Auteur 丨Zhou Lei

Editeur 丨Cen Feng

Lorsque Byte's Seedance 2.0 est sorti au début de cette année, de nombreux pratiquants ont été enthousiasmés et choqués par la qualité du film « au niveau du film ». Un nouveau projet créatif se déroulait lentement devant eux – mais pour l'équipe Seko de SenseTime, ce fut une journée « confuse ».

Lin Dahua, co-fondateur et scientifique en chef de SenseTime, a rappelé dans une récente interview qu'à l'époque où il allait rencontrer des investisseurs et assister à des conférences de l'industrie, on lui posait presque toujours la même question : quelle est la différence entre votre Seko et Seedance ? Vous l'avez déjà fait ?

Il y avait une voix de doute dans l’équipe : devrions-nous continuer à faire cela ?

Plus tard, l'histoire ne s'est pas terminée avec Seko « combattant » Seedance à lui seul. Seedance restitue des clips vidéo de 30 secondes au niveau supérieur ; tandis que Seko s'adresse aux créateurs et propose finalement 100 épisodes de courts drames - composés de scripts, de storyboards, de paramètres de personnages et d'une cohérence d'image entre les épisodes, ce qui constitue un processus créatif complet.

Après avoir réfléchi clairement à cette question, la vie de Seko est meilleure : selon Lin Dahua dans l'interview, le nombre d'utilisateurs de ce produit a augmenté de 7 à 8 fois cette année et la plateforme a produit des courts métrages dramatiques avec plus de 100 millions de vues.

Lin Dahua lui-même a une évaluation franche de la popularité de SenseTime sur le marché des grands modèles : "Ce n'est peut-être pas le plus gros." Le parcours de cette entreprise n’a jamais complètement suivi la direction la plus en vogue de l’industrie.

Mais SenseTime a une habitude qui persiste depuis de nombreuses années : à ce jour, l’entreprise investit encore 20 % de ses ressources dans des travaux de pré-recherche sans aucune exportation de produits.

Dans une certaine mesure, c'est aussi une sorte de « semis ». Lorsque les graines sont plantées dans le sol, il n’est pas nécessaire de promettre une récolte. L'expression dont parle souvent Tang Xiaoou - la vie trouve un chemin, « la vie trouve son propre chemin », pourrait être la logique de cet investissement.

Dans une récente interview avec la rubrique "Technology Talk" produite conjointement par Weibo Technology Mais il n'y a qu'un seul indice partout : les 20 % de ressources et le jugement qui les soutient - pourquoi certaines routes valent la peine d'être parcourues pendant très, très longtemps, même s'il n'y a pas encore de sortie.

01

Les coûts de formation ne peuvent pas être arrêtés, l'IA chinoise rivalise avec la vitesse des mains

L’argent de la grande industrie du mannequinat brûle de manière imparable.

Il y avait autrefois une hypothèse courante dans l'industrie : en dépensant une somme énorme pour former un bon modèle, le coût pouvait être amorti dans des services ultérieurs à grande échelle.

Lin Dahua a souligné dans l'interview que cette hypothèse n'est peut-être pas vraie - le problème n'est pas que le modèle n'est pas assez bon, mais que "si vous ne continuez pas à entraîner le suivant, d'autres vous surpasseront". La concurrence oblige les entreprises à se recycler les unes après les autres, de sorte que les coûts de formation ne peuvent pas s'arrêter et augmentent de plus en plus.

Bien que le discours de l'industrie au cours de l'année écoulée ait été presque dominé par le principe selon lequel « plus c'est gros, plus c'est fort », l'évolution des paramètres de volume est contre-attaquée. Il a mentionné deux signaux :

Premièrement, le choix de la taille du modèle est devenu plus pragmatique. Récemment, divers fabricants ont lancé des modèles Flash de petite et moyenne taille : GLM 5.3 Flash, DeepSeek 4.1 Flash, et Google et OpenAI ont également lancé des produits avec des spécifications similaires.

