ChatGPT生成式技术与供应链物流面临的智能变革.pdf
《ChatGPT生成式技术与供应链物流面临的智能变革.pdf》由会员分享,可在线阅读,更多相关《ChatGPT生成式技术与供应链物流面临的智能变革.pdf(3页珍藏版)》请在咨信网上搜索。
1、信息记录材料 年 月 第 卷第 期 生成式技术与供应链物流面临的智能变革鲁维维(太原学院管理系 山西 太原)【摘摘要要】引起了越来越多的关注,被认为是继互联网、智能手机之后,带给人类的第三次革命性产品。是一种基于语言模型的生成式 交互技术,专注于推理、生成和理解自然语言,所提供的内容具有很高的准确性。因此,该技术也会给供应链物流管理带来重要的变革意义。简述了 技术的原理和关键技术,而后分析了该技术给供应链物流带来的智能变革及应用风险。最后,结合该技术从供应链物流管理角度给出了建议。【关关键键词词】;供供应应链链物物流流;智智能能变变革革;应应用用建建议议【中中图图分分类类号号】【文文献献标标识
2、识码码】【文文章章编编号号】()作者简介:鲁维维(),男,山西襄汾,硕士,讲师,研究方向:供应链与物流管理。引言在供应链物流中,一直以来都存在着一些信息处理的难题。例如,在物流运输过程中,运输企业需要对新订单、运输计划、货车路线等信息进行处理和分发,同时还需要对运输过程中的异常情况进行实时处理。此外,供应链的参与者也需要协同合作,共同推进物流运输的进展。而 是一个基于深度学习的生成式预训练模型,它可以自动生成与人对话类似的自然语言文本,被广泛应用于包括自然语言生成、对话系统、聊天机器人等领域。因此,研究类 的 生成技术在供应链物流领域的应用,不仅能够推动供应链物流领域的智能化进程,还能在企业的
3、业务处理和信息共享方面提供更加高效、准确的服务,有着非常重要的现实意义。生成技术的原理及关键技术 生成技术的原理 是一种基于研究大规模上下文文本的自然语言处理技术,由 推出。该技术主要是基于开放域生成模型,即能够根据给定的文本生成相应的语言文本,同时还能对语言文本进行理解和回复。该技术通过与人进行交互,从而不断地学习、优化,并最终能够生成人类语言。的主要原理是通过模拟大量的文本数据集生成模型,能够从中学习和预测下一个单词或短语,从而生成完整的语句或段落。是生成式 技术的代表之一,生成式 技术是一种基于机器学习和自然语言处理的技术,让 模型学习语言的规律并产生新的符合文本语义的文本,用算法编程来
4、进行智能语音交互,允许机器与人之间进行更加自然、个性化的对话。生成技术的关键技术 作为一项新兴的人工智能技术,其本质是生成式 技术。在实现这一技术的过程中,主要应用了以下几种关键技术。算法 目前由 模型提供支持,生成式预训练转换模型(,)是一种基于互联网可用数据训练的文本生成深度学习模型。模型从算法的分类来上来讲属于生成式大规模语言模型,底层技术包括 架构、有监督微调训练、人类反馈强化学习(,)等,通过底层技术的叠加,实现了组合式的创新。模型采用了由 提出的 架构。架构采用自注意力机制的序列到序列模型,是目前在自然语言处理任务中最常用的神经网络架构之一。相比于传统的循环神经网络或卷积神经网络,
5、没有显式的时间或空间结构,因此可以高效地进行并行计算,并且 具有更好的并行化能力和更强的长序列数据处理能力。模型采用“预训练微调”的半监督学习方法进行训练。第一阶段是预培训阶段。通过预训练语言模型,从大规模的数据文本中提取训练数据,再由深度神经网络技术处理,之后根据上下文的语义预测生成下一个词汇。第二阶段是微调阶段。将预先训练好的模型应用到特定的任务中,通过少量的标记数据来优化模型,从而提高模型的准确性和流畅性。在训练中使用了。能对模型进行微调,并通过奖励机制对模型进行改造训练,让输出的结果更加流畅,更符合人类认知思维习惯。模型包括三个步骤:首先,按照预训练目标训练一个语言模型。其次,基于语言
6、模型训练生成标注奖励模型,对模型生成的文本进行质量评价标记,标注环节目前由人工按照最好到最差的顺序进行标注,这样奖励模型就可以不断学习人类对文本内容的偏好。最后,将奖励模型输出的文本结果进行微调和优化,最终生成一个更符合人类偏好的语言模型。算力用于人工智能训练的计算能力一般符合摩尔增长定律,约 个月翻一番,深度学习技术的使用加速了人工智信息记录材料 年 月 第 卷第 期能训练算力的提升,用于人工智能训练的计算大约每 个月翻一番。而当前 模型的训练算力在原有的基础上又提升 倍的算力。发布的 中提到,训练 亿参数的 模型所消耗的计算能力约为 。训练一个有 亿个参数的 模型将花费 ,即以一万亿次 的
7、速度计算,需要 。由此可见只有投入极大的算力,才能保证 的使用效果。结合硬件设施投入看,一个典型的 算力数据中心需要投资约为 亿人民币,而 需要的总算力就为 ,由此可推断,至少要 个这样的数据中心才能够用。因此,基础设施的投入是巨大的。数据从 年发布的 到 年的,模型参数数量和训练数据量都实现了指数级的增长。参数数量从 的 亿个增长到 的 亿个,训练数据量从 增长到。目前 训练 万亿的模型,训练数据量就达到了约 ,是 的 倍。的成功依赖于算法、算力和大量的训练数据。而数据是我国的优势,我国拥有的数据量大且质量较高,因此,企业要应注重数据的保护和利用。数据就是资产,可以说数据就是未来生产力的动能
8、。从 运作的技术保障系统来看,除前文论述的模型、算力和数据三大基础外,还需要部分软件、硬件及其基础设施设备支持的。如硬件方面,和 芯片是关键。而芯片是我国的弱点,我国必须要加快芯片的设计制造能力。此外,的核心技术还依赖别的专业技术,如机器学习、神经网络等。目前,虽然我国在这些技术上在原创上有差距,但学习和应用能力较强,在语音技术等领域还具有自己的优势。在上述所有技术的加持下,才能得到 的语音交互、语言翻译、内容生成、搜索提取等功能,如图 所示。图 整体技术体系图 生成式技术给供应链物流带来的变革 技术与传统的问答系统相比,无需提前设定问题库或给予机器固定的单一回答。相反,它能够通过对前文的理解
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- ChatGPT 生成 技术 供应 物流 面临 智能 变革
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。