheng)產(chan)(chan)經營和(he)智能化升級意義重大。
在這些特殊數據的“投喂”下，AIGC模型或許能夠更深入地學習各行業具體場景知識，輸出更精準的信息，為行業經營者和物聯網用戶參考，并進一步驅動應用創新，加速產業數字化升級的步伐，例如大幅提高預測性維護、供應鏈協同的效率，簡化人們與智能家居、智能硬件交互的方式。可以說，AIGC能夠成為物聯網應用的重要助手。
近日，Open AI發布了ChatGPT的插件功能，允許ChatGPT和其他第三方應用程序的聯通，首批應用插件的包括旅行軟件、購物軟件、支付平臺、在線訂餐平臺、電商平臺、工作軟件等方面十余家合作方。在筆者看來，未來不排除ChatGPT的插件功能與車聯網平臺、智能家居平臺甚至工業互聯網平臺應用的聯(lian)通(tong)。在此模式推動下，物(wu)聯(lian)網應用將與AIGC形(xing)成融合，物(wu)聯(lian)網數據投喂和AIGC對物(wu)聯(lian)網應用協助的潛力(li)進(jin)一步釋放。
“社交”物聯網設備進化，以邊緣計算提供定制化AIGC服務
上(shang)文所(suo)述的AIGC作為物(wu)(wu)聯(lian)網應用的助手，還是聚(ju)焦于用戶和經營者(zhe)對物(wu)(wu)聯(lian)網場景(jing)的管理，是人與物(wu)(wu)之間(jian)的互動(dong)。正如當前大部分物(wu)(wu)聯(lian)網設備允許(xu)用戶通過(guo)API的形(xing)式(shi)訪問(wen)數(shu)據，并形(xing)成相應的服(fu)務，這種形(xing)式(shi)下物(wu)(wu)聯(lian)網設備并不具備自主性。
隨著物聯(lian)網智能(neng)化的(de)提(ti)(ti)升，“社交(jiao)”物聯(lian)網設(she)備不(bu)斷發展，尤其是(shi)物聯(lian)網設(she)備具備更(geng)多“社會(hui)性”，各(ge)類物能(neng)夠在一(yi)定(ding)程度上自我(wo)進(jin)化，甚至(zhi)與其他物聯(lian)網設(she)備之間自主進(jin)行“社交(jiao)”。市場研究(jiu)機(ji)構IoT Analytics近期發布的(de)一(yi)份(fen)AIGC研究(jiu)報告(gao)中，提(ti)(ti)出了AIGC可以從(cong)多個方面提(ti)(ti)升自主“社交(jiao)”能(neng)力，即：
允許設備(bei)回答(da)用戶可(ke)能會提(ti)出的復(fu)雜問題;
允許終端用戶(hu)與(yu)設備對話(hua)以改變設置(zhi);
允許(xu)設備本身使用(yong)AIGC來生成(cheng)答(da)案(an)。
這一(yi)設想已經逐漸變為(wei)現實，尤其是一(yi)些機(ji)構探(tan)索機(ji)器(qi)人(ren)使(shi)用(yong)AIGC大模型(xing)，在機(ji)器(qi)人(ren)得不(bu)到清晰的指(zhi)令時，能夠與用(yong)戶(hu)進(jin)行(xing)互動并完(wan)成與其他設備的協同。
例如，亞(ya)馬遜(xun)(xun)開發了一個(ge)名為DialFRED的模型(xing)框架，允(yun)(yun)許(xu)機器在不確定的情況下(xia)向(xiang)用(yong)戶提問。亞(ya)馬遜(xun)(xun)認(ren)為此前(qian)的很多只(zhi)能(neng)(neng)設備(bei)通常只(zhi)允(yun)(yun)許(xu)單向(xiang)通信，人類用(yong)戶向(xiang)智能(neng)(neng)設備(bei)發出自然語言命(ming)令，智能(neng)(neng)設備(bei)只(zhi)能(neng)(neng)被動地(di)遵循(xun)命(ming)令。
圖源：亞馬遜
亞馬(ma)遜推(tui)出(chu)的(de)DialFRED的(de)模型框架(jia)是(shi)支持對話的(de)嵌入式指令集，允許智(zhi)能設備主動向(xiang)用(yong)戶提(ti)問，智(zhi)能設備可使(shi)用(yong)用(yong)戶響應中的(de)附加信(xin)息來更好地完成任務。為了訓練DialFRED，亞馬(ma)遜提(ti)出(chu)了一個提(ti)問者(zhe)(zhe)-執行(xing)(xing)者(zhe)(zhe)的(de)交互式框架(jia)，其(qi)中提(ti)問者(zhe)(zhe)用(yong)人類標注的(de)數據進行(xing)(xing)預訓練，并(bing)用(yong)強化學習進行(xing)(xing)微(wei)調。
亞(ya)馬遜的(de)DialFRED可以說是(shi)AIGC推動“社(she)交”物(wu)聯(lian)(lian)網設(she)備的(de)一個實(shi)例，相信隨(sui)著全球(qiu)AIGC生態的(de)發展，針對提(ti)升“社(she)交”物(wu)聯(lian)(lian)網能力的(de)模型和技術會(hui)不(bu)斷出(chu)現，推動更加智能的(de)物(wu)聯(lian)(lian)網應用落地(di)。
由于AIGC賦能物(wu)聯網應用場景(jing)需要模型能夠更(geng)進一步下(xia)沉到(dao)(dao)各行業(ye)，因此已有不少針對AIGC進一步下(xia)沉的研究(jiu)。筆(bi)者(zhe)注意到(dao)(dao)，今年年初由新加坡(po)南洋(yang)理工大學(xue)(xue)、電子科技大學(xue)(xue)、廣東工業(ye)大學(xue)(xue)等高校研究(jiu)人(ren)員聯合(he)發(fa)表的一篇《Enabling AI-Generated Content (AIGC) Services in Wireless Edge Networks》中提出(chu)了(le)“AIGC-as-a-service”(AaaS)的概(gai)念，認(ren)為AIGC 服(fu)務提供商可(ke)以在(zai)邊緣服(fu)務器上部署人(ren)工智能模型，通過無線網絡向用戶提供即(ji)時服(fu)務，以及更(geng)便利和(he)(he)可(ke)定制的體驗，用戶可(ke)以低(di)延時和(he)(he)低(di)資源消耗輕松地訪(fang)問和(he)(he)享(xiang)受(shou) AIGC服(fu)務。
在(zai)(zai)這種模式下，AIGC 服(fu)務(wu)提供商需(xu)要首(shou)先在(zai)(zai)大數據(ju)集上訓練AIGC模型，然后(hou)將其擴散模型托管在(zai)(zai)邊緣服(fu)務(wu)器(qi)上，服(fu)務(wu)商需(xu)要持續的(de)維護和更(geng)新(xin)，以確保AIGC模型在(zai)(zai)生(sheng)成(cheng)高質量(liang)內(nei)(nei)容方面保持準確和有效(xiao)。用(yong)戶可以提交(jiao)內(nei)(nei)容生(sheng)成(cheng)請求，并從供應商租用(yong)的(de)邊緣服(fu)務(wu)器(qi)接(jie)收生(sheng)成(cheng)的(de)內(nei)(nei)容。
這(zhe)一模式允許AIGC模型(xing)根據(ju)用戶(hu)的(de)需求進行定(ding)制的(de)內(nei)容(rong)，提供個性化的(de)體(ti)驗(yan)，而且(qie)通(tong)過在(zai)更接近(jin)用戶(hu)的(de)地方部署AIGC服務，QoS將(jiang)得到顯著提高。然(ran)而，這(zhe)一模式對無線(xian)網絡(luo)(luo)帶(dai)寬、訓練(lian)數據(ju)集、算力消耗等都是巨大的(de)挑戰(zhan)，例如未(wei)來(lai)移(yi)動通(tong)信網絡(luo)(luo)需要5.5G或6G的(de)支(zhi)持。
若這一(yi)模式的(de)瓶頸能夠突破，AaaS將和(he)當前很(hen)多服(fu)務(wu)一(yi)樣可(ke)以(yi)隨用(yong)隨取，對于廣泛分散、碎(sui)片化但(dan)海量連接的(de)物聯(lian)(lian)網(wang)智(zhi)能化化升級帶來(lai)較(jiao)好支持，在很(hen)大程(cheng)度上提升“社交”物聯(lian)(lian)網(wang)設備(bei)的(de)部署。
當(dang)(dang)然(ran)，AIGC在物聯網方(fang)面的(de)廣泛應用還非常遠。我們看到，當(dang)(dang)前(qian)大多數(shu)AIGC模型(xing)主要(yao)關(guan)注(zhu)文本和圖像，只有非常少量(liang)的(de)模型(xing)關(guan)注(zhu)將(jiang)傳感器數(shu)據作(zuo)為輸入。另外，大量(liang)產業(ye)物聯網場景中，對于(yu)AI能夠給(gei)出的(de)解決(jue)方(fang)案的(de)確定性(xing)要(yao)求(qiu)非常高，當(dang)(dang)前(qian)AIGC模型(xing)生(sheng)成(cheng)的(de)文字或圖片很(hen)多情(qing)況下是一種“最有可能”的(de)答案，并不一定能夠應用于(yu)生(sheng)成(cheng)經營(ying)場景。
例如，在工業互聯網場(chang)景中，生產、質檢等需要近乎100%的(de)確(que)定(ding)性答案或(huo)輔(fu)助(zhu);又如，聯網汽車(che)在重要場(chang)合下需要反饋完全(quan)確(que)定(ding)性指令來采(cai)取行(xing)動。因此，對于(yu)關鍵任務型物(wu)聯網應用，AIGC或(huo)許還(huan)需要很長的(de)路要走。
不過，雖然AIGC在物聯網的應用還不明朗，但AI與物聯網深度融合(he)的趨勢已(yi)經非常明朗，除了AIGC外，未來(lai)AI仍(reng)然會(hui)(hui)有各類新(xin)的創(chuang)新(xin)，和物聯網結合(he)來(lai)服(fu)務(wu)千行百業，這(zhe)才是技術創(chuang)新(xin)的使(shi)命。正如華為創(chuang)始人任正非在近期(qi)一(yi)次專(zhuan)家(jia)座談會(hui)(hui)上所(suo)述，人工智能軟件平臺公司對人類社(she)(she)會(hui)(hui)的直(zhi)接貢獻(xian)可(ke)能不到2%，98%都是對工業社(she)(she)會(hui)(hui)、農業社(she)(she)會(hui)(hui)的促進。