Lin Dahua a spécifiquement mentionné les performances de DeepSeek dans l'interview : « Le niveau de performances de Flash 4.1 est meilleur que celui de 4.0 Pro. » Un modèle avec une échelle de plusieurs centaines de B et une formation bien entraînée a surpassé la génération Pro précédente, indiquant que l'espace d'optimisation dans le modèle de taille moyenne est loin d'être épuisé.

Deuxièmement, la qualité des données de pré-formation a été remise sur la table. Lorsqu'un modèle doté de centaines de milliards de paramètres a surpassé un adversaire doté de 2 000 milliards de paramètres en combat réel, de nombreuses personnes ont commencé à regarder en arrière et à vérifier leurs pipelines de données.

Lin Dahua a une explication frappante à ce sujet : « Il y a beaucoup d'impuretés (dans les données) et beaucoup de choses qui se battent les unes contre les autres, de sorte qu'une grande partie de l'efficacité au milieu sera compensée. Le résultat est un modèle coûteux et insatisfaisant. Les paramètres s’empilent, mais l’effet n’est pas amélioré.

"Je ne pense pas que ce soit un état sain lorsque tout le monde rivalise aveuglément sur les paramètres." Selon lui, ces deux signaux signifient que l'industrie revient à la rationalité : elle ne rivalise plus autour d'un seul indicateur, mais revient à la valeur de l'utilisateur final.

Une situation similaire s’est également produite lors du dernier cycle d’IA, et c’est SenseTime lui-même qui l’a vécu. Chaque projet doit commencer par la collecte de données, une formation spéciale, des réglages et des tests. L’ensemble du processus doit être refait, ce qui est difficile à reproduire véritablement. C’est juste qu’à l’époque l’unité de mesure était un projet, mais aujourd’hui elle a été remplacée par un paramètre.

Combattre la vitesse de la main est une autre forme d’involution. Les laboratoires de pointe aux États-Unis définissent le plafond du SOTA. Une fois le nouveau modèle publié, cela équivaut à montrer la voie aux praticiens en Chine. Un certain nombre de produits prétendant utiliser des solutions similaires émergent souvent en deux ou trois mois en Chine pour s'emparer de la niche écologique. Le RSI (auto-amélioration récursive), récemment populaire, est également construit en même temps par un groupe d'entreprises.

"Pour être honnête, concourir pour la vitesse des mains est en fait assez fatiguant." Lin Dahua a observé qu'il est difficile de créer de la valeur à long terme si tout le monde se précipite lorsqu'il est optimiste dans une direction. Si dix entreprises occupent la même niche écologique en même temps, les dividendes du premier venu seront vite dilués.

Alors de quoi dépend la compétitivité à long terme ? Sa réponse est : une route suffisamment longue et suffisamment profonde. Cette question est le point de départ pour comprendre les ressources à 20 % de SenseTime.

02

L'essence de l'intelligence :

De la loi anti-scale au langage et à la multimodalité

· 20% de ressources et d'intelligence spatiale

Ces 20 % de ressources sont clairement investis dans des travaux qui « n'ont aucun produit à exporter ». Lin Dahua a confirmé dans l'interview que quelle que soit la pression opérationnelle à laquelle SenseTime est confronté, l'argent continue à ce jour. "A tout moment, nous conservons certaines ressources."

Selon lui, le point de départ de ce type de travail est de se demander pourquoi : lorsqu'un problème ne peut être résolu par les méthodes existantes, il faut revenir à l'essentiel. Il ne cherche pas à utiliser des formules mathématiques complexes pour expliquer le principe, mais exige que ce principe « puisse résoudre efficacement certains problèmes qui sont actuellement difficiles à résoudre par d'autres méthodes ».

L'un des axes de recherche de SenseTime, l'intelligence spatiale, a ainsi été retenu.

