GOSIM AI Paris 2025: ปฏิวัติ AI โอเพนซอร์ส

การเปลี่ยนแปลงครั้งใหญ่ของ AI: GOSIM AI Paris 2025

ภูมิทัศน์ของ AI ได้รับการเปลี่ยนแปลงอย่างมากในช่วงปีที่ผ่านมา โดยได้รับแรงหนุนจากจิตวิญญาณแห่งการทำงานร่วมกันของการพัฒนาโอเพนซอร์ส ไม่ได้เป็นเพียงแค่ขอบเขตของยักษ์ใหญ่ด้านเทคโนโลยีอีกต่อไป รูปแบบภาษาขนาดใหญ่ (LLMs) กำลังพัฒนาผ่านความพยายามของชุมชนและการแบ่งปันแบบเปิด ซึ่งส่งผลกระทบต่อทุกสิ่งตั้งแต่โครงสร้างพื้นฐานไปจนถึงการเพิ่มประสิทธิภาพและการปรับใช้ของอัลกอริทึม การเคลื่อนไหวของโอเพนซอร์สนี้กำลังเร่งความก้าวหน้าของ AI ทำให้เข้าถึงได้ง่ายขึ้น และทำให้โอกาสในการมีส่วนร่วมในระบบอัจฉริยะรุ่นต่อไปเป็นประชาธิปไตย

ด้วยฉากหลังนี้ การประชุม GOSIM AI Paris 2025 ซึ่งจัดขึ้นร่วมกันโดย GOSIM, CSDN และ 1ms.ai ได้เริ่มขึ้นเมื่อวันที่ 6 พฤษภาคมในกรุงปารีส ประเทศฝรั่งเศส งานนี้ทำหน้าที่เป็นแพลตฟอร์มที่สำคัญ โดยเชื่อมต่อนักปฏิบัติและนักวิจัยด้านเทคโนโลยีระดับโลก เพื่อสำรวจความก้าวหน้าล่าสุดและทิศทางในอนาคตใน AI โอเพนซอร์ส

การประชุมนี้มีการรวบรวมผู้เชี่ยวชาญด้านเทคโนโลยีและนักวิชาการกว่า 80 ท่านจากองค์กรชั้นนำ เช่น Alibaba, Hugging Face, BAAI, MiniMax, Neo4j, Dify, MetaGPT, Zhipu AI, Eigent.AI, Docker, Inflow, Peking University, Fraunhofer, Oxford University และชุมชน French openLLM พันธมิตรหลัก ซึ่งรวมถึง Huawei, the All-China Youth Innovation and Entrepreneurship Association in France, the Sino-French Artificial Intelligence Association, the Apache Software Foundation, the Eclipse Foundation, The Khronos Group, WasmEdgeRuntime, LF Generative AI Commons, the Linux Foundation Research, the OpenWallet Foundation, the Open Source Initiative (OSI), Software Heritage และ K8SUG ก็มีส่วนร่วมอย่างแข็งขัน การประชุมนี้มีช่วงทางเทคนิคมากกว่า 60 ช่วง โดยมุ่งเน้นไปที่ธีมหลัก เช่น โมเดล AI โครงสร้างพื้นฐาน การปรับใช้แอปพลิเคชัน และปัญญาประดิษฐ์ที่รวมอยู่ในตัว โดยให้มุมมองที่ครอบคลุมเกี่ยวกับวิวัฒนาการของระบบนิเวศโอเพนซอร์สและแนวโน้มที่เกิดขึ้นใหม่

ความสัมพันธ์แบบพึ่งพาอาศัยกันระหว่าง AI และโอเพนซอร์ส

Michael Yuan ผู้ร่วมก่อตั้ง GOSIM ได้เริ่มการประชุมด้วยสุนทรพจน์หลักในหัวข้อ “โอเพนซอร์สตามทันแล้ว จะมีอะไรต่อไป” เขาแบ่งปันข้อมูลเชิงลึกเกี่ยวกับสถานะปัจจุบันและวิถีในอนาคตของ AI โอเพนซอร์ส โดยเน้นว่าถึงจุดเปลี่ยนที่สำคัญแล้ว

"ครั้งหนึ่งเราเคยทำนายว่าโอเพนซอร์สจะต้องใช้เวลา 5-10 ปีจึงจะตามทันโมเดลแบบปิด แต่ดูเหมือนว่าเป้าหมายนี้จะประสบความสำเร็จก่อนกำหนด" Yuan กล่าว เขาอ้างถึงการเปิดตัว Qwen 3 เมื่อเร็วๆ นี้เป็นตัวอย่าง โดยสังเกตว่าโมเดลโอเพนซอร์สไม่ได้แข่งขันกันเองอีกต่อไป แต่กำลังท้าทายโมเดลเรือธงที่เป็นกรรมสิทธิ์โดยตรง แม้กระทั่งเหนือกว่าในเกณฑ์มาตรฐานบางอย่าง Yuan ยังแนะนำว่าความคืบหน้านี้ไม่ได้เกิดจากการพัฒนาโอเพนซอร์สเพียงอย่างเดียว แต่ยังเป็นผลมาจากการพัฒนาแบบปิดที่ไม่เป็นไปตามความคาดหวังและพบกับปัญหาคอขวดด้านประสิทธิภาพ ในทางตรงกันข้าม โมเดลโอเพนซอร์สกำลังพัฒนาอย่างรวดเร็ว แสดงให้เห็นถึงเส้นโค้งการเติบโตของประสิทธิภาพที่สูงชัน และแสดงให้เห็นถึงปรากฏการณ์ "ตามทัน" ที่แท้จริง

