ERNIE 4.5：新一代多模態基礎模型
百度公司 (Baidu, Inc.) 發表了其在人工智能領域的最新進展，推出了原生多模態基礎模型 ERNIE 4.5 和深度思維推理模型 ERNIE X1。這些模型代表了人工智能能力的重大飛躍，並且為了普及這些尖端技術，百度已通過 ERNIE Bot 官方網站向個人用戶免費提供這兩種模型。 這一舉措早於原計劃的 4 月 1 日，突顯了百度不僅致力於推動人工智能研究的邊界，而且還致力於讓更廣泛的受眾可以使用這些強大的工具。
ERNIE 4.5 是百度最新自主研發的原生多模態基礎模型。 該模型旨在通過聯合建模多種模態來實現協同優化。 這種創新方法帶來了卓越的多模態理解能力。 ERNIE 4.5 的與眾不同之處在於其精煉的語言技能，以及在理解、生成、推理和記憶方面的整體增強。 此外，它在人工智能模型通常具有挑戰性的領域（包括幻覺預防、邏輯推理和編碼能力）方面表現出顯著的改進。
ERNIE 4.5 的多模態特性體現在其能夠無縫集成和理解各種內容類型，包括：
- 文本： 處理和理解書面信息。
- 圖像： 解釋和分析視覺內容。
- 音頻： 理解和響應口語。
- 視頻： 分析和理解動態視覺和聽覺信息。
這種全面的多模態能力使 ERNIE 4.5 能夠處理廣泛的任務，從回答複雜問題到生成創意內容。
除了其核心的多模態功能外，ERNIE 4.5 還展示了非凡的智能和情境感知水平。 它可以毫不費力地理解當代互聯網文化，包括迷因和諷刺漫畫，展示了其適應不斷發展的語言和交流方式的能力。
作為百度的旗艦基礎模型和原生多模態產品，ERNIE 4.5 在各種基準測試中都有望超越 GPT-4.5。 值得注意的是，它僅以 GPT-4.5 成本的一小部分（約 1%）實現了這種卓越的性能。 這種成本效益，加上其先進的功能，使 ERNIE 4.5 成為人工智能領域中極具競爭力和可訪問性的選擇。
ERNIE 4.5 能力的顯著增強是幾項關鍵技術突破的直接結果：
- ‘FlashMask’ 動態注意力遮蔽： 這種技術可能允許模型動態地關注輸入數據中最相關的部分，從而提高效率和準確性。
- 異構多模態專家混合 (Heterogeneous Multimodal Mixture-of-Experts)： 這表明 ERNIE 4.5 利用了一組不同的專業子模型，每個子模型都針對不同的模態或任務進行了優化，然後將它們組合起來以實現卓越的整體性能。
- 時空表示壓縮： 這意味著該模型採用先進技術來壓縮和有效地表示隨時間和空間變化的數據，例如視頻內容。
- 以知識為中心的訓練數據構建： 這表明 ERNIE 4.5 的訓練數據經過精心策劃和構建，以強調知識獲取和表示，從而提高推理能力。
- 自我反饋增強的後訓練： 這表明該模型在初始訓練後會經歷一個細化過程，在該過程中它會從自己的輸出中學習並迭代地提高其性能。
這些技術進步共同促成了 ERNIE 4.5 令人印象深刻的性能和多功能性。
ERNIE X1：用於增強 AI 能力的深度思維推理模型
ERNIE X1 代表了一種不同的人工智能方法，專注於深度思維和推理能力。 該模型旨在擅長需要高級認知功能的任務，例如：
- 理解： 理解複雜的信息和概念。
- 規劃： 制定策略和行動順序以實現目標。
- 反思： 評估其自身的推理過程並確定需要改進的領域。
- 演化： 從新信息和經驗中適應和學習。
作為百度首個具有工具使用能力的多模態深度思維推理模型，ERNIE X1 在幾個關鍵領域表現出 বিশেষ 的優勢：
- 中文知識問答： 基於龐大的中文和文化知識庫回答問題。