La logique de sélection est divisée en deux étapes. La première étape consiste à tester les modèles les plus performants du moment et à découvrir ce qu’ils ne font pas bien. La deuxième étape consiste à poser une couche supplémentaire, ces lacunes peuvent-elles être compensées en ajoutant quelques données ? Si cela peut être bien fait en ajoutant des données le long du chemin d’origine, alors cela a une valeur d’application, mais il ne peut pas soutenir une innovation fondée sur des principes. Ce n'est que dans les directions qui ne peuvent pas être correctement réalisées, quelle que soit la quantité de données ajoutées, que de véritables problèmes de principe peuvent être cachés - et l'intelligence spatiale se trouve être cette dernière.

L'origine de cet ensemble de normes de jugement remonte à son héritage. Lorsque Tang Xiaoou enseigne aux étudiants, il ne pose presque jamais de questions sur les détails techniques. Il ne regarde qu'une chose : s'il peut expliquer en une ou deux phrases la différence fondamentale entre son travail et les autres. "Il n'y a pas deux feuilles identiques au monde." Techniquement, on peut toujours trouver des différences dans les détails, mais la valeur innovante de ce type de différence est limitée ; si vous ne pouvez pas le dire en une seule phrase, ce n’est probablement pas une véritable innovation.

Lin Dahua a souligné que « l'anomalie » de l'intelligence spatiale est que la loi de mise à l'échelle échoue ici.

Dans l’industrie, il est rare de remettre publiquement en question la loi sur le scaling. Le consensus de l'industrie ces dernières années est que presque toutes les stratégies misent sur cette voie : plus les paramètres sont grands, plus il y a de données et plus les capacités sont fortes. Proposer la « loi anti-scaling » dans ce contexte incite au moins l’industrie à réexaminer une question : la pratique consistant à simplement empiler des données et des paramètres présente-t-elle des angles morts inaperçus dans certaines dimensions de l’intelligence ?

Dans les tâches liées à l'intelligence spatiale, la tendance observée par l'équipe SenseTime est exactement contraire à la loi de mise à l'échelle : plus de données sont ajoutées, plus les performances du modèle deviennent instables.

Lors des tests de l’époque, le modèle n’a pas donné de résultats satisfaisants dans la tâche de prise de perspective. Lorsque les gens se déplacent dans l’espace, ils prédisent naturellement les changements qu’ils voient : à mesure que vous vous éloignez, les objets devant vous devraient devenir plus petits. Mais les modèles multimodaux de l'époque n'avaient pas ce genre de prédiction - même si Google Gemini est connu pour son itinéraire multimodal natif et est l'un des plus performants, il est également incapable de juger sous quelles formes les objets apparaîtront dans différents angles de vue et échelles.

"Il peut reconnaître qu'il s'agit d'un mouton noir, mais il ne peut pas répondre à quoi ressemble le mouton noir vu sous un autre angle. Ce dont le modèle se souvient, c'est l'association massive entre l'image et la sémantique : il ressemble à un mouton noir de loin, mais il ressemble toujours à un mouton noir vu de près."

L'équipe a continué à ajouter des données pertinentes, mais les performances du modèle ne se sont pas améliorées, mais sont devenues « de plus en plus confuses » : les connexions sémantiques étaient continuellement renforcées, mais il y avait un manque de corrélation spatiale entre les données, et le modèle s'appuyait de plus en plus sur la sémantique pour expliquer tout ce qu'il voyait. Plus il y a de données, plus la solidification est profonde et plus l'erreur est stable.

Un exemple que Lin Dahua a souvent cité auparavant peut illustrer les conséquences de cette solidification. Donnez une photo de six doigts au modèle à ce moment-là, et les réponses données par GPT, Gemini et Grok sont toutes cinq doigts. La voie de jugement du modèle est la suivante : identifiez d'abord « ceci est une paume », puis répondez directement en fonction du principe a priori « les paumes ont généralement cinq doigts » dans le corpus de formation.

