انویدیا به نظر نمی‌رسد به این موضوع اهمیت دهد که مدل‌های باز یا بسته برنده می‌شوند، تا زمانی که سخت‌افزار آن زیرساخت‌ها را تغذیه می‌کند.
جنسن هوانگ، مدیرعامل شرکت، گفت: «ما مدل‌های بسته را دوست داریم. برای مدل‌های پیشرو بسته جایگاه مطمئنی در جهان وجود دارد. اما جهان ایده‌های خوب زیادی دارد... ایده اینکه همه ما بر پایه هوش عمومی استوار باشیم، منطقی نیست.»
هوانگ در گفتگو با لین چیاو، مدیرعامل و بنیان‌گذار Fireworks.ai، در رویداد Forge این شرکت در سانفرانسیسکو در روز سه‌شنبه، حاضر نبود مشتریان ابری انویدیا - که در ارائه هوش مصنوعی اختصاصی آنتروپیک (Anthropic) و اوپن‌ای‌آی (OpenAI) کمک می‌کنند - را زیر چرخ اتوبوسِ رو‌به‌رشد مدل‌های باز بکشد.
اما پس از اینکه در جولای در دفاع از مدل‌های باز وزن‌ها برخاست تا در برابر فشارهای حمایتی رهبری آنتروپیک و اوپن‌ای‌آی دفع کند، هوانگ به'appel اقتصادی و استراتژیک خدمات هوش مصنوعی که ارزان‌تر و کمتر وابسته (less locked-in) هستند، واقف است.
او گفت: «بیشترین ارزش در جهان در هوش تخصصی نهفته است، یعنی مدل‌های هوش مصنوعی که روی دامنه‌های خاص دانش آموزش دیده‌اند.»
هوانگ افزود: «فرصت برای هوش فرامصنوعی در اینجا وجود دارد. با بردن یک مدل پیشرو باز، تطبیق دادن آن، و فراهم کردن دانش تخصصی خود، دسترسی به ابزارهای تخصصی‌تان، و ارزیابی مناسب، شما باید بتوانید در اصل یک هوش فرامصنوعی بسازید.»
این موضوع با کسب‌وکار Fireworks هم‌سو است - که پلتفرمی برای آموزش و اجرای مدل‌های تنظیم‌شده بر اساس نیازهای خاص شرکت‌ها ارائه می‌دهد. به طور تصادفی، این پلتفرم تازه با تزریق ۲۵ هزار جی‌پی‌یو (GPU) انویدیا برای پشتیبانی از گسترش خود در اروپا روبرو شده است.
حمایت هوانگ از مدل‌های باز همچنین با سخنان مقدماتی چیاو درباره ضرورت باز بودن مرز پیشرو هوش مصنوعی هم‌راستا است. اما او تا حد زیادی از تکرار تمرکز چیاو بر صرفه‌جویی‌های هزینه‌ای ناشی از کار با مدل‌های باز پرهیز کرد.
دِلز.
در سخنان آغازین خود، چیاو روی صحنه ایستاده بود، در حالی که یک اسلاید شامل ده تیتر، که هزینه‌های استثنایی خرج توکن‌های بی‌رویه را برجسته می‌کردند، پشت او درخشید.
او گفت: «هزینه‌ها بی‌رویه شده‌اند. کسب‌وکارها نمی‌توانند بدون قرض گرفتن مبالغ زیادی مقیاس‌پذیر شوند.»
این موضوع در یک جلسه بعدی که تحت مدیریت کی جو، یکی از بنیان‌گذاران و مدیرعامل فنی فضای کار هوش مصنوعی گنسپارک (Genspark)، با عنوان «اسلایدهای نسل اول: کیفیت مرزی بدون هزینه‌های مرزی» تکرار شد. «اسلایدهای نسل اول»، مدل گنسپارک برای تولید دک‌های اسلاید، بر پایه مینی‌مکس ام۳ (MiniMax M3) ساخته شده و برای ارائه نتایجی مشابه اپوس ۵ (Opus 5) از آنتروپیک (Anthropic) با ۱/۱۷ هزینه بهینه شده بود – ۳۰ سنت در برابر هر میلیون توکن در مقایسه با ۵ دلار.
وقتی از هوانگ پرسیده شد که چه چیزی ممکن است در سال آینده رایج شود اما امروز بعید به نظر می‌رسد، او گفت که پیشرفت امسال، قاب‌های عامل (agent harnesses) بوده است که مدل‌های هوش مصنوعی را به عامل‌ها تبدیل می‌کنند. او اضافه کرد: «می‌گویم پیشرفت بزرگ که سال آینده درباره‌اش صحبت خواهیم کرد، شاید کمی خودمحورانه به نظر برسد، این است که اوپن شل (Open Shell) چگونه به هر شرکت در جهان امکان می‌دهد تا عامل‌ها را به طور مطمئن و با اطمینان استقرار دهد.»
با توجه به اشاره برای ارائه یک پیش‌بینی دوم، هوانگ اضافه کرد: «می‌گویم پیشرفت بزرگ دوم برای صنعت، سخت‌افزار در حلقه (hardware in the loop) خواهد بود. و سخت‌افزار در حلقه اساساً سیستم‌های رباتیکی است.»
با توجه به علاقه و سرمایه‌گذاری‌های مشهود اینویدیا در رباتیک، این اتفاق خوش‌بینانه خواهد بود. ®
تیم ترجمه تحریریه گیلانی جان - محمد رمضانی - سیده رقیه پوراشرفی