Melampaui Model Bahasa: Mengapa Jensen Huang Menghubungkan Riset AI Terbuka dengan Biologi, Cuaca, dan Masa Depan Komputasi
Pendahuluan: Apa yang hilang ketika AI hanya dianggap sebagai chatbot?
Sistem percakapan membuat kecerdasan buatan [AI] mudah dikenali. Orang dapat mengetik pertanyaan dan membaca jawaban. Namun, bahasa hanyalah satu cara untuk merepresentasikan dunia.
Biologi, kimia, cuaca, dan sistem fisik mengandung informasi yang tidak dapat dipersempit menjadi percakapan biasa. Argumen Jensen Huang untuk riset AI terbuka menghubungkan peluang ilmiah yang lebih luas ini dengan masalah komputasi praktis: perancang perangkat keras [Hardware Designers] perlu memahami apa yang akan diminta model-model masa depan [Models] dari sistem mereka.
Argumen ini memiliki beberapa bagian. Pekerjaan terbuka dapat mendukung riset, memperluas partisipasi, dan membantu industri komputasi mempelajari bagian arsitekturnya [Architecture] sendiri yang perlu berubah.
1. Membangun model mengajari perusahaan komputasi apa yang harus dibangun
Perusahaan yang merancang infrastruktur [Infrastructure] AI tidak bisa hanya mengandalkan kebutuhan model masa lalu. Perusahaan membutuhkan pengalaman langsung dengan pekerjaan yang mungkin membentuk sistem masa depan.
Riset arsitektur model [Model Architecture] menciptakan pengalaman itu. Pendekatan berbeda dapat menempatkan tuntutan berbeda pada memori [Memory], perpindahan data [Data Movement], prosesor [Processors], dan hubungan di antaranya.
Huang menghubungkan riset model NVIDIA dengan strategi perancangan bersama [Co-design] yang lebih luas. Mengerjakan model memberikan cara lain untuk memahami sistem yang dibutuhkan model tersebut.
Ini membuat riset bernilai meskipun perusahaan tidak berusaha menjadi penyedia aplikasi akhir [Application Provider] di setiap bidang. Pembelajarannya dapat memberi arah pada platform komputasi [Computing Platform] yang digunakan pihak lain.
2. Keterbukaan memberi lebih banyak orang ruang untuk bereksperimen
Jika setiap model yang berguna hanya tersedia sebagai layanan proprieter yang sudah jadi [Proprietary Service], peneliti dan organisasi kecil akan memiliki lebih sedikit kebebasan untuk memeriksa, menyesuaikan, dan membangun di atasnya.
Model terbuka [Open Models] dapat menciptakan jalur lain. Peneliti dapat menguji pendekatan, mempelajari perilakunya, dan menyelidiki aplikasi yang bukan prioritas pengembang awalnya.
Peluang ini penting di berbagai industri dan negara. Laboratorium universitas, tim rekayasa, dan kelompok ilmiah spesialis mungkin membutuhkan bentuk akses yang berbeda, tetapi masing-masing mendapat manfaat dari ruang untuk melakukan pekerjaannya sendiri.
Keterbukaan bukan janji bahwa setiap eksperimen akan berhasil. Keterbukaan memperluas kemungkinan belajar dan berkontribusi tanpa mengharuskan semua pihak memulai dari nol.
3. Kata "terbuka" memerlukan makna yang tepat
Bobot model [Model Weights], kode pelatihannya [Training Code], data yang digunakan untuk melatihnya, dan metode yang digunakan untuk menyiapkan data itu adalah hal yang berbeda.
Menyediakan salah satunya tidak otomatis menyediakan yang lain. Rilis berbobot terbuka [Open-weight Release] dapat berguna tanpa menyediakan semua yang dibutuhkan untuk mereproduksi proses pelatihan awal.
Bagi siapa pun yang memilih model, pertanyaan praktisnya adalah apa yang diizinkan rilis tersebut. Bisakah tim memeriksa, memodifikasi, menerapkan [Deploy] untuk tujuan yang dimaksud, dan memahami keterbatasannya?
Pelajarannya adalah melihat melampaui label. Tingkat keterbukaan yang berguna bergantung pada materi yang disediakan dan ketentuan yang menyertainya.
4. AI ilmiah membutuhkan representasi di luar bahasa biasa
Model cuaca [Weather Model] bekerja dengan perilaku sistem fisik. Riset biologi menyangkut struktur dan interaksi. Robotika [Robotics] menghubungkan persepsi [Perception] dan tindakan dengan lingkungan yang berubah.
Bahasa dapat membantu orang menjelaskan masalah-masalah tersebut, tetapi informasi dan hubungan dasarnya mungkin membutuhkan representasi lain [Representations]. Karena itu, kemajuan bergantung pada lebih dari peningkatan keterampilan percakapan model bahasa besar [Large Language Model].
Visi Huang yang lebih luas memberi model khusus tempat dalam sistem yang lebih besar. Agen [Agent] dapat menggunakan model ilmiah sebagai salah satu alatnya, alih-alih mencoba menjawab setiap pertanyaan hanya dari bahasa.
Ini adalah pergeseran penekanan yang berguna. Tujuannya menjadi akses pada kemampuan yang tepat untuk tugas tersebut, bukan mengharapkan satu model memuat setiap kemampuan.
5. Platform dapat mendukung industri yang tidak berniat digantikannya
Perusahaan komputasi tidak harus membangun mobil akhir, menemukan obat akhir, atau menjalankan setiap lembaga ilmiah untuk berkontribusi pada bidang-bidang itu.
Perusahaan dapat menyediakan model [Models], alat, dan infrastruktur [Infrastructure] yang membantu para spesialis melakukan pekerjaan mereka sendiri. Para spesialis itu membawa pengetahuan bidang [Domain Knowledge], eksperimen, dan kendala praktis yang tidak dapat disediakan platform umum sendirian.
Pembagian kerja ini juga menjelaskan mengapa riset terbuka dan produk komersial dapat berdampingan. Aplikasi proprieter [Proprietary Application] dapat melayani satu tujuan sementara fondasi riset bersama mendukung komunitas yang lebih luas.
Batas-batasnya harus tetap jelas. Akses ke model adalah awal, bukan bukti bahwa model siap digunakan untuk keputusan ilmiah atau operasional.
Kesimpulan: Platform berikutnya harus memberi ruang bagi berbagai jenis kecerdasan
Argumen Huang untuk riset AI terbuka lebih luas daripada merilis chatbot lain. Argumen itu menghubungkan desain komputasi dengan eksplorasi ilmiah dan kemampuan pihak lain untuk membangun.
Peluangnya terletak pada penggabungan alat umum dengan pengetahuan khusus, sambil menjelaskan secara tepat apa yang terbuka dan apa yang tetap menjadi tanggung jawab pengguna untuk dievaluasi.
AI menjadi lebih berguna ketika platformnya dapat mendukung berbagai jenis pekerjaan. Bahasa adalah antarmuka [Interface] penting menuju masa depan itu. Bahasa bukan keseluruhan masa depan.
Powered By K7