This post is also available in: enEnglish (אנגלית)

קבוצה של מדענים וחוקרים הודיעו לאחרונה כי הם מתכוונים לפתח מוח דיגיטלי דמוי GPT משלהם, בעל טריליון פרמטרים וניזון ממידע מדעי בלבד.

כדי לעשות זאת, הם התחילו את "קונסורציום טריליון הפרמטרים" (TPC) יחד עם המרכז הלאומי ליישומי מחשוב-על (NCSA). קבוצת מדענים זו מגיעה ממכוני המחקר היוקרתיים ביותר בעולם, מעבדות פדרליות, אקדמיה ותעשייה, כולם מתאחדים כדי להתמודד עם האתגר של בניית מערכות בינה מלאכותית בקנה מידה גדול, וקידום בינה מלאכותית אמינה ומהימנה לגילוי מדעי.

על פי אתר Cybernews, השם "TPC" כולל בתוכו את השאיפה לבנות מודל שפה גדולה חדשני ומשוכלל למדע והנדסה. הרעיון לשיתוף פעולה החל לפני מספר שנים, כאשר הקהילה המדעית הבינה שהם צריכים לאחד כוחות משום שבניית והכשרת מודלי שפה גדולים דורש הרבה מאון זמן, מאמץ, ומשאבים.

באתר TPC נכתב: "התברר כי בעוד שהקהילה יכולה לפתח מספר מודלים קטנים יותר באופן עצמאי ולהתחרות, קהילת "AI for Science" רחבה יותר חייבת לעבוד יחד, אם ברצוננו ליצור מודלים הנמצאים בקנה המידה של המודלים הפרטיים הגדולים ביותר".

המדענים מקווים שהמודלים שלהם יהיו מהימנים ואמינים. מודלים עם טריליון פרמטרים מייצגים את "הגבול של הבינה המלאכותית בקנה מידה גדול" עבורם. ריק סטיבנס, מנהל מעבדה בארגון למחשוב, סביבה, ומדעי החיים הסביר כי גם במעבדה שלהם ואף במספר הולך וגדל של מוסדות שותפים ברחבי העולם, צוותים מתחילים לפתח מודלים של בינה מלאכותית לשימוש מדעי ומכינים אוספים עצומים של נתונים מדעיים שלא נוצלו בעבר לצורך הכשרה.

על פי הדיווחים, ה-NCSA מפתחת משאב מחשוב ונתונים מתקדם משלה בשם "DeltaAI" המבוסס על בינה מלאכותית ואמור למלא תפקיד מרכזי במאמצי ה-TPC. על פי ההודעה לעיתונות, מודל DeltaAI צפוי לעלות לאוויר בשנת 2024, לשלש את קיבולת המחשוב הממוקדת בבינה מלאכותית של NCSA, ולהרחיב מאוד את הקיבולת הזמינה בתוך האקוסיסטם של המחשוב המתקדם במימון NSF.

מודל בינה מלאכותית נוסף שפותח על ידי המייסדים הוא AuroraGPT של המעבדה הלאומית Argonne, אשר יכול בסופו של דבר להפוך ל-"מוח ענק" עבור חוקרים מדעיים לאחר חודשים של הכשרה.

בסופו של דבר, שיתוף הפעולה של TPC נועד למנף את המאמצים הגלובליים, לזהות ולהכין נתוני הדרכה באיכות גבוהה, לתכנן ולהעריך ארכיטקטורות מודל, ולפתח חידושים באסטרטגיות הערכת מודלים ביחס להטיה, אמינות ויישור מטרות.