ከቋንቋ ሞዴሎች በላይ፦ Jensen Huang ክፍት የAI ምርምርን ከባዮሎጂ፣ ከአየር ሁኔታና ከስሌት የወደፊት ጊዜ ጋር ለምን ያገናኛሉ?
መግቢያ፦ AI እንደ መወያያ ሥርዓት ብቻ ሲቆጠር ምን ይጠፋል?
የውይይት ሥርዓት ሰው ሠራሽ አስተውሎትን [AI] ለመለየት ቀላል ያደርገዋል። ሰዎች ጥያቄ ጽፈው መልስ ሊያነቡ ይችላሉ። ግን ቋንቋ ዓለምን የሚወክልበት አንድ መንገድ ብቻ ነው።
ባዮሎጂ፣ ኬሚስትሪ፣ አየር ሁኔታና ፊዚካዊ ሥርዓቶች ወደ መደበኛ ውይይት ሊቀነስ የማይችል መረጃ ይይዛሉ። የJensen Huang ክፍት የAI ምርምር ሐሳብ ይህን ሰፊ ሳይንሳዊ ዕድል ከተግባራዊ የስሌት ችግር ጋር ያገናኛል፦ የሃርድዌር ንድፍ አዘጋጆች [Hardware Designers] የወደፊት ሞዴሎች [Models] ሥርዓቶቻቸውን ምን እንዲሠሩ እንደሚጠይቁ መረዳት አለባቸው።
ሐሳቡ ብዙ ክፍሎች አሉት። ክፍት ሥራ ምርምርን ሊደግፍ፣ ተሳትፎን ሊያሰፋና የስሌት ኢንዱስትሪ የራሱ መዋቅር [Architecture] የት መለወጥ እንዳለበት እንዲማር ሊረዳ ይችላል።
1. ሞዴሎችን መገንባት የስሌት ኩባንያን ምን መገንባት እንዳለበት ያስተምራል
የAI መሠረተ ልማት [Infrastructure] የሚነድፍ ኩባንያ በትናንቱ ሞዴሎች ፍላጎት ብቻ ሊተማመን አይችልም። የነገ ሥርዓቶችን ቅርጽ ሊወስን ከሚችል ሥራ ጋር ቀጥተኛ ልምድ ይፈልጋል።
የሞዴል መዋቅር [Model Architecture] ምርምር ይህን ልምድ ይፈጥራል። የተለያዩ መንገዶች በማህደረ ትውስታ [Memory]፣ የውሂብ እንቅስቃሴ [Data Movement]፣ አቀናባሪዎች [Processors] እና በመካከላቸው ባሉ ግንኙነቶች ላይ የተለያዩ ፍላጎቶችን ሊያስቀምጡ ይችላሉ።
Huang የNVIDIA ሞዴል ምርምርን ከሰፊው የጋራ ንድፍ [Co-design] ስትራቴጂ ጋር ያገናኛሉ። በሞዴሎች ላይ መሥራት እነዚያ ሞዴሎች የሚፈልጉትን ሥርዓት ለመረዳት ሌላ መንገድ ይሰጣል።
ይህ ኩባንያው በሁሉም መስክ የመጨረሻ መተግበሪያ አቅራቢ [Application Provider] ለመሆን ባይሞክርም ምርምሩን ዋጋ ያለው ያደርገዋል። ትምህርቱ ሌሎች የሚጠቀሙበትን የስሌት መድረክ [Computing Platform] ሊመራ ይችላል።
2. ክፍትነት ብዙ ሰዎች እንዲሞክሩ ቦታ ይሰጣል
ሁሉም ጠቃሚ ሞዴሎች እንደ የተጠናቀቀ የግል ባለቤትነት አገልግሎት [Proprietary Service] ብቻ ቢገኙ ተመራማሪዎችና ትናንሽ ድርጅቶች ለመመርመር፣ ለማስማማትና በላዩ ለመገንባት ያላቸው ነፃነት ይቀንስ ነበር።
ክፍት ሞዴሎች [Open Models] ሌላ መንገድ ሊፈጥሩ ይችላሉ። ተመራማሪዎች መንገድን ሊፈትኑ፣ ባህሪውን ሊያጠኑና የመጀመሪያው ገንቢ ቅድሚያ ያልሰጣቸውን መተግበሪያዎች ሊመረምሩ ይችላሉ።
ይህ ዕድል በኢንዱስትሪዎችና በአገሮች ሁሉ አስፈላጊ ነው። የዩኒቨርሲቲ ላቦራቶሪ፣ የምህንድስና ቡድንና ልዩ ሳይንሳዊ ቡድን የተለያየ መዳረሻ ሊፈልጉ ይችላሉ፣ ግን ሁሉም የራሳቸውን ሥራ ለመሥራት ከሚያገኙት ቦታ ይጠቀማሉ።
ክፍትነት ሁሉም ሙከራዎች ይሳካሉ የሚል ቃል አይደለም። ሁሉም ከዜሮ መጀመር ሳያስፈልጋቸው ለመማርና ለማበርከት ያላቸውን እድል ያሰፋል።
3. "ክፍት" የሚለው ቃል ትክክለኛ ትርጉም ይፈልጋል
የሞዴል ክብደቶች [Model Weights]፣ የሥልጠና ኮዱ [Training Code]፣ ለማሠልጠን የተጠቀመው ውሂብና ውሂቡን ለማዘጋጀት የተጠቀሙ ዘዴዎች የተለያዩ ነገሮች ናቸው።
አንዱን መስጠት ሌሎቹን በራሱ አያቀርብም። ክፍት ክብደት ያለው ልቀት [Open-weight Release] የመጀመሪያውን ሥልጠና ለመድገም የሚያስፈልጉትን ሁሉ ሳይሰጥም ጠቃሚ ሊሆን ይችላል።
ሞዴል ለሚመርጥ ሰው ተግባራዊው ጥያቄ እውነተኛው ልቀት ምን እንደሚፈቅድ ነው። ቡድኑ ሊመረምረው፣ ሊለውጠው፣ ለታለመው ጥቅም ሊያሰማራው [Deploy] እና ገደቡን ሊረዳ ይችላል?