ข้อสังเกตนี้ก่อให้เกิดคำถามพื้นฐาน: เราอยู่ห่างจาก Artificial General Intelligence (AGI) แค่ไหน? Yuan เชื่อว่าอนาคตของ AGI อาจไม่ได้อยู่ในโมเดลเดียวที่ครอบคลุมทุกอย่าง แต่เป็นเครือข่ายของโมเดลเฉพาะทาง ฐานความรู้ และเครื่องมือที่ปรับใช้บนฮาร์ดแวร์ส่วนตัวหรืออุปกรณ์หุ่นยนต์

เขากล่าวเพิ่มเติมว่าสถาปัตยกรรม AI กำลังเปลี่ยนจากกระแสรวมศูนย์ไปสู่กระแสกระจายอำนาจ เขาเน้นย้ำถึงการเปลี่ยนผ่านของ OpenAI จาก Completion API ไปสู่ Responses API ใหม่ ซึ่งมีเป้าหมายที่จะสร้างแพลตฟอร์มตัวแทนอัจฉริยะขนาดใหญ่ ผู้ใช้และนักพัฒนาเกือบ 600,000 รายได้เข้าร่วมการเปลี่ยนแปลงนี้แล้ว โดยมีส่วนร่วมในการพัฒนาแอปพลิเคชัน AI แบบกระจาย

"อนาคตของ AGI ไม่ควรได้รับการพัฒนาโดยบริษัทเดียวที่มีเงินทุนสนับสนุนอย่างดี" Yuan ยืนยัน "แต่ควรสร้างขึ้นผ่านความร่วมมือระดับโลก สร้างเครือข่ายระบบนิเวศที่ครอบคลุมโมเดล ฐานความรู้ หุ่นยนต์ และระบบการดำเนินการ"

หลังจากสุนทรพจน์ของ Yuan แล้ว Daniel Goldscheider กรรมการบริหารของ OpenWallet Foundation ได้นำเสนอเรื่อง “GDC Wallets & Credentials” โดยมุ่งเน้นไปที่โครงการ Global Digital Compact (GDC) ซึ่งได้รับการรับรองโดยสมัชชาใหญ่แห่งสหประชาชาติ เขาอธิบายว่า GDC มีวัตถุประสงค์หลักสองประการ:

• การตระหนักว่าเทคโนโลยีดิจิทัลได้เปลี่ยนแปลงชีวิตของเราและการพัฒนาสังคมอย่างลึกซึ้ง โดยนำมาซึ่งโอกาสที่ไม่เคยมีมาก่อนและความเสี่ยงที่ไม่คาดฝัน
• การเน้นย้ำว่าการตระหนักถึงศักยภาพสูงสุดของเทคโนโลยีดิจิทัลเพื่อประโยชน์ของมนุษยชาติทั้งมวลนั้น จำเป็นต้องมีความร่วมมือระดับโลก ทำลายอุปสรรคระหว่างประเทศ อุตสาหกรรม และแม้แต่ภาครัฐและเอกชน

จากความเข้าใจร่วมกันนี้ GDC ได้ก่อให้เกิดความคิดริเริ่ม "Global Digital Collaboration" โดยมีเป้าหมายเพื่อส่งเสริมความร่วมมืออย่างแท้จริงระหว่างรัฐบาล ธุรกิจ องค์กรที่ไม่แสวงหาผลกำไร และผู้มีส่วนได้ส่วนเสียอื่นๆ

เมื่อพูดถึงด้านการดำเนินงาน Goldscheider เน้นย้ำว่าความร่วมมือนี้ไม่ได้ถูกกำหนดโดยองค์กรใดองค์กรหนึ่ง แต่ใช้แนวทาง "การประชุมร่วมกัน" โดยเชิญองค์กรระหว่างประเทศ องค์กรกำหนดมาตรฐาน ชุมชนโอเพนซอร์ส และองค์กรระหว่างรัฐบาลที่สนใจทั้งหมดให้เข้าร่วม เขาชี้แจงว่านี่ไม่ใช่โครงการ "ใครนำใคร" แต่เป็นแพลตฟอร์มความร่วมมือที่เท่าเทียมกัน ซึ่งทุกฝ่ายมีเสียง และไม่มีใครสำคัญกว่าใคร