- 文學創作： 生成創意文本格式，例如詩歌、劇本或文章。
- 文稿寫作： 協助起草和撰寫較長形式的書面內容。
- 對話： 進行自然和連貫的對話。
- 邏輯推理： 解決需要演繹和歸納推理的問題。
- 複雜計算： 執行複雜的數學計算。
ERNIE X1 使用工具的能力是一個重要的區別。 它可以利用各種工具來增強其性能並提供更全面的解決方案。 這些工具包括：
- 高級搜索： 從搜索引擎訪問和檢索信息。
- 給定文檔問答： 根據特定文檔的內容回答問題。
- 圖像理解： 分析和解釋視覺信息。
- AI 圖像生成： 根據文本描述創建新圖像。
- 代碼解釋： 理解和執行計算機代碼。
- 網頁閱讀： 從網頁中提取信息。
- 思維導圖 (TreeMind Mapping)： 創建和操作思維導圖。
- 百度學術搜索： 從百度的學術搜索引擎訪問和檢索信息。
- 商業信息搜索： 收集有關企業和組織的信息。
- 特許經營信息搜索： 檢索與特許經營機會相關的信息。
這種工具使用的集成使 ERNIE X1 能夠解決複雜的、現實世界的問題，這些問題需要從多個來源訪問和處理信息。
ERNIE X1 的增強功能由幾項關鍵技術進步支撐：
- 漸進式強化學習方法： 這種方法可能涉及通過一系列越來越具有挑戰性的任務來訓練模型，使其能夠逐步提高其性能。
- 集成思維鏈和行動鏈的端到端訓練方法： 這表明該模型不僅被訓練來生成輸出，而且還被訓練來推理達到這些輸出所涉及的步驟，從而產生更易於解釋和更可靠的結果。
- 統一的多方面獎勵系統： 這意味著該模型因實現各種目標而獲得獎勵，鼓勵它發展廣泛的技能和能力。
這些技術有助於 ERNIE X1 執行複雜推理任務並與其環境有效交互的能力。
訪問和集成：將 ERNIE 4.5 和 X1 帶給用戶
百度致力於可訪問性的承諾體現在其決定通過 ERNIE Bot 網站向個人用戶免費提供 ERNIE 4.5 和 ERNIE X1。 這一舉措讓廣大受眾可以親身體驗這些先進人工智能模型的力量。
對於企業用戶和開發人員，可以通過百度 AI Cloud 的 MaaS 平台 Qianfan 上的 API 訪問 ERNIE 4.5。 該平台提供了一個強大且可擴展的基礎設施，用於將 ERNIE 4.5 的功能集成到廣泛的應用程序中。 ERNIE 4.5 在 Qianfan 上的定價極具競爭力，輸入價格低至每千個 token 人民幣 0.004 元，輸出價格為每千個 token 人民幣 0.016 元。 ERNIE X1 預計很快將在 Qianfan 平台上推出，進一步擴大企業用戶的選擇。
百度還計劃逐步將 ERNIE 4.5 和 X1 集成到其更廣泛的產品生態系統中。 這種集成將涵蓋各種百度產品，包括：
- 百度搜索： 通過先進的人工智能功能增強搜索體驗。
- 文心一言 App： 將模型集成到百度流行的寫作助手應用程序中。
- 其他產品： 將 ERNIE 4.5 和 X1 的覆蓋範圍擴展到其他百度產品和服務。
這種廣泛的集成將確保這些先進人工智能模型的好處在廣泛的用戶體驗中得到體現。
這些進步代表了人工智能領域向前邁出的重要一步。 通過專注於多模態理解和深度思維推理，百度創建了兩個強大的模型，解決了人工智能能力的不同方面。 通過免費的公共訪問和對企業用戶具有競爭力的定價，對可訪問性的承諾確保了這些進步將產生廣泛的影響。 將這些模型集成到百度的產品生態系統中，進一步鞏固了它們作為公司人工智能戰略關鍵組成部分的地位。 對人工智能、數據中心和雲基礎設施的持續投資突顯了百度致力於推進人工智能能力，並在未來開發更智能、更強大的下一代模型。