ትምህርቱ ከመለያው በላይ መመልከት ነው። ጠቃሚው የክፍትነት ደረጃ በቀረበው ይዘትና በተያያዙ ሁኔታዎች ይወሰናል።
4. ሳይንሳዊ AI ከመደበኛ ቋንቋ በላይ ውክልናዎች ይፈልጋል
የአየር ሁኔታ ሞዴል [Weather Model] ከፊዚካዊ ሥርዓት ባህሪ ጋር ይሠራል። የባዮሎጂ ምርምር መዋቅሮችንና ግንኙነቶችን ይመለከታል። ሮቦቲክስ [Robotics] ግንዛቤን [Perception] እና ተግባርን ከተለዋዋጭ አካባቢ ጋር ያገናኛል።
ቋንቋ ሰዎች እነዚህን ችግሮች እንዲገልጹ ሊረዳ ይችላል፣ ግን ዋናው መረጃና ግንኙነት ሌሎች ውክልናዎችን [Representations] ሊጠይቅ ይችላል። ስለዚህ እድገት የትልቅ የቋንቋ ሞዴል [Large Language Model] የውይይት ችሎታን ከማሻሻል በላይ ይፈልጋል።
የHuang ሰፊ ራዕይ ለልዩ ሞዴሎች በትልቅ ሥርዓት ውስጥ ቦታ ይሰጣል። ወኪል [Agent] ሁሉንም ጥያቄ ከቋንቋ ብቻ ለመመለስ ከመሞከር ይልቅ ሳይንሳዊ ሞዴልን እንደ አንድ መሣሪያው ሊጠቀም ይችላል።
ይህ ጠቃሚ የትኩረት ለውጥ ነው። ግቡ አንድ ሞዴል ሁሉንም ችሎታ እንዲይዝ ከመጠበቅ ይልቅ ለሥራው ትክክለኛውን ችሎታ ማግኘት ይሆናል።
5. መድረክ ለመተካት ያላሰባቸውን ኢንዱስትሪዎች ሊደግፍ ይችላል
ለእነዚያ መስኮች ለማበርከት የስሌት ኩባንያ የመጨረሻ መኪናን መሥራት፣ የመጨረሻ መድኃኒትን ማግኘት ወይም ሁሉንም ሳይንሳዊ ተቋማት ማስኬድ አይጠበቅበትም።
ባለሙያዎች የራሳቸውን ሥራ እንዲሠሩ የሚረዱ ሞዴሎችን [Models]፣ መሣሪያዎችንና መሠረተ ልማትን [Infrastructure] ሊያቀርብ ይችላል። ባለሙያዎቹ አጠቃላይ መድረክ ብቻውን ሊያቀርበው የማይችለውን የመስክ ዕውቀት [Domain Knowledge]፣ ሙከራዎችና ተግባራዊ ገደቦች ያመጣሉ።
ይህ የሥራ ክፍፍል ክፍት ምርምርና የንግድ ምርቶች ለምን አብረው ሊኖሩ እንደሚችሉም ያብራራል። የግል ባለቤትነት መተግበሪያ [Proprietary Application] አንድ ዓላማ ሲያገለግል የጋራ የምርምር መሠረቶች ሰፊ ማኅበረሰብ ሊደግፉ ይችላሉ።
ወሰኖቹ ግልጽ መሆን አለባቸው። ሞዴልን ማግኘት መነሻ እንጂ ለሳይንሳዊ ወይም የሥራ ውሳኔ ዝግጁ መሆኑ ማስረጃ አይደለም።
መደምደሚያ፦ ቀጣዩ መድረክ ለተለያዩ የአስተውሎት ዓይነቶች ቦታ መስጠት አለበት
የHuang ክፍት የAI ምርምር ሐሳብ ሌላ መወያያ ሥርዓት ከመልቀቅ በላይ ነው። የስሌት ንድፍን ከሳይንሳዊ ፍለጋና ሌሎች የመገንባት ችሎታ ጋር ያገናኛል።
ዕድሉ አጠቃላይ መሣሪያዎችን ከልዩ ዕውቀት ጋር በማጣመር ውስጥ ነው፣ ምን ክፍት እንደሆነና ምን መገምገም የተጠቃሚው ኃላፊነት እንደሆነ ግን በትክክል መግለጽ ያስፈልጋል።
መድረኩ የተለያዩ ሥራዎችን ሲደግፍ AI ይበልጥ ጠቃሚ ይሆናል። ቋንቋ ወደዚያ ወደፊት የሚያስገባ አስፈላጊ በይነገጽ [Interface] ነው። ሙሉው የወደፊት ጊዜ ግን አይደለም።
Powered By K7