Keskusteltaessa generatiivisesta tekoälystä, eräässä äskettäisessä komiteakuulemisessa Australiassa käsiteltiin tarvetta kohtuuhintaiselle pääsylle tekoälymalleihin yliopisto-opiskelijoille. Carlo Iacono, tekoälyn strateginen neuvonantaja Charles Sturt Universityssa (CSU), korosti taloudellisia haasteita liittyen ilmaisen pääsyn tarjoamiseen ChatGPT 4.0 -tyyppisiin malleihin, ottaen huomioon yliopiston suuren opiskelijakunnan, joka ylittää 36 000 opiskelijaa.
Vaikka kaupallisten mallien kuten ChatGPTin tai Microsoftin Copilotin kustannukset ovat huolenaihe, Iacono korosti avoimen lähdekoodin