Il a également rappelé que ce problème a très probablement été résolu dans la dernière génération de modèles, mais que le mécanisme qui le sous-tend est toujours valable : « Il repose uniquement sur la traduction sémantique, puis d'autres raisonnements sont effectués sur la base de cette traduction. »

Lorsque SenseTime a publié son modèle d'intelligence spatiale au début de cette année, cette orientation était encore une réserve technique aux yeux du monde extérieur. Plus de six mois plus tard, l'industrie a commencé à rattraper son retard. Plusieurs points qui ont été largement discutés par la communauté après la sortie de GPT-6 - l'adoption de l'architecture Recurrent Transformer et les capacités pilotées par des robots démontrées après avoir versé massivement des données incorporées dans le modèle de langage - pointent tous vers la même chose : les capacités multimodales et spatiales entrent au cœur des modèles de pointe.

Selon Lin Dahua, cela signifie que le parcours de SenseTime a été vérifié : « GPT-6 prouve en fait que le chemin que nous empruntons est définitivement précieux. » Les ressources de SenseTime sont d'un ordre de grandeur inférieures à celles d'OpenAI, mais il estime qu'une accumulation continue d'un ou deux ans permettra à SenseTime de développer quelque chose de différent des autres équipes du secteur.

La particularité de l’intelligence spatiale montre dans une certaine mesure qu’une direction comportant davantage de données et une solidification plus profonde peut être l’entrée vers une innovation fondée sur des principes. Trouver des principes en suivant les « anomalies » est l'une des idées de SenseTime pour porter des jugements techniques. En faisant un pas de plus dans cette réflexion, vous rencontrerez une question incontournable : qu’est-ce que l’intelligence exactement et quelle est la place du langage dans celle-ci.

· Langage et multimodalité : L'essence de l'intelligence est l'interaction avec le monde

Depuis l'apparition des grands modèles, « la question de savoir si le langage est la clé de l'intelligence » est au centre du débat.

Lin Dahua estime que le langage injecte les connaissances humaines les plus importantes dans le système symbolique de manière structurée et est « un représentant de très haut niveau de la connaissance et de l'intelligence humaines ». La densité et l'efficacité du renseignement peuvent être le vecteur le plus élevé. Les modèles de langage ont l'expérience d'ingénierie la plus mature et les progrès les plus rapides, et ont reçu une plus grande attention de l'industrie. C'est aussi la réalité.

Mais le langage seul, pensait-il, était incomplet. Tout comme dans une ville animée et une forêt de montagne tranquille, les expériences des gens sont complètement différentes et il n'est peut-être pas possible de décrire l'environnement en détail avec des mots. Supposons que vous donniez une photo de portrait au meilleur modèle multimodal et que vous le laissiez générer une description aussi détaillée que possible, avec des milliers de mots, puis que vous laissiez le modèle de texte la dessiner, il sera difficile de générer une photo identique.

Il a résumé ce phénomène comme une complémentarité sur le spectre de l'information : le langage véhicule des informations de haute densité qui ont été condensées, tandis que les images capturent une grande quantité d'informations qui n'ont pas été condensées et ne peuvent pas l'être.

Chacun des deux modes a son propre territoire d'efficacité : en écrivant des programmes et en faisant des déductions logiques, l'efficacité du langage est plus élevée ; le sentiment esthétique, le jugement rapide de la structure spatiale et la transmission des détails visuels, l'efficacité de l'image est plus élevée. Quant aux entrées et sorties entièrement modales, le plafond reste très élevé. Les rassembler sans perdre en intelligence « nécessite du temps et de l’argent ».

Selon Lin Dahua, l'essence de l'intelligence est la capacité des êtres humains à interagir avec le monde - perception, mémoire des connaissances, raisonnement en plusieurs étapes, émission d'instructions et résultat composite d'une combinaison de plusieurs éléments. Tout comme les questions du test de QI humain, elles sont également divisées en différents types tels que l'espace, la mémoire, le raisonnement, etc., qui reflètent différents aspects de l'intelligence.

