Глава Nvidia: проблему галлюцинаций ИИ решит рост вычислительных мощностей

Интервью состоялось в в Гонконгском университете науки и технологий. Ведущий отметил, что спрос на вычислительные мощности для искусственного интеллекта ежегодно увеличивается в четыре раза, и связал этот рост с увеличением стоимости акций Nvidia в 300 раз. Затем ведущий спросил у Хуанга, ожидает ли он, что в следующие десять лет потребность в вычислительных мощностях вырастет в миллион раз.

Хуанг не дал прямого ответа, а вместо этого углубился в детали разработки искусственного интеллекта. Он выделил несколько ключевых этапов. Первый — это предварительное обучение, которое он сравнил с получением высшего образования. На этом этапе ИИ поглощает огромные объемы данных, извлекая из них знания. Второй этап — это постобучение, где ИИ тренируется на конкретных задачах. Здесь используются различные методы, такие как обучение с подкреплением на основе обратной связи от человека или ИИ, генерация синтетических данных и многопутевое обучение.

Наконец, третья область развития ИИ — это масштабирование во время тестирования, которое Хуанг также назвал «процессом мышления». Этот процесс гораздо сложнее, так как ИИ разбивает проблему на более мелкие подзадачи и последовательно ищет решение. При этом он может неоднократно пересматривать свои выводы и моделировать различные сценарии, особенно если точный ответ заранее неизвестен.

Несмотря на впечатляющие достижения в области искусственного интеллекта, Хуанг подчеркивает, что пока нельзя полагаться на информацию, которую он дает. Цель состоит в том, чтобы ответы ИИ были не просто результатом случайных совпадений, а точно отражали суть вопроса. Пользователь, по мнению главы Nvidia, не должен сомневаться, галлюцинация это или нет.

Хуанг считает, что до такого уровня развития ИИ-моделей осталось несколько лет, но при условии постоянного увеличения вычислительных мощностей и совершенствования алгоритмов.

Хуанг упомянул вклад Nvidia в развитие искусственного интеллекта. По его словам, Nvidia удалось снизить предельную стоимость вычислений в миллион раз, и это радикально изменило подходы исследователей. «Теперь использование мощных компьютеров для обучения моделей на огромных объемах данных стало обычной практикой. Именно благодаря этому машинное обучение получило такое широкое распространение», — сказал он.

Когда один из присутствующих отметил, что графические процессоры Nvidia для искусственного интеллекта все еще дорогие, Хуанг возразил, что без Nvidia их цена была бы в миллион раз выше. «За последние десять лет мы снизили стоимость в миллион раз. Это почти бесплатно!» — заявил Дженсен Хуанг.