เขากล่าวเพิ่มเติมว่า Global Digital Collaboration ไม่ได้มีเป้าหมายที่จะพัฒนามาตรฐานหรือเทคโนโลยีโดยตรง แต่เพื่ออำนวยความสะดวกในการเจรจาระหว่างองค์กรจากภูมิหลังที่หลากหลาย ทำให้พวกเขาสามารถนำเสนอแนวคิดและความต้องการของตนเพื่อให้บรรลุฉันทามติ ต่อจากนั้น มาตรฐานเฉพาะและงานด้านเทคนิคจะได้รับการพัฒนาโดยหน่วยงานเฉพาะทางที่เกี่ยวข้อง เขาอ้างถึง "เอกลักษณ์ดิจิทัล" และ "เทคโนโลยีชีวมิติ" เป็นตัวอย่าง โดยสังเกตว่าหลายองค์กรกำลังทำงานในด้านเหล่านี้อยู่แล้ว โดยเน้นถึงความจำเป็นในการมีแพลตฟอร์มที่เป็นกลางเพื่อให้ทุกคนมารวมตัวกัน หลีกเลี่ยงการทำซ้ำ ความขัดแย้ง และการสิ้นเปลืองทรัพยากร

สี่ฟอรัมโดยเฉพาะ: การวิเคราะห์ AI โอเพนซอร์สอย่างครอบคลุม

การประชุมนี้มีสี่ฟอรัมเฉพาะทาง: โมเดล AI, โครงสร้างพื้นฐาน AI, แอปพลิเคชัน AI และปัญญาประดิษฐ์ที่รวมอยู่ในตัว ฟอรัมเหล่านี้ครอบคลุมหัวข้อสำคัญต่างๆ ตั้งแต่สถาปัตยกรรมพื้นฐานไปจนถึงการปรับใช้แอปพลิเคชัน และจากความสามารถของโมเดลไปจนถึงแนวทางปฏิบัติของตัวแทนอัจฉริยะ ฟอรัมแต่ละแห่งเป็นเจ้าภาพจัดงานโดยผู้เชี่ยวชาญชั้นนำจากองค์กรระดับโลกและสถาบันวิจัย โดยให้ทั้งการวิเคราะห์เชิงลึกเกี่ยวกับแนวโน้มทางเทคโนโลยีล่าสุด และการนำเสนอกรณีศึกษาการปฏิบัติทางวิศวกรรมที่หลากหลาย แสดงให้เห็นถึงการบูรณาการและวิวัฒนาการที่ครอบคลุมของ AI โอเพนซอร์สในหลายสาขา

การแยกส่วนตรรกะพื้นฐานของโมเดลขนาดใหญ่ของ AI

ฟอรัมโมเดล AI ได้รวบรวมผู้เชี่ยวชาญจากชุมชนโอเพนซอร์สและสถาบันวิจัย เพื่อแบ่งปันข้อมูลเชิงลึกเกี่ยวกับนวัตกรรมทางสถาปัตยกรรม ความร่วมมือโอเพนซอร์ส และวิวัฒนาการของระบบนิเวศในขอบเขตของโมเดลขนาดใหญ่

Guilherme Penedo วิศวกรวิจัยด้าน Machine Learning ที่ Hugging Face นำเสนอ "Open-R1: AFully Open Source Reproduction of DeepSeek-R1" โดยนำเสนอความพยายามของโครงการ Open-R1 ในการจำลองแบบโมเดล DeepSeek-R1 โดยมุ่งเน้นไปที่การส่งเสริมความเปิดกว้างและมาตรฐานของข้อมูลที่เกี่ยวข้องกับงานอนุมาน Guang Liu ผู้นำด้านเทคโนโลยีของทีมวิจัยข้อมูลที่ Zhiyuan Research Institute แบ่งปัน "OpenSeek: Collaborative Innovation Towards the Next Generation of Large Models" โดยเน้นย้ำถึงความสำคัญของความร่วมมือระดับโลกในการขับเคลื่อนความก้าวหน้าในประสิทธิภาพของโมเดลในระดับอัลกอริทึม ข้อมูล และระบบ โดยมีเป้าหมายในการพัฒนาโมเดลขนาดใหญ่รุ่นต่อไปที่เหนือกว่า DeepSeek