Suivant cette définition et revenant sur l’évolution du grand modèle sur plus de trois ans, son jugement est qu’il est « déséquilibré » :

En termes de mathématiques, de programmation et de tâches à long terme qui peuvent être écrites sous forme de séquences de texte et de programme, les modèles ont dépassé le niveau des gens ordinaires et sont même proches du sommet ; L’intelligence spatiale et physique en est encore à ses débuts et les robots se développent beaucoup plus rapidement qu’avant, mais ils ne peuvent encore effectuer que des actions simples.

Le passage de l’intelligence numérique à l’espace physique dépend non seulement du jugement technique, mais également de la capacité de la technologie à fonctionner en boucle fermée dans des scénarios d’utilisation réels et à fournir un rapport capable de résister aux tests de marché.

03

Il n’y a itération que s’il y a une boucle fermée :

Les réponses commerciales de SenseTime

En repensant au processus par lequel SenseTime transforme les jugements techniques de l'IA en produits et en revenus, Lin Dahua a déclaré ceci :

Le chemin de Shangtang se fait en marchant, sans y penser.

À l'ère du grand modèle, les premiers « frais de scolarité » payés par SenseTime étaient un produit appelé « Discussion ». Lors de son lancement début 2023, il ressemblera à n’importe quel autre produit de chat. Lin Dahua a un jour donné le produit à sa femme pour qu'elle l'essaye, mais la « discussion » s'est terminée par une absurdité sur la recommandation de restaurants à proximité.

Le renversement n’est pas entièrement dû à la qualité du modèle. La base des produits conversationnels repose sur une infrastructure d’informations telle que des avis et des cartes, mais ce n’est pas le talent de SenseTime.

Fin 2023, SenseTime se concentrera sur le contenu et l'interaction pour ses produits grand modèle, en se concentrant sur deux directions : le contenu professionnel et le contenu de divertissement. Le premier est désormais devenu le raton laveur intelligent du bureau : selon l’annonce des résultats intermédiaires de cette année, cette partie de l’activité a été multipliée par six à sept ; ce dernier est devenu Seko.

Le style de jeu de Seko est en fait à l'origine de la différence entre « création » et « génération ». Générez de superbes clips de 30 secondes et créez des courts métrages de 100 épisodes, tous séparés par des scripts, des storyboards, une caractérisation et une cohérence entre les épisodes. Seko utilise des technologies telles que la compréhension et la génération unifiées et la pensée entrelacée des graphiques et du texte dans le processus créatif, et le rendu sous-jacent s'appuie sur d'autres modèles tels que Seedance - la qualité de la génération à elle seule ne peut être comparée, elle devient donc une partie de son propre flux de travail. Selon Lin Dahua, les créateurs ont utilisé Seko pour créer de courtes pièces avec plus de 100 millions de vues.

La méthodologie en boucle fermée de SenseTime soutient ces sélections de produits. Lin Dahua a souligné sans ambages : « Dans tout, vous avez besoin d'une boucle fermée pour pouvoir itérer efficacement, sinon il n'y aura que des classements et aucune itération. Être le champion sur Benchmark aujourd’hui ne sera peut-être pas le mois prochain. Ce genre de réalisation ne peut être retenu ; ce qui reste réellement, c'est la valeur créée par les utilisateurs. Il a traduit le principe de l'apprentissage par renforcement selon lequel il vaut mieux courir vite par petits pas que marcher une longue distance d'un coup à la planification R&D : la vitesse d'itération et la bonne direction sont plus importantes que la hauteur d'un seul sprint.

Lin Dahua a vécu cette transformation une fois dans sa propre vie. Dans ses premiers articles, vingt ou trente formules étaient la norme ; mais après 2013, ce nombre est tombé à cinq au maximum. Son critère de jugement est passé de « si la preuve mathématique est belle » à « si elle a une valeur d'usage différenciée ».

Dans le rapport intermédiaire de SenseTime de cette année, nous avons vu la déclaration officielle du « premier bénéfice ». Cependant, Lin Dahua estime que ce qui préoccupe vraiment SenseTime, c'est toujours de savoir s'il est devenu plus sain et plus vital, et l'itération en boucle fermée des affaires est l'une des manifestations de la vitalité.

Le 1 + La concurrence sur le marché est déjà assez rude, mais elle apporte de la croissance tant aux fondateurs qu'à l'entreprise.

Du point de vue de SenseTime, les produits et les entreprises sont comme des êtres vivants. Nous ne les poussons pas lorsqu’ils sont immatures. Nous utilisons la croissance naturelle comme signal avant de décider d'augmenter les investissements - laissons les produits entrer sur le marché en premier et être testés en boucle fermée, au lieu de répéter en interne des indicateurs prédéfinis.

Cependant, dans une certaine mesure, le business en boucle fermée ne répond qu'à la question de la « survie ». Face à la concurrence future, les entreprises chinoises d’IA doivent trouver leur propre positionnement et leur compétitivité à long terme dans l’ère post-distillation, et voir clairement où se situent les limites de l’intelligence.

04

En plus de la vitesse de la main :

La compétitivité à long terme de l’IA chinoise et les limites du renseignement

Lin Dahua estime que la première pièce du puzzle de la compétitivité à long terme est l'open source.

Dès 2018, Lin Dahua a promu l'OpenMMLab open source chez MMLab : organiser les algorithmes représentatifs du domaine dans un système de référence unifié, épargnant aux chercheurs le sale boulot de la reproduction et des expériences comparatives. Ce projet est devenu plus tard la bibliothèque d'algorithmes open source la plus influente de l'ère de l'IA 1.0, utilisée par des centaines de milliers de stars et des millions de développeurs.

Des années plus tard, la même logique réapparaît à l’ère des grands modèles. Le moteur endogène de l’open source est l’influence : l’influence peut lever des fonds et recruter des personnes. La démonstration de DeepSeek permet à chacun de voir clairement ce chemin. Objectivement, cela répartit également le coût des essais et des erreurs sur l'ensemble de la communauté : la formation sur modèles ne représente qu'environ 10 % des coûts de R&D, les 90 % restants étant constitués de diverses expériences ; la pondération ouverte permet à chaque entreprise de sélectionner plus rapidement des recettes technologiques de pointe.

Cela explique également pourquoi l’investissement total de la Chine est loin derrière celui des États-Unis, alors qu’il peut le rattraper de si près. Lin Dahua a déclaré : « Le plus grand souci est de ne pas savoir où se trouve la route. Une fois la route visible, renseigner les détails est la force des ingénieurs chinois.

Mais l’open source ne peut pas résoudre le problème de suivre la tendance. Lin Dahua a déclaré sans ambages que la voie dominante des grands modèles chinois au cours des trois dernières années a été d'optimiser et d'innover dans la direction lancée par les États-Unis. La valeur industrielle est grande, "mais si la Chine veut apporter une contribution plus durable, elle doit proposer quelque chose de différent". Il a utilisé DeepSeek comme un cas positif : c'est toujours la voie standard du LLM en termes de grand paradigme, mais il a fait de gros efforts en termes d'efficacité architecturale.

Dans le même temps, le marché du modélisme lui-même ne peut pas accueillir les preneurs. Le coût, la polyvalence et le professionnalisme forment un triangle impossible. Un modèle qui peut tout faire, et qui fait tout de manière professionnelle, est forcément énorme et coûteux. Dans les scénarios quotidiens, il existe même un « surplus d'intelligence » généralisé : un modèle open source 8B ou 32B peut gérer la plupart des tâches, et les utilisateurs n'ont pas besoin de payer des dizaines de dollars en jetons pour cela. Il existe plus de 3 millions de modèles sur Hugging Face, mais chacun a son propre mode de vie.

Le véritable tournant pourrait survenir dans l’ère post-distillation.

Lin Dahua a estimé que le sujet de la distillation était terminé : les questions de la chaîne de pensée existantes avaient été construites, et le prochain goulot d'étranglement était la capacité à générer de nouveaux problèmes – en construisant des milliers, des dizaines de milliers, voire des centaines de milliers de scénarios de travail réels, permettant au modèle d'explorer et d'accomplir des tâches par lui-même.

Le goulot d’étranglement dans ce domaine n’est en réalité pas la puissance de calcul. Il se trouve que la Chine a une bonne main : la diversité de la vie et de l’industrie est rare dans le monde, et la réserve d’ingénieurs est la plus grande au monde. Une fois que les fruits des endroits les plus bas ont été cueillis, les fruits des endroits les plus élevés doivent être grimpés sur l'arbre par les gens.

Cependant, les scénarios et les effectifs ne font qu'élargir la « largeur » du renseignement ; la « profondeur » de l’intelligence dépend du taux de croissance de l’intelligence elle-même.

Le RSI (auto-amélioration récursive), qui a récemment attiré beaucoup d'attention, se concentre sur ce point, mais Lin Dahua a souligné que le RSI n'est qu'un des moyens d'une croissance intelligente. Le goulot d'étranglement n'est pas l'automatisation de la formation, mais l'efficacité de l'évolution : une machine doit encore exécuter une quantité massive de formation pour obtenir un point d'observation efficace ; une formation complète n’est pas requise pour qu’une personne maîtrise une nouvelle compétence. L’IA actuelle est encore très éloignée de l’humain en termes d’évolution. Une fois ce secret percé, « cela remodèlera largement le paysage du développement et de la concurrence de l’IA ».

Il ne croit pas non plus que la situation actuelle puisse être extrapolée indéfiniment : une consommation intensive de ressources connaîtra tôt ou tard une explosion de trajectoire. La question de savoir si le chemin existant peut atteindre son terme est une question ouverte.

Quant à l’élargissement des frontières, la première question qui le préoccupe est la suivante : quel rôle jouent d’autres modalités que le langage dans l’intelligence ? Cette compréhension n’en est qu’à ses débuts, mais la réponse déterminera où les ressources doivent être affectées. Il place ses espoirs dans l'intégration de la multimodalité et de l'espace : le simple fait de générer ne fera qu'améliorer la qualité visuelle ; l'intégration de la perception spatiale dans le processus de réflexion rendra l'intelligence plus complète.

Pour que l’intelligence franchisse ses frontières, le goulot d’étranglement réside dans l’efficacité de l’apprentissage et de l’évolution, ce dans quoi les humains sont les meilleurs, mais les machines sont encore loin derrière. La réponse de SenseTime à cette question n'est pas entièrement écrite dans le modèle : une organisation qui peut continuer à former de nouvelles personnes est en soi l'intelligence la plus viable.

Lin Dahua a également déclaré que sa tâche la plus importante à l'heure actuelle est de créer un environnement pour les jeunes et de protéger une organisation viable. C’est aussi la logique sous-jacente des 20 % de ressources de SenseTime : semer activement les graines et protéger la croissance. Cette graine peut être un produit, une entreprise ou une personne qui grandit au sein de l’organisation. Ce que SenseTime a fait, c'est attendre que les graines germent et que la vie aura sa propre issue.

Leifeng.com (compte public : Leifeng.com)

Articles originaux de Leifeng.com, la reproduction non autorisée est interdite. Voir les instructions de réimpression pour plus de détails.

modifier

Scannez pour suivre l'auteur sur WeChat

Renvoyer l'e-mail Modifier l'e-mail