超越語言模型：Jensen Huang點解將開放AI研究，同生物學、天氣及計算未來連起嚟
引言：只將AI當成聊天機械人，會失去乜嘢？
對話系統令人工智能 [AI] 容易辨認。人們可以輸入問題，再讀答案。不過，語言只係表達世界嘅一種方式。
生物學、化學、天氣同物理系統包含唔可以簡化成普通對話嘅資訊。Jensen Huang支持開放AI研究嘅論點，將呢種更廣泛科學機會，同一個實際計算問題連起嚟：硬件設計者要理解，未來模型會要求系統做乜。
呢個主張有幾個部分。開放工作可以支持研究、擴大參與，同幫計算產業學習自身架構 [Architecture] 邊度需要改變。
1. 建立模型，教計算企業應該建立乜
設計AI基礎設施嘅企業，唔可以只靠昨日模型嘅要求。佢需要直接體驗可能塑造明日系統嘅工作。
模型架構 [Model Architecture] 研究會產生呢種經驗。唔同方法，可能對記憶體、數據移動、處理器同連接提出唔同要求。
Huang將NVIDIA模型研究同更廣泛嘅協同設計 [Co-design] 策略連起嚟。研究模型，係理解模型所需系統嘅另一條路。
即使企業唔打算喺每個領域都成為最終應用供應商，研究仍然有價值。學到嘅嘢可以指導其他人使用嘅計算平台 [Computing Platform]。
2. 開放畀更多人實驗空間
如果每個有用模型都只可以用成品專有服務 [Proprietary Service] 形式取得，研究者同較細組織檢視、改造同據此建立新嘢嘅自由就會少啲。
開放模型 [Open Models] 可以提供另一條路。研究者可以測試方法、研究行為，同探索原開發者冇優先考慮嘅應用。
呢種機會對唔同產業同國家都重要。大學實驗室、工程團隊同專業科學小組可能要唔同存取方式，但每一方都受惠於自行工作嘅空間。
開放唔保證每次實驗成功，而係擴大學習同貢獻嘅可能，唔要求人人由零開始。
3. 「開放」需要精確意思
模型權重 [Model Weights]、訓練程式碼 [Training Code]、訓練用數據，同準備數據嘅方法，係唔同嘅嘢。
提供一樣，唔會自動提供其他。開放權重發布 [Open-weight Release] 即使冇畀齊重現原本訓練過程所需嘅一切，仍然可以有用。
對揀模型嘅人，實際問題係發布內容到底容許乜。團隊可唔可以檢視、修改、按預定目的部署，同理解限制？
教訓係睇穿標籤。有用嘅開放程度，取決於提供嘅材料同附帶條件。
4. 科學AI需要普通語言以外嘅表示方式
天氣模型處理物理系統嘅行為，生物研究關注結構同相互作用。機械人技術 [Robotics] 將感知同行動連到變化中嘅環境。
語言可以幫人描述問題，但底層資訊同關係可能需要其他表示方式。所以進步唔止係改善大型語言模型 [Large Language Model] 嘅對話能力。
Huang更廣泛嘅願景，為專業模型喺大系統入面安排位置。智能體 [Agent] 可以將科學模型當工具之一，而唔係嘗試單靠語言回答所有問題。
呢個重點轉變好有用。目標變成取得適合任務嘅能力，而唔係期待一個模型包含全部能力。
5. 平台可以支持佢唔打算取代嘅產業
計算企業唔使自己製造最終汽車、發現最終藥物，或者營運每間科學機構，都可以為呢啲領域作貢獻。
佢可以提供模型、工具同基礎設施，幫專家做自己嘅工作。專家帶嚟領域知識 [Domain Knowledge]、實驗同實際限制，呢啲係通用平台無法單獨提供嘅。
呢種分工亦解釋開放研究同商業產品點解可以共存。專有應用可以服務一個目的，共享研究基礎就支持更廣泛群體。
邊界應該清楚。取得模型係開始，唔係證明佢已經適合科學或者營運決策。
結語：下一個平台要容納唔同類型智能
Huang支持開放AI研究嘅論點，超越再發布一個聊天機械人。佢將計算設計、科學探索，同其他人建立新嘢嘅能力連起嚟。
機會在於結合通用工具同專業知識，同時準確講明乜嘢開放，乜嘢仍然由使用者負責評估。
平台可以支持唔同類型工作時，AI就更有用。語言係通往呢個未來嘅重要介面 [Interface]，但唔係未來嘅全部。
Powered By K7