यो एआई स्टार्टअपले “प्रतिलिपि र टाँस्ने” विशेषज्ञताको म्याट्रिक्स-शैली विचारलाई पछ्याउँदैछ

डबलएआईले के काम गरिरहेको छ, र कसरी विशेषज्ञता विकास र लागू गरिन्छ भन्ने कुराको अर्थ के हुन सक्छ भनेर मैले गल बेनियामिनीसँग कुरा गरें।

• AEI र AGI बीचको भिन्नता के हो, र AEI कसरी MoE (विज्ञहरूको मिश्रण) भन्दा फरक छ?

उनीहरूसँग कम्तिमा एउटा कुरा समान छ: सबै संक्षिप्त शब्दहरू। तर तिनीहरूले फरक-फरक अवधारणाहरूलाई संकेत गर्छन्।

AGI (कृत्रिम सामान्य बुद्धिमत्ता) भनेको भविष्यको AI सँग हुन सक्ने क्षमताहरूको सेट परिभाषित गर्ने प्रयास हो। शब्द खराब-परिभाषित छ, तर मलाई डेमिस हसबिसको परिभाषा मनपर्छ: मानव मस्तिष्कले गर्ने क्षमताहरूको पूर्ण दायरा भएको एआई। pb-0 pt-2 mb-4″>

अब के पढ्ने

AEI (कृत्रिम विशेषज्ञ बुद्धिमत्ता) बरु फरक छ; चौडाई को सट्टा यो गहिराई मा केन्द्रित छ। लक्ष्य उच्च विशिष्टीकृत, जटिल प्राविधिक र वैज्ञानिक डोमेनहरूमा अलौकिक कार्यसम्पादन हासिल गर्नु हो।

त्यसैले AEI ले विशेष डोमेनहरूमा AGI लाई अधिक गर्ने लक्ष्य राख्छ। अर्कोतर्फ MoE (विज्ञहरूको मिश्रण) एक प्राविधिक शब्द हो — यो मेसिन लर्निङ मोडेलहरूमा प्रयोग हुने वास्तुकलाको एक प्रकार हो जुन हालका वर्षहरूमा लोकप्रिय भएको छ। AGI। किन यस्तो अत्यावश्यकता?

हामी विश्वव्यापी “विज्ञ बाधाको सामना गरिरहेका छौं।” एउटा उपयुक्त उदाहरण (धेरै मध्ये) उच्च प्रदर्शन कम्प्युटिङ हो। हालैका वर्षहरूमा AI को विस्फोटको साथ, विश्वले सकेसम्म छिटो GPU हरू उत्पादन गरिरहेको छ।

तैपनि, GPU हरूको माँग आपूर्ति भन्दा धेरै छ। र यो सबैलाई नराम्रो बनाउन, प्रत्येक नयाँ उदाउँदो हार्डवेयर वास्तुकलाको लागि प्रदर्शनकारी, सही र प्रभावकारी GPU कोड लेख्नु, मानवहरूका लागि अविश्वसनीय रूपमा गाह्रो छ — त्यहाँ संसारभरका केही सय विशेषज्ञहरू मात्र छन् जो वास्तवमै काममा छन्।

WarpSpeed जस्तै AEI ले हामीलाई यो “कम्प्युट क्राइसिस” समाधान गर्न मद्दत गर्न सक्छ। id=”2d86b337-c53b-494b-916c-406c08b05143″>

त्यहाँ कुनै सानो छाप छैन। WarpSpeed ​​त्यहाँ कसरी पुग्छ भन्ने बारे: यदि मैले दुईवटा मुख्य पक्षहरूलाई औंल्याउनुपर्छ भने, म भन्न चाहन्छु कि यसको सफलता यसको गहिरो एल्गोरिदमिक खोज र बलियो प्रमाणीकरणको अद्वितीय संयोजनमा निहित छ। उथले “ढाँचा-मिलान” ले तपाईंलाई अहिलेसम्म प्राप्त गर्छ। तपाईलाई वास्तवमै के चाहिन्छ खोज: अन्वेषण, मापन, र पुनरावृत्ति गर्ने क्षमता, कुनै पनि मानवले चाहेको भन्दा धेरै टाढा। AI मानिसले नभएको तरिकामा अथक हुन सक्छ।

यद्यपि त्यहाँ एक क्याच छ। जब तपाईंले मेट्रिकको बिरूद्ध लुपमा AI लाई अप्टिमाइज गर्न दिनुहुन्छ, यसले छ तपाईंले नचाहेको लक्ष्यमा हिट गर्ने तरिकाहरू फेला पार्छ — यसलाई “रिवार्ड ह्याकिङ” भनिन्छ। कोडले प्राविधिक रूपमा एउटा बेन्चमार्क पास गर्न सक्छ, तर त्यो मेट्रिकमा थोरै गलत, भंगुर, वा ओभरफिट हुनेछ। त्यहीँबाट बलियो प्रमाणीकरण आउँछ। प्रमाणिकरण बिना धेरै सम्भावित परिणाम स्केल मा ढिलो छ।

• यदि र जब हामी AEI मा पुग्छौं, के भूमिका – यदि कुनै हो भने – मानवले खेल्नेछ?

मलाई लाग्छ यो अन्ततः कहाँ जान्छ भनेर कसैले भविष्यवाणी गर्न सक्दैन। यद्यपि, वैज्ञानिक र ईन्जिनियरिङ् डोमेनहरू हेर्दा एआईको हालको मोड चेस खेलाडीहरू र चेस “इन्जिनहरू” सँग मिल्दोजुल्दो देखिन्छ।

त्यस्तै गरी, हामी हाल “स्वर्ण युग” मा छौं, जसमा मानव विज्ञहरू ठूलो रूपमा माथि छन् — कृत्रिम बुद्धिमत्ताको तुलनामा मानवीय क्षमताले ठूलो मात्रामा काम गरिरहेको छ। भागहरू।

त्यो गतिशील अनिश्चित कालको लागि हो कि एक खुला प्रश्न हो, तर अहिले मलाई मानव विशेषज्ञहरूलाई गति दिने AI को यो क्षमता अविश्वसनीय भन्दा कम छैन जस्तो लाग्छ।

त्यसभन्दा बाहिर, AEI ले विशेषज्ञताको पहुँचलाई प्रजातान्त्रिक बनाउन सक्छ जुन हाल थोरै संख्यामा मानिसहरूमा केन्द्रित छ। वैज्ञानिक कम्प्युटिङमा, उदाहरणका लागि, आज कुन एल्गोरिदमहरू सफल हुन्छन् भन्ने कुरा प्रायः होइन कुनबाट उत्तम हो, तर कुन उपलब्ध हार्डवेयर (“हार्डवेयर लटरी”) अनुरूप हुन्छ भनेर निर्धारण गरिन्छ। AEI ले हामीलाई त्यो बाधाबाट मुक्त हुन मद्दत गर्न सक्छ।

• तपाईंको दृष्टि द म्याट्रिक्समा नियो जस्तो देखिन्छ, “डाउनलोड गर्ने” सीपहरू। के तपाईं समानतासँग सहमत हुनुहुन्छ, र यसको सीमितताहरू के हुन्?

फिल्म उत्कृष्ट छ। र म समानता देख्छु — जब हामी AEI बनाउँछौं, हामी मेसिनहरूलाई “कुंग फु जान्न,” विशेषज्ञ-स्तर र विशेष डोमेनमा बाहिर बन्ने तरिका दिइरहेका छौं।