“ 端到端模型，是一個直接由輸入獲取輸出的過程 ”

最近有一個很火的關于人工智能模型的詞——端到端模型。

那么什么是端到端模型？為什么會提出端到端模型，以及它解決了哪些問題？

今天我們就來一起了解一下這個端到端模型。

端到端模型

還記得計算機組成原理里面，關于馮諾伊曼計算機結構中，組成計算機的幾個模塊嗎？

運算器 控制器 存儲器 輸入設備和輸出設備，由這五大模塊組成了現有的計算機系統。

而對我們使用者來說，這五大模塊中我們接觸最多的就是輸入設備與輸出設備，也就是鼠標鍵盤顯示器。

而運算器，控制器和存儲器是由計算機系統自己處理的，我們不需要知道它們的內部運行原理，也不需要知道它們是怎么協調的。

同樣端到端也是如此，從表象來看我們只需要關心其輸入與輸出，不需要知道它的內部結構，也就是說，端到端模型的表象是一個黑盒。

我們知道，大模型的表現是無法解釋的，它更多的是一種現象，叫做智能涌現，現在很多研究機構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，中間經歷了哪些處理。

但如果要實現一個端到端的大模型，應該怎么實現呢？任何新技術的出現都是為了解決存在的問題，那端到端模型解決了什么問題？ 

其實用一句話概括端到端，就是讓大模型直接理解問題，然后給出答案或決策。

比如拿語音模型舉例，很多人以為的語音模型就是直接理解語音，但事實上語音模型并不是直接理解語音；而是由多個模塊組成的一個語音模型。

語音在語音模型中的處理過程，需要經過語音轉文字，然后把文字輸入給大模型，大模型處理完畢返回文字，再有轉化系統把文字轉換為語音返回給用戶。

這就是現在大模型所存在的問題，中間需要經過多個模塊的協同處理才能得到想要的結果。可能有人會問為什么不讓大模型直接理解語音，還要經過中間的轉化？

原因就是這樣的實現方式技術難度低，容易實現。

而端到端模型的目的就是省略中間語音轉文字，文字轉語音的過程；為什么要這么做？

這么做的目的并不是為了炫耀技術，而是有些場景需要強大的實時性，無法接受如此長鏈條的處理響應時間。

比如說自動駕駛，現今的自動駕駛采用的就是多模塊協作的方式，如路況采集，自動化分析，做出決策，執行決策等。這樣的自動駕駛系統就需要大量的時間做出響應。

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

從技術到角度來說，端到端模型實現難度更大，系統更復雜，而且可解釋性更差，而且更像一個黑盒。

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

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

但在一些領域，如智能駕駛，高端制造，軍事競爭等方面，延遲要在毫秒，甚至是微秒的程度；這時普通大模型就無法完成任務了。

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

程序員應該比較容易理解端到端，普通大模型就類似于現在的高級語音，如java，python等；它們的功能強大，但執行效率低，原因就是中間有一個解釋器。

而端到端模型就類似于C語言，直接轉換為計算機能夠處理的格式，省略了中間解釋的環節。

雖然高級編程語言的作用越發強大，但永遠也沒有那個語言能完全取代C語言和匯編語言。

當然，C語言和匯編語言雖然效率高，但遷移性比較低，不同的平臺需要不同的指令集和開發庫。端到端模型也是如此，對訓練數據質量的要求更高，適應性也更差。

因此，網上也有人說，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據，而不需要這樣那樣的轉化過程。

本文轉載自公眾號AI探索時代 作者：DFires

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