Site Web officiel www.binance.com/ZH-CN :Entrez le site officiel ☜☜
Application: ☞☞Official App Download☜☜
Dans le domaine de l'intelligence artificielle, Noam Brown, directeur de la recherche de raisonnement à Openai, a récemment fait une remarque stimulante lors de la conférence NVIDIA GTC. Il a proposé que si les chercheurs avaient maîtrisé les méthodes et les algorithmes corrects il y a 20 ans, certaines formes de modèles d'IA "d'inférence" pourraient être disponibles il y a longtemps. Ce point de vue révèle d'éventuels angles morts et des orientations de recherche négligées dans le développement de l'intelligence artificielle.
Brown passe en revue son expérience dans la recherche sur l'IA de jeu à l'Université Carnegie Mellon, en particulier en développant un système Pluribus qui peut battre les meilleurs joueurs de poker humain. Il a souligné que le caractère unique de ce système d'IA est sa capacité de "raisonnement" plutôt que de s'appuyer sur un calcul violent simple. Cette capacité de raisonnement permet à l'IA de réfléchir profondément dans des situations complexes, similaires au processus de réflexion des humains face à des difficultés.
En tant que l'un des architectes du modèle d'IA d'OpenAI O1, Brown a introduit une technologie innovante appelée "inférence sur les tests". Cette technique permet au modèle de «penser» avant de répondre à une requête, ce qui entraîne une certaine forme d '«inférence» à travers des calculs supplémentaires. Ce modèle d'inférence montre une précision et une fiabilité plus élevées dans des domaines tels que les mathématiques et les sciences, ouvrant de nouvelles directions pour le développement de l'IA.
Au cours de la discussion, Brown a également parlé du rôle du monde universitaire dans la recherche sur l'IA. Bien que les collèges et les universités manquent généralement de ressources informatiques, il estime que les universitaires peuvent toujours jouer un rôle important en explorant des domaines avec de faibles exigences informatiques, telles que la conception d'architecture de modèle. Il a souligné l'importance de la collaboration entre Frontier Laboratories et la communauté académique, notant que les laboratoires de frontières surveilleront étroitement les publications universitaires et évalueront si les arguments qu'ils proposaient sont suffisamment convaincants.
Brown a spécifiquement mentionné le domaine de l'analyse comparative de l'IA, croyant que le monde universitaire peut jouer un rôle important. Il a critiqué le statut actuel des repères de l'IA, soulignant que ces tests examinent souvent les connaissances ésotériques et sont moins pertinents pour la compétence des tâches dont la plupart des gens se soucient. Il a appelé à des améliorations dans les repères de l'IA, estimant que cela ne nécessite pas une grande quantité de ressources informatiques, mais peut améliorer considérablement la compréhension des capacités et des améliorations du modèle.
Il convient de noter que les remarques de Brown sont principalement basées sur son expérience dans la recherche sur l'IA avant de rejoindre OpenAI, plutôt que sur des modèles d'inférence comme O1. Ses points de vue offrent une nouvelle perspective pour la recherche dans le domaine de l'intelligence artificielle, soulignant l'importance des capacités de raisonnement dans le développement de l'IA et le potentiel de collaboration entre le monde universitaire et les laboratoires de pointe.