Jason Li รองประธานอาวุโสของ CSDN นำเสนอ "Decoding DeepSeek: Technological Innovation and its Impact on the AI Ecosystem" โดยให้การวิเคราะห์เชิงลึกเกี่ยวกับนวัตกรรมของ DeepSeek ในกระบวนทัศน์ทางเทคนิค สถาปัตยกรรมของโมเดล และระบบนิเวศอุตสาหกรรม ตลอดจนผลกระทบที่อาจเกิดขึ้นต่อระบบนิเวศ AI ระดับโลก Yiran Zhong ผู้อำนวยการอาวุโสฝ่ายวิจัยที่ MiniMax นำเสนอ "Linear Future: The Evolution of Large Language Model Architectures" โดยแนะนำกลไก Lightning Attention ที่ทีมงานเสนอ ซึ่งเป็นทางเลือกที่เป็นไปได้สำหรับสถาปัตยกรรม Transformer ในแง่ของประสิทธิภาพและสมรรถนะ Shiwei Liu, Royal Society Newton International Fellow ที่ Oxford University กล่าวถึง "The Depth Curse in Large Language Models" โดยสำรวจการลดลงของการมีส่วนร่วมของโครงข่ายประสาทเทียมเชิงลึกเมื่อโมเดลมีความลึกขึ้น และเสนอให้ใช้ LayerNorm Scaling เพื่อปรับปรุงกลไก Pre-LN เพื่อเพิ่มประสิทธิภาพการใช้งานเลเยอร์เชิงลึกและประสิทธิภาพโดยรวม Diego Rojas วิศวกรวิจัยที่ Zhipu AI ชี้ให้เห็นใน "Code Large Language Models: Exploring Beyond Tokens" ว่าโมเดลขนาดใหญ่ในปัจจุบัน แม้ว่าจะมีประสิทธิภาพ แต่ก็ยังต้องอาศัยการแบ่งโทเค็น ซึ่งไม่มีประสิทธิภาพ และแบ่งปันวิธีการใหม่ๆ ในการข้ามการแบ่งโทเค็นเพื่อให้โมเดลเร็วขึ้นและแข็งแกร่งขึ้น Nicolas Flores-Herr หัวหน้าทีม Basic Models ที่ Fraunhofer IAIS สรุปฟอรัมด้วย "How to Build Globally Competitive ‘European-Made’ Large Language Models?" โดยเน้นย้ำว่ายุโรปกำลังเอาชนะความท้าทายด้านข้อมูล ความหลากหลาย และกฎระเบียบผ่านโครงการโมเดลขนาดใหญ่ที่เป็นภาษาต่างๆ โอเพนซอร์ส และน่าเชื่อถือในท้องถิ่น เพื่อสร้าง AI รุ่นต่อไปที่สะท้อนค่านิยมของยุโรป

ไตรภาคีของโครงสร้างพื้นฐาน AI: ข้อมูล พลังการประมวลผล และวิวัฒนาการของอัลกอริทึม

ฟอรัมโครงสร้างพื้นฐาน AI มุ่งเน้นไปที่การสร้างรากฐานที่เปิดกว้าง มีประสิทธิภาพ และครอบคลุมมากขึ้นสำหรับโมเดลขนาดใหญ่ โดยได้รวบรวมผู้เชี่ยวชาญชั้นนำจากสถาบันวิจัยและองค์กรต่างๆ เพื่อเข้าร่วมในการอภิปรายเชิงลึกเกี่ยวกับประเด็นสำคัญ เช่น ข้อมูล พลังการประมวลผล และสถาปัตยกรรมของระบบ

Yonghua Lin รองประธานสถาบันวิจัย Zhiyuan (BAAI) ได้เปิดตัว Chinese Internet Corpus CCI 4.0 ใน "AI Open Source for Good: Inclusive Applications, Fair Data, and Universal Computing Power" ครอบคลุมชุดข้อมูลหลักสามชุด: CCI4.0-M2-Base V1, CCI4.0-M2-CoT V1 และ CCI4.0-M2-Extra V1 CCI4.0-M2-Base V1 มีปริมาณข้อมูล 35000GB เป็นสองภาษาในภาษาจีนและภาษาอังกฤษ โดยมีข้อมูลภาษาจีน 5000GB ซึ่งเพิ่มขึ้น 5 เท่าในขนาดข้อมูลเมื่อเทียบกับ CCI3.0 CCI4.0-M2-CoT V1 ประกอบด้วยข้อมูลวิถีการคิดของมนุษย์ที่สังเคราะห์แบบย้อนกลับจำนวน 450 ล้านรายการ เพื่อปรับปรุงความสามารถในการให้เหตุผล โดยมีจำนวนโทเค็นทั้งหมด 425B (425 พันล้าน) ซึ่งมีขนาดเกือบ 20 เท่าของ Cosmopedia (เปิดแหล่งที่มาโดย Hugging Face) ซึ่งเป็นชุดข้อมูลสังเคราะห์โอเพนซอร์สที่ใหญ่ที่สุดที่มีอยู่ทั่วโลกในปัจจุบัน

Xiyuan Wang วิศวกรซอฟต์แวร์อาวุโสที่ Huawei จากนั้นได้แนะนำว่าสถาปัตยกรรม CANN เชื่อมต่อเฟรมเวิร์ก AI และฮาร์ดแวร์ Ascend ได้อย่างไรใน "Best Practices for Training and Inference Based on Ascend CANN" และบรรลุการอนุมานการฝึกอบรมที่ดีที่สุดผ่านการสนับสนุนระบบนิเวศ เช่น PyTorch และ vLLM Guillaume Blaquiere สถาปนิกข้อมูลที่ Carrefour สาธิตวิธีการปรับใช้โมเดลขนาดใหญ่แบบไร้เซิร์ฟเวอร์ที่รองรับ GPU ผ่าน Google Cloud Run เพื่อลดต้นทุนและปรับปรุงประสิทธิภาพการใช้ทรัพยากรใน "Making Your LLM Serverless" Yinping Ma วิศวกรที่ Peking University ได้กล่าวปาฐกถาพิเศษในหัวข้อ "Open Source Intelligent Computing Integrated Management and Scheduling Basic Software - SCOW and CraneSched" โดยแนะนำซอฟต์แวร์พื้นฐานโอเพนซอร์สหลักสองตัวที่พัฒนาโดย Peking University, SCOW และ CraneSched ซึ่งได้รับการปรับใช้ในมหาวิทยาลัยและองค์กรหลายสิบแห่งทั่วประเทศ โดยสนับสนุนการจัดการแบบรวมศูนย์และการจัดกำหนดการประสิทธิภาพสูงของทรัพยากรการประมวลผลอัจฉริยะ Yaowei Zheng ผู้สมัครปริญญาเอกที่ Beihang University ได้แบ่งปันแนวคิดการออกแบบของสถาปัตยกรรมตัวควบคุมแบบไฮบริดในระบบ Verl ในสุนทรพจน์ "verl: A RLHF System Based on Hybrid Controller" และอภิปรายถึงข้อได้เปรียบด้านประสิทธิภาพในการฝึกอบรมการเรียนรู้แบบเสริมกำลังขนาดใหญ่ Greg Schoeninger CEO ของ Oxen.ai นำเสนอ "Training Datasets and Infrastructure for DeepSeek-R1 Style Reinforcement Learning (GRPO)" และให้รายละเอียดเกี่ยวกับเส้นทางการฝึกอบรมการเรียนรู้แบบเสริมกำลังสำหรับโมเดล LLM ให้เหตุผล รวมถึงการสร้างชุดข้อมูล การสร้างโครงสร้างพื้นฐาน และโมเดลการสร้างโค้ดการฝึกอบรมในท้องถิ่น

จาก "สามารถใช้งานได้" เป็น "ใช้งานได้ดี": แอปพลิเคชัน AI เข้าสู่ขั้นตอนการปฏิบัติ

ในฟอรัมแอปพลิเคชัน AI นักปฏิบัติ R&D และผู้มีอำนาจตัดสินใจด้านเทคโนโลยีจากบริษัทชั้นนำได้แบ่งปันข้อมูลเชิงลึกที่หลากหลาย โดยแสดงให้เห็นเส้นทางการปรับใช้ในโลกแห่งความเป็นจริงและความเป็นไปได้ในอนาคตของแอปพลิเคชัน AI ที่ขับเคลื่อนโดยโมเดลขนาดใหญ่

Yongbin Li หัวหน้านักวิจัยที่ Alibaba Tongyi Lab ได้แบ่งปันความคืบหน้าล่าสุดของ Tongyi Lingma ในด้านวิวัฒนาการทางเทคนิคและการประยุกต์ใช้ผลิตภัณฑ์ใน "Tongyi Lingma: From Coding Copilot to Coding Agent" Dongjie Chen วิศวกรซอฟต์แวร์ที่ Huawei ได้กล่าวปาฐกถาพิเศษในหัวข้อ "Cangjie Magic: A New Choice for Developers in the Era of Large Models" โดยแนะนำเฟรมเวิร์กการพัฒนาตัวแทนโมเดลขนาดใหญ่ AI ที่อิงตามภาษาโปรแกรม Cangjie ซึ่งสามารถปรับปรุงประสิทธิภาพของนักพัฒนาในการสร้างแอปพลิเคชัน HarmonyOS อัจฉริยะได้อย่างมาก และมอบประสบการณ์การพัฒนาที่ยอดเยี่ยม Xinrui Liu ผู้อำนวยการระบบนิเวศนักพัฒนา LangGenius มุ่งเน้นไปที่ "Working Together, Technical Power Enabled by Dify" โดยเน้นย้ำถึงระบบนิเวศโอเพนซอร์สของ Dify และบทบาทในการเร่งความนิยมของแอปพลิเคชัน AI

ในส่วนของการรวม AI และวิศวกรรมระบบ Rik Arends ผู้ร่วมก่อตั้ง Makepad ได้นำเสนอผลงานที่ไม่เหมือนใคร: "Using Ambient Coding, Use AI to Create Rust UI for Mobile Devices, Web Pages, and Mixed Reality" โดยสำรวจวิธีใช้การเขียนโค้ดแบบแอมเบียนต์เพื่อสร้างกระบวนทัศน์ใหม่สำหรับ UI Christian Tzolov วิศวกรซอฟต์แวร์ R&D จากทีม Broadcom Spring มุ่งเน้นไปที่การสาธิตวิธีการรวมโมเดล AI เข้ากับระบบและทรัพยากรที่มีอยู่อย่างมีประสิทธิภาพผ่าน MCP Java SDK และ Spring AI MCP ใน "A Unified Paradigm for AI Integration Through MCP" Wenjing Chu ผู้อำนวยการอาวุโสฝ่ายกลยุทธ์เทคโนโลยีที่ Futurewei ได้ยกระดับมุมมองไปอีกขั้นใน "The ‘T’ in MCP and A2A Stands for Trust" โดยวิเคราะห์อย่างลึกซึ้งถึงวิธีการสร้างระบบ AI ที่น่าเชื่อถืออย่างแท้จริงในแอปพลิเคชันที่ใช้ตัวแทน นอกจากนี้ Hong-Thai Nguyen ผู้จัดการด้านวิศวกรรมซอฟต์แวร์ที่ Cegid ยังได้แนะนำวิธีการที่ตัวแทนหลายรายสามารถปรับเปลี่ยนกระบวนการทางธุรกิจและบรรลุการตัดสินใจและการดำเนินงานขององค์กรที่ชาญฉลาดยิ่งขึ้นโดยผสมผสานกับสถานการณ์จริงในสุนทรพจน์ "Cegid Pulse: Multi-Agent Business Management Platform"

เมื่อโมเดลขนาดใหญ่มาพร้อมกับ "ร่างกาย": ปัญญาประดิษฐ์ที่รวมอยู่ในตัวมาถึงแล้ว

ปัญญาประดิษฐ์ที่รวมอยู่ในตัวกำลังกลายเป็นหนึ่งในทิศทางการพัฒนาที่ท้าทายและมีแนวโน้มมากที่สุดในสาขา AI ในฟอรัมนี้ ผู้เชี่ยวชาญด้านเทคนิคชั้นนำของอุตสาหกรรมหลายท่านได้เข้าร่วมในการอภิปรายเชิงลึกเกี่ยวกับธีมของ "ปัญญาประดิษฐ์ที่รวมอยู่ในตัว" โดยแบ่งปันการสำรวจเชิงปฏิบัติของพวกเขาในการออกแบบสถาปัตยกรรม การประยุกต์ใช้โมเดล และการปรับใช้สถานการณ์

Angelo Corsaro CEO และ CTO ของ ZettaScale ได้แนะนำว่าโปรโตคอล Zenoh สามารถทำลายอุปสรรคระหว่างการรับรู้ การดำเนินการ และความรู้ความเข้าใจในยุคหุ่นยนต์อัจฉริยะได้อย่างไรใน "Mind, Body, and Zenoh" Philipp Oppermann ผู้จัดการโครงการของโครงการ Dora นำเสนอ "Using Zenoh in Dora to Implement Distributed Data Flow" โดยอธิบายถึงการประยุกต์ใช้โปรโตคอล Zenoh ที่สำคัญใน Dora เพื่อใช้งานการไหลของข้อมูลแบบกระจาย James Yang ศาสตราจารย์ที่ University of Science and Technology of China ได้กล่าวสุนทรพจน์ในหัวข้อ "Generation of Adversarial Safety-Critical Scenarios in Autonomous Driving" โดยแนะนำวิธีการปรับปรุงความปลอดภัยของเทคโนโลยีการขับขี่อัตโนมัติโดยการสร้างสถานการณ์ที่เป็นปฏิปักษ์เพื่อให้มั่นใจในความเสถียรและความน่าเชื่อถือในสภาพแวดล้อมที่ซับซ้อน

นอกจากนี้ Minglan Lin นักวิจัยด้านปัญญาประดิษฐ์ที่รวมอยู่ในสถาบันวิจัย Zhiyuan ยังมุ่งเน้นไปที่หัวข้อ "RoboBrain: A Unified Brain Model for Robot Operation & RoboOS: A Hierarchical Collaboration Framework for RoboBrain and Robot Intelligent Agents" โดยแสดงให้เห็นว่า RoboBrain สามารถปรับปรุงระดับความฉลาดของหุ่นยนต์และบทบาทที่สำคัญของ RoboOS ในการทำงานร่วมกันของหุ่นยนต์ Ville Kuosmanen ผู้ก่อตั้ง Voyage Robotics ได้กล่าวสุนทรพจน์ที่ยอดเยี่ยมในหัวข้อ "Building Robot Applications with Open Source VLA Models" โดยอธิบายถึงวิธีการใช้โมเดล VLA โอเพนซอร์สเพื่อให้การสนับสนุนที่แข็งแกร่งสำหรับแอปพลิเคชันหุ่นยนต์ สุดท้าย Huy Hoang Ha นักวิจัยโมเดลภาษาขนาดใหญ่ที่ Menlo Research ได้กล่าวถึงวิธีการที่การให้เหตุผลเชิงพื้นที่สามารถช่วยให้หุ่นยนต์เข้าใจสภาพแวดล้อม 2D และ 3D ที่ซับซ้อนได้ดีขึ้น ซึ่งจะช่วยปรับปรุงความสามารถในการดำเนินการและการนำทางในสุนทรพจน์หลักของ "Spatial Reasoning LLM: Enhancing Understanding of 2D and 3D to Support Robot Operation and Navigation"

Spotlight Talks: ส่องแสงเทคโนโลยีล้ำสมัยและแอปพลิเคชันที่เป็นนวัตกรรม

Spotlight Talks Day 1 นำเสนอการนำเสนอที่น่าสนใจจากผู้เชี่ยวชาญในอุตสาหกรรมเกี่ยวกับเทคโนโลยีล้ำสมัยและแอปพลิเคชันที่เป็นนวัตกรรม ส่วนนี้ทำหน้าที่เป็นแพลตฟอร์มสำหรับนักปฏิบัติเทคโนโลยีจากหลากหลายสาขา เพื่อหารือเกี่ยวกับความก้าวหน้าล่าสุดและการประยุกต์ใช้ AI ในทางปฏิบัติ Cyril Moineau วิศวกรวิจัยที่ French Atomic Energy Commission (CEA) ได้แนะนำวิธีการที่โครงการ Eclipse Aidge สนับสนุนการปรับใช้และการเพิ่มประสิทธิภาพของโครงข่ายประสาทเทียมเชิงลึกบนแพลตฟอร์มฝังตัว โดยจัดหาชุดเครื่องมือที่สมบูรณ์ในสุนทรพจน์ "Aidge" ซึ่งจะช่วยเร่งการพัฒนาของระบบอัจฉริยะ Edge

Paweł Kiszczak นักวิทยาศาสตร์ข้อมูลที่ Bielik.ai ได้แบ่งปันความคืบหน้าล่าสุดของโครงการ AI พื้นเมืองของโปแลนด์ Bielik เป็นครั้งแรกในการประชุมนี้ และกล่าวสุนทรพจน์ในหัวข้อ "The Rise of Bielik.AI" โดยบอกเล่าว่าโครงการนี้ส่งเสริมการสร้างระบบ AI แบบอัตโนมัติในท้องถิ่นผ่านโมเดลภาษาโอเพนซอร์สและระบบนิเวศเครื่องมือที่สมบูรณ์ได้อย่างไร โครงการ Bielik ไม่เพียงแต่เปิดตัวโมเดลภาษาโอเพนซอร์สหลายรายการ (ขนาดพารามิเตอร์ครอบคลุม 1.5B, 4.5B และ 11B) เท่านั้น แต่ยังสร้างชุดเครื่องมือแบบ end-to-end ที่ครอบคลุมชุดข้อมูล การประเมินผล การฝึกอบรม และการปรับแต่งอย่างละเอียด โดยสนับสนุนทีมวิจัยและนักพัฒนาให้ปรับแต่งอย่างละเอียดหรือฝึกอบรมล่วงหน้าอย่างต่อเนื่องโดยอิงตามโมเดลพื้นฐาน ซึ่งจะช่วยลดเกณฑ์ R&D สำหรับโมเดลขนาดใหญ่และกระตุ้นขีดความสามารถด้านนวัตกรรมทางเทคโนโลยีในท้องถิ่นอย่างมาก

Hung-Ying Tai หัวหน้าฝ่ายเทคนิคจาก Second State ได้แบ่งปัน "Running GenAI Models on Edge Devices with LlamaEdge" โดยสาธิตความสามารถที่มีน้ำหนักเบาและมีประสิทธิภาพสูงของ LlamaEdge ในการปรับใช้โมเดล AI เชิงกำเนิดบนอุปกรณ์ Edge ซึ่งนำมาซึ่งประสบการณ์การให้เหตุผลในท้องถิ่นที่ยืดหยุ่นและมีประสิทธิภาพยิ่งขึ้น Tianyu Chen ผู้สมัครปริญญาเอกที่ Peking University ได้แนะนำว่าเฟรมเวิร์ก SAFE ช่วยบรรเทาปัญหาการขาดแคลนข้อมูลการฝึกอบรมผ่านกลไกการพัฒนาตนเองของ "การสังเคราะห์ข้อมูล - การปรับแต่งโมเดล" ได้อย่างไร ซึ่งจะช่วยปรับปรุงประสิทธิภาพและความแม่นยำของการตรวจสอบความถูกต้องอย่างเป็นทางการของโค้ด Rust ใน "Achieving Automatic Formal Verification for Rust Code Based on Self-Evolution Framework" ได้อย่างมาก Gautier Viaud ผู้อำนวยการ R&D ที่ Illuin Technology ได้แบ่งปันวิธีการที่ระบบ ColPali ซึ่งสร้างโดยทีมงานโดยอิงตามสถาปัตยกรรม ColBERT และโมเดล PaliGemma ช่วยปรับปรุงความแม่นยำและประสิทธิภาพของการดึงข้อมูลเอกสารโดยการรวมข้อมูลกราฟิกและข้อความในสุนทรพจน์ "ColPali: Efficient Document Retrieval Based on Visual Language Model" ได้อย่างมีประสิทธิภาพ สุดท้าย Xiao Zhang CEO ของ Dynamia.ai ได้แนะนำวิธีการจัดการและกำหนดการทรัพยากร GPU ที่ต่างกันให้ดีขึ้นด้วยความช่วยเหลือของ HAMi และปรับปรุงอัตราการใช้งานและความสามารถในการสังเกตของโครงสร้างพื้นฐาน AI ใน "Unlocking the K8s Cluster Capabilities of Heterogeneous AI Infrastructure: Releasing the Power of HAMi"

ปฏิสัมพันธ์ที่หลากหลายและไฮไลท์ของวันแรก

นอกเหนือจากสุนทรพจน์หลักที่มีความหนาแน่นสูงแล้ว การประชุมยังมีหน่วยพิเศษหลายหน่วย หน่วย Closed-door Meeting มุ่งเน้นไปที่การเจรจาเชิงกลยุทธ์และการแลกเปลี่ยนอุตสาหกรรมเชิงลึก เพื่อส่งเสริมความร่วมมือข้ามพรมแดน Showcase Sessions มุ่งเน้นไปที่การนำเสนอผลิตภัณฑ์เทคโนโลยี AI ล่าสุดขององค์กรและสถาบันวิจัย ซึ่งดึงดูดผู้เข้าชมจำนวนมากให้หยุดและสื่อสาร ใน Competition Sessions นักพัฒนา AI และหุ่นยนต์ วิศวกร และผู้ที่ชื่นชอบหุ่นยนต์จากทั่วโลกมุ่งเน้นไปที่ชุดแขนหุ่นยนต์โอเพนซอร์ส SO-ARM100 เพื่อดำเนินการสำรวจเชิงปฏิบัติของการเรียนรู้แบบเลียนแบบ ชุดนี้รวมเฟรมเวิร์ก LeRobot ของ Hugging Face และรวมเทคโนโลยี AI และหุ่นยนต์ของ NVIDIA เพื่อรองรับสถาปัตยกรรม AI ล้ำสมัย รวมถึง ACT และ Diffusion Policy โดยให้พื้นฐานทางเทคนิคที่แข็งแกร่งแก่ผู้เข้าร่วม ผู้เข้าร่วมได้ดำเนินการสำรวจเชิงปฏิบัติในสถานการณ์จริง เพื่อประเมินผลกระทบและความเป็นไปได้ในวงกว้าง

Workshop Sessions ใช้ระบบนิเวศ OpenHarmony เป็นหัวข้อหลัก และสำรวจโครงการโอเพนซอร์สที่บ่มเพาะและดำเนินการโดย Open Atom Open Source Foundation OpenHarmony มุ่งมั่นที่จะสร้างเฟรมเวิร์กระบบปฏิบัติการเทอร์มินัลอัจฉริยะสำหรับยุคของทุกสถานการณ์ การเชื่อมต่อทั้งหมด และความฉลาดทั้งหมด สร้างแพลตฟอร์มระบบปฏิบัติการแบบกระจายชั้นนำที่เปิดกว้าง ทั่วโลก และเป็นนวัตกรรม ให้บริการอุปกรณ์อัจฉริยะที่หลากหลาย และช่วยในการพัฒนาอุตสาหกรรม Internet of Everything ที่ไซต์การประชุม ผู้เข้าร่วมเข้าใจข้อได้เปรียบหลักของ OpenHarmony ในด้านการทำงานร่วมกันของอุปกรณ์หลายเครื่องและการออกแบบระบบที่มีน้ำหนักเบาอย่างลึกซึ้ง ผ่านชุดเวิร์กช็อปเชิงปฏิบัติ โดยเข้าร่วมในกระบวนการสำคัญตั้งแต่การพัฒนาไดรเวอร์ไปจนถึงการปรับใช้แอปพลิเคชัน การฝึกปฏิบัติจริงไม่เพียงแต่ช่วยให้นักพัฒนาเปิดเส้นทางทางเทคนิค "จากล่างสู่บน" แต่ยังปรับปรุงความสามารถในการพัฒนาและการดีบักในระดับระบบอย่างครอบคลุมอีกด้วย

วาระการประชุม GOSIM AI Paris 2025 Day 1 ได้สิ้นสุดลงอย่างประสบความสำเร็จ แต่ความตื่นเต้นยังคงดำเนินต่อไป พรุ่งนี้ การประชุมจะยังคงก้าวหน้าต่อไปโดยมีสี่ฟอรัมหลักของโมเดล AI โครงสร้างพื้นฐาน AI แอปพลิเคชัน AI และปัญญาประดิษฐ์ที่รวมอยู่ในตัว และจะต้อนรับ PyTorch Day ที่ทุกคนตั้งตารอคอย พร้อมแขกรับเชิญคนสำคัญและเนื้อหาเชิงปฏิบัติระดับแนวหน้าที่จะมาถึงเร็วๆ นี้ โปรดติดตาม!