“ 端到端模型，是一個(gè)直接由輸入獲取輸出的過(guò)程 ”

最近有一個(gè)很火的關(guān)于人工智能模型的詞——端到端模型。

那么什么是端到端模型？為什么會(huì)提出端到端模型，以及它解決了哪些問(wèn)題？

今天我們就來(lái)一起了解一下這個(gè)端到端模型。

端到端模型

還記得計(jì)算機(jī)組成原理里面，關(guān)于馮諾伊曼計(jì)算機(jī)結(jié)構(gòu)中，組成計(jì)算機(jī)的幾個(gè)模塊嗎？

運(yùn)算器 控制器 存儲(chǔ)器 輸入設(shè)備和輸出設(shè)備，由這五大模塊組成了現(xiàn)有的計(jì)算機(jī)系統(tǒng)。

而對(duì)我們使用者來(lái)說(shuō)，這五大模塊中我們接觸最多的就是輸入設(shè)備與輸出設(shè)備，也就是鼠標(biāo)鍵盤(pán)顯示器。

而運(yùn)算器，控制器和存儲(chǔ)器是由計(jì)算機(jī)系統(tǒng)自己處理的，我們不需要知道它們的內(nèi)部運(yùn)行原理，也不需要知道它們是怎么協(xié)調(diào)的。

同樣端到端也是如此，從表象來(lái)看我們只需要關(guān)心其輸入與輸出，不需要知道它的內(nèi)部結(jié)構(gòu)，也就是說(shuō)，端到端模型的表象是一個(gè)黑盒。

我們知道，大模型的表現(xiàn)是無(wú)法解釋的，它更多的是一種現(xiàn)象，叫做智能涌現(xiàn)，現(xiàn)在很多研究機(jī)構(gòu)都在解決大模型的可解釋性，也就是大模型為什么能做到這樣的效果，中間經(jīng)歷了哪些處理。

但如果要實(shí)現(xiàn)一個(gè)端到端的大模型，應(yīng)該怎么實(shí)現(xiàn)呢？任何新技術(shù)的出現(xiàn)都是為了解決存在的問(wèn)題，那端到端模型解決了什么問(wèn)題？ 

其實(shí)用一句話概括端到端，就是讓大模型直接理解問(wèn)題，然后給出答案或決策。

比如拿語(yǔ)音模型舉例，很多人以為的語(yǔ)音模型就是直接理解語(yǔ)音，但事實(shí)上語(yǔ)音模型并不是直接理解語(yǔ)音；而是由多個(gè)模塊組成的一個(gè)語(yǔ)音模型。

語(yǔ)音在語(yǔ)音模型中的處理過(guò)程，需要經(jīng)過(guò)語(yǔ)音轉(zhuǎn)文字，然后把文字輸入給大模型，大模型處理完畢返回文字，再有轉(zhuǎn)化系統(tǒng)把文字轉(zhuǎn)換為語(yǔ)音返回給用戶。

這就是現(xiàn)在大模型所存在的問(wèn)題，中間需要經(jīng)過(guò)多個(gè)模塊的協(xié)同處理才能得到想要的結(jié)果?？赡苡腥藭?huì)問(wèn)為什么不讓大模型直接理解語(yǔ)音，還要經(jīng)過(guò)中間的轉(zhuǎn)化？

原因就是這樣的實(shí)現(xiàn)方式技術(shù)難度低，容易實(shí)現(xiàn)。

而端到端模型的目的就是省略中間語(yǔ)音轉(zhuǎn)文字，文字轉(zhuǎn)語(yǔ)音的過(guò)程；為什么要這么做？

這么做的目的并不是為了炫耀技術(shù)，而是有些場(chǎng)景需要強(qiáng)大的實(shí)時(shí)性，無(wú)法接受如此長(zhǎng)鏈條的處理響應(yīng)時(shí)間。

比如說(shuō)自動(dòng)駕駛，現(xiàn)今的自動(dòng)駕駛采用的就是多模塊協(xié)作的方式，如路況采集，自動(dòng)化分析，做出決策，執(zhí)行決策等。這樣的自動(dòng)駕駛系統(tǒng)就需要大量的時(shí)間做出響應(yīng)。

而如果采用端到端系統(tǒng)，那么端到端系統(tǒng)就可以直接采集路況數(shù)據(jù)，然后做出決策，省略中間各種亂七八糟的處理流程，大大提升了系統(tǒng)靈敏度。

從技術(shù)到角度來(lái)說(shuō)，端到端模型實(shí)現(xiàn)難度更大，系統(tǒng)更復(fù)雜，而且可解釋性更差，而且更像一個(gè)黑盒。

可能說(shuō)到這里，有些人任務(wù)端到端模型能做到的事，普通大模型也可以做到，而且技術(shù)難度更低，成本也更低。

但端到端模型出現(xiàn)的原因并不是為了解決普通的問(wèn)題，比如回答系統(tǒng)；哪怕你普通大模型性能低一點(diǎn)，回答慢一點(diǎn)也可以接受。

但在一些領(lǐng)域，如智能駕駛，高端制造，軍事競(jìng)爭(zhēng)等方面，延遲要在毫秒，甚至是微秒的程度；這時(shí)普通大模型就無(wú)法完成任務(wù)了。

端到端模型的主要目的就是為了讓大模型直接接受輸入，減少中間環(huán)節(jié)的處理成本，提升效率。

程序員應(yīng)該比較容易理解端到端，普通大模型就類似于現(xiàn)在的高級(jí)語(yǔ)音，如java，python等；它們的功能強(qiáng)大，但執(zhí)行效率低，原因就是中間有一個(gè)解釋器。

而端到端模型就類似于C語(yǔ)言，直接轉(zhuǎn)換為計(jì)算機(jī)能夠處理的格式，省略了中間解釋的環(huán)節(jié)。

雖然高級(jí)編程語(yǔ)言的作用越發(fā)強(qiáng)大，但永遠(yuǎn)也沒(méi)有那個(gè)語(yǔ)言能完全取代C語(yǔ)言和匯編語(yǔ)言。

當(dāng)然，C語(yǔ)言和匯編語(yǔ)言雖然效率高，但遷移性比較低，不同的平臺(tái)需要不同的指令集和開(kāi)發(fā)庫(kù)。端到端模型也是如此，對(duì)訓(xùn)練數(shù)據(jù)質(zhì)量的要求更高，適應(yīng)性也更差。

因此，網(wǎng)上也有人說(shuō)，所謂的端到端就是直接由輸入得到輸出，大模型可以直接理解輸入數(shù)據(jù)，而不需要這樣那樣的轉(zhuǎn)化過(guò)程。

本文轉(zhuǎn)載自公眾號(hào)AI探索時(shí)代 作者：DFires

原文鏈接：??https://mp.weixin.qq.com/s/r81EJECLsPvJNznXKWoPlA??