トーチ、橋、鍵と未来

「質問とは何か？」

これもまた一つの問いです。一般的に見れば、それは単純な行動です。

私たちの目に映る質問は、既知と未知の間の次元の壁を打破し、過去と未来を現在に結びつけます。子供が新しい世界を指差して親に「これは何ですか？」と尋ねることから、プラトンが『理想国』で提起した「私は誰か、どこから来たのか、どこへ行くのか」という究極の三つの問いまで。

質問は松明であり、鍵であり、人類の根本的なニーズと進歩の要素です。

世界を変えるための前提は世界を知ることであり、世界を知る道筋はこの肉体に制約され、感覚から始まり、具体から抽象へと進みます。私たちの問いもまた、何か、何をするか、なぜかというように発展します。web3の世界はわずか十五年の間に発展してきましたが、まだ構築の途中であり、変化は実際に毎瞬間起こっています。私たちは、変化を望むなら、変革者のこの世界に対する認識と理解がより重要であると考えています。

「web3世界の情報の特徴」

web2世界との違いに比べて、web3世界の情報は以下のいくつかの特徴を示します。
1. 常に新しい概念と情報のエントロピーが増加している。
2. 膨大なデータ情報が消化・理解しにくい。
3. 新しい世界秩序の構築過程において、原則と法理が欠如し、発言権を持つ者の異なる視点と利益が異なる導きの方向を生じさせる。

web3は未来を代表し、デジタル通貨、メタバース、VR/AR、技術の発展とユーザーの要求があり、物理的世界の束縛はweb3で完全に解除され、原子世界のインフラはweb3で徐々に構築されています。この流れの力を阻む者はいません。これらすべてはOpenAIなどの推進の下で、現在、私たちはぼんやりと道を見出しています。QnA3.AIはその時を迎えています。

AIによるウェブ3の知識共有プラットフォームとして、私たちは専門の大規模言語モデルを訓練し、意味とユーザーの意図を正確に理解しています。膨大なデータソースの中から、価値のある情報を選別し、編纂・再構築して、ユーザーに正確で意味のある回答を提供します。ユーザーがweb3の世界でノイズを排除し、洞察を得るニーズを満たし、さらに彼らが自分自身の認知体系と思考フレームワークを構築する手助けをします。

「専門モデルと汎用モデルの比較」

私たちの判断では、市場の最終的な姿は数社の超大手といくつかの中小企業が共生する状態になるでしょう。

汎用大モデルの訓練には人力、設備、資金の制約があり、市場には本当に汎用大モデルの能力を持つ国際的な大プレイヤーが3〜5社しか存在しないでしょう。それに伴って、さまざまなタイプの言語モデル、業界モデル、シナリオモデルが生まれます。しかし、汎用大モデルはすべての細分化された業界の具体的な問題を解決することはできません。

まず、質は細分化された業界の核心的な要求であり、汎用大モデルの幻覚問題は細分化された業界の高品質な追求の下では受け入れられません。私たちは専用のデータ選別源と選別メカニズムを持ち、多段階のプロセスを通じてこの問題を回避しています。

次に、専門性が質の核心であり、細分化された業界の作業プロセスは高品質を要求し、質の改善行動を報酬します。細分化された業界に適用される人工知能ソリューションは、質を向上させるために常に調整が必要です。反応速度とフィードバック効率は質にとって非常に重要です。汎用モデル自体の高い互換性はここで質の差を引き起こします。もしロケットの人工知能モデルがGPT-4のような汎用モデルに置き換えられたら、その結果は壊滅的なものになるでしょう。この質の差は必然的に専門化された調整を導きます。

さらに、専有データと専有知識は障壁です。

多くの高価値で特定の分野の業界は、豊富な専有データセットに依存しています。これらの細分化された業界に対する最良の人工知能ソリューションは、これらのデータで訓練される必要があります。しかし、これらのデータベースを所有する実体は、自らのデータの防御線を守ることに集中し、第三者が無制限にこれらのデータベースにアクセスして人工知能の訓練を行うことを許可する可能性は低いでしょう。したがって、これらの実体は内部で、または特定のパートナーシップを通じて、これらの作業プロセス専用の専門的な人工知能システムを構築します。これらのシステムは一般的な人工知能モデルとは異なります。

細分化された業界は、ユーザーデータ、業界データ、さらにはグラフやルールをモデルに組み込んで訓練を続ける必要があります。これは業界大モデルの存在の必要性です。汎用大モデルがカバーできない局所的な業界において、こうしたデータを加えることで、業界専有知識に関する問題をうまく解決でき、汎用大モデルによる「幻覚」問題を克服できます。これは、モデルがますます多く、収束可能なシナリオが増え、技術とシナリオの整合性を助けるためにより多くの力が必要であることを意味します。万能な技術がすべてのシナリオに適応するのではなく。

「専門大規模言語モデル間の競争の違い」

私たちは、違いの核心は認識の違いと、認識のレベルに基づく行動の違いにあると考えています。現在市場にあるほぼすべてのAI関連アプリケーションは、オープンソースモデルに基づいて訓練されているか、OpenAIやClaude2のAPIを呼び出しています。どちらの道を選んでも、最終的に自分が認める大モデルを作るためには、相対的に先進的な人の認識を持ち、モデルを継続的に反復する能力が必要です。

そのため、私たちは同じ仲間のプレイヤーと交流し、共通の認識を持ちました。基本戦略はLLMをL0の基盤とし、その上にL1の業界モデル、L2のシナリオモデルを構築することです。このように一層一層しっかりと作り上げ、顧客と問題の回答を通じて、また私たちの製品設計の各機能を通じてフィードバックを得て、モデルを少しずつ反復し、徐々に壁を築いていきます。将来的により良い汎用モデルが登場しても、その基盤の上で再訓練や継続的な反復を行う方法があります。LLMは「水が高くなる船を高くする」ように、私たちよりも優れた人々の成長と共に成長します。

行動の面では、私たちはPre Train（事前訓練）、Post Train（訓練後）、Multi-Modal（多モーダル）、Scaling Up（拡張性）、Inference（推論）などに豊富な経験を持ち、それを製品市場と結びつけて発展させています。私たちはシステムの影響と複利の力を信じており、この信念を実践することが私たちの自信の源です。

「結論」

人工知能の進歩の波はすでに十年続いており、私たちは人工知能コンポーネントによって駆動される高価値で専門化された細分化された業界の人工知能モデルや、さまざまな人工知能の作業フローを支える汎用の人工知能モデルを含む豊かなエコシステムが誕生することを予測しています。そして、web3が押し寄せる波の中で、QnA3はweb3の原生ユーザーの万能の鍵であり、web2の世界からweb3の世界への最良の橋渡しとなるでしょう。