थिंकिंग मशीन लॅब एआय मॉडेल अधिक सुसंगत बनवू इच्छित आहे

मीरा मुरती यांच्या विचारसरणीच्या मशीन लॅबच्या billion 2 अब्ज डॉलर्सची बियाणे निधी आणि प्रयोगशाळेत सामील झालेल्या माजी ओपनई संशोधकांची ऑल-स्टार टीम काय तयार करीत आहे याबद्दल खूप रस आहे. मध्ये मध्ये ब्लॉग पोस्ट बुधवारी प्रकाशित झालेल्या मुरतीच्या संशोधन प्रयोगशाळेने जगाला त्याच्या एका प्रकल्पात प्रथम नजर दिली: पुनरुत्पादक प्रतिसादांसह एआय मॉडेल तयार करणे.

“एलएलएम अनुमानात नॉनडेटरमिनिझमचा पराभव” या शीर्षकातील रिसर्च ब्लॉग पोस्ट, एआय मॉडेलच्या प्रतिसादामध्ये यादृच्छिकतेची ओळख करुन देण्याचे मूळ कारण अनपॅक करण्याचा प्रयत्न करते. उदाहरणार्थ, चॅटजीपीटीला समान प्रश्न काही वेळा विचारा आणि आपल्याला विस्तृत उत्तरे मिळण्याची शक्यता आहे. हे मोठ्या प्रमाणात एआय समुदायात एक वस्तुस्थिती म्हणून स्वीकारले गेले आहे-आजचे एआय मॉडेल्स नॉन-डिट्रिनिस्टिक सिस्टम मानले जातात-परंतु विचार करणार्‍या मशीन लॅबला हे एक निराकरण करण्यायोग्य समस्या म्हणून पाहिले जाते.

थिंकिंग मशीन लॅब संशोधक होरेस हे पोस्ट केलेले पोस्ट, असा युक्तिवाद करतो की एआय मॉडेलच्या यादृच्छिकतेचे मूळ कारण म्हणजे जीपीयू कर्नल – एनव्हीडियाच्या संगणक चिप्सच्या आत चालणारे छोटे प्रोग्राम – अनुमान प्रक्रियेमध्ये एकत्रित केले जातात (आपण चटईमध्ये प्रवेश केल्यावर घडते त्या प्रत्येक गोष्ट). तो सुचवितो की ऑर्केस्ट्रेशनच्या या थर काळजीपूर्वक नियंत्रित करून, एआय मॉडेल्स अधिक निरोधक बनविणे शक्य आहे.

उपक्रम आणि शास्त्रज्ञांसाठी अधिक विश्वासार्ह प्रतिसाद तयार करण्यापलीकडे, ते नमूद करतात की पुनरुत्पादक प्रतिसाद निर्माण करण्यासाठी एआय मॉडेल्स मिळविण्यामुळे मजबुतीकरण शिक्षण (आरएल) प्रशिक्षण देखील सुधारू शकते. आरएल ही अचूक उत्तरांसाठी एआय मॉडेल्सना पुरस्कृत करण्याची प्रक्रिया आहे, परंतु उत्तरे जरासे वेगळी असतील तर डेटा थोडा गोंगाट होईल. अधिक सुसंगत एआय मॉडेल प्रतिसाद तयार केल्याने संपूर्ण आरएल प्रक्रिया “नितळ” होऊ शकते, असे त्याच्या म्हणण्यानुसार. थिंकिंग मशीन लॅबने गुंतवणूकदारांना सांगितले की ते आरएल वापरण्याची योजना आखत आहे व्यवसायांसाठी एआय मॉडेल सानुकूलित करायापूर्वी नोंदलेली माहिती.

ओपनईचे माजी मुख्य तंत्रज्ञान अधिकारी मुरती यांनी जुलैमध्ये सांगितले की, मशीन्स लॅबचे पहिले उत्पादन येत्या काही महिन्यांत अनावरण केले जाईल आणि ते “सानुकूल मॉडेल विकसित करणार्‍या संशोधक आणि स्टार्टअप्ससाठी उपयुक्त ठरेल.” हे उत्पादन काय आहे हे अद्याप अस्पष्ट आहे, किंवा अधिक पुनरुत्पादक प्रतिसाद तयार करण्यासाठी ते या संशोधनातील तंत्राचा वापर करेल की नाही.

थिंकिंग मशीन लॅबने असेही म्हटले आहे की त्याची योजना आहे वारंवार ब्लॉग पोस्ट प्रकाशित करा“जनतेला फायदा करण्याच्या प्रयत्नात, परंतु आपली स्वतःची संशोधन संस्कृती सुधारण्याच्या प्रयत्नात त्याच्या संशोधनाबद्दल कोड आणि इतर माहिती. हे पोस्ट, कंपनीच्या “कनेक्शनवाद” नावाच्या नवीन ब्लॉग मालिकेतील पहिले, त्या प्रयत्नांचा भाग असल्याचे दिसते. जेव्हा त्याची स्थापना झाली तेव्हा ओपनईने संशोधन उघडण्याची वचनबद्धता देखील केली, परंतु ती मोठी झाल्यामुळे कंपनी अधिक बंद झाली आहे. मुरातीची संशोधन प्रयोगशाळेने या दाव्यावर खरेच राहिले की नाही ते आम्ही पाहू.

सिलिकॉन व्हॅलीच्या सर्वात गुप्त एआय स्टार्टअप्सपैकी एकामध्ये संशोधन ब्लॉग एक दुर्मिळ झलक देते. तंत्रज्ञान कोठे चालले आहे हे अगदी स्पष्टपणे सांगत नसले तरी हे सूचित करते की विचार मशीन लॅब एआय संशोधनाच्या सीमेवरील सर्वात मोठ्या प्रश्नाचा सामना करीत आहे. विचार मशीन लॅब या समस्या सोडवू शकतात की नाही आणि त्याचे billion 12 अब्ज डॉलर्सच्या मूल्यांकनाचे औचित्य सिद्ध करण्यासाठी त्याच्या संशोधनाच्या आसपास उत्पादने बनवू शकतात की नाही याची खरी चाचणी आहे.