인공 지능 분야에서 OpenAI의 추론 연구 책임자 인 Noam Brown은 최근 NVIDIA GTC 회의에서 생각을 불러 일으키는 발언을했습니다. 그는 연구원들이 20 년 전에 올바른 방법과 알고리즘을 마스터했다면 일부 형태의 "추론"AI 모델을 오래 전에 사용할 수 있다고 제안했다. 이 견해는 인공 지능 개발에서 가능한 사각 지대와 무시한 연구 방향을 보여줍니다.
Brown은 Carnegie Mellon University의 게임 AI 연구 경험, 특히 인간 포커 플레이어를 이길 수있는 플루 리버 시스템을 개발하는 경험을 검토합니다. 그는이 AI 시스템의 독창성이 단순한 폭력 컴퓨팅에 의존하기보다는 "추론"능력이라고 강조했다. 이러한 추론 능력은 AI가 어려움에 직면 할 때 인간의 사고 과정과 유사하게 복잡한 상황에서 깊이 생각할 수있게합니다.
Brown은 OpenAI의 AI 모델 O1의 건축가 중 하나 인 "테스트에 대한 추론"이라는 혁신적인 기술을 소개했습니다. 이 기술을 사용하면 쿼리에 응답하기 전에 모델이 "생각"할 수 있으며 추가 계산을 통해 어떤 형태의 "추론"을 유도 할 수 있습니다. 이 추론 모델은 수학 및 과학과 같은 분야의 정확도와 신뢰성이 높아져 AI 개발을위한 새로운 방향을 열어줍니다.
토론에서 Brown은 AI 연구에서 학계의 역할에 대해서도 이야기했습니다. 대학은 일반적으로 컴퓨팅 리소스가 부족하지만, 모델 아키텍처 설계와 같은 컴퓨팅 요구 사항이 낮은 영역을 탐색함으로써 학계는 여전히 중요한 역할을 할 수 있다고 생각합니다. 그는 프론티어 실험실이 학술 간행물을 면밀히 모니터링하고 그들이 제시 한 주장이 충분히 설득력이 있는지 평가할 것이라고 지적하면서 프론티어 실험실과 학술 공동체 간의 협력의 중요성을 강조했다.
Brown은 AI 벤치마킹 분야를 구체적으로 언급했으며 학계는 IT에서 중요한 역할을 할 수 있다고 믿습니다. 그는 AI 벤치 마크의 현재 상태를 비판하면서 이러한 테스트는 종종 난해한 지식을 조사하고 대부분의 사람들이 관심을 갖는 작업의 능력과 관련이 없다고 지적했다. 그는 AI 벤치 마크의 개선을 요구했으며, 이는 많은 양의 컴퓨팅 리소스가 필요하지 않지만 모델 기능과 개선에 대한 이해를 크게 향상시킬 수 있다고 믿었습니다.
Brown의 발언은 주로 O1과 같은 추론 모델이 아닌 OpenAI에 가입하기 전에 도박 AI 연구 경험을 기반으로한다는 점은 주목할 가치가 있습니다. 그의 견해는 인공 지능 분야의 연구에 대한 새로운 관점을 제공하며, AI 개발에서 추론 능력의 중요성과 학계와 최첨단 실험실 간의 협력 가능성을 강조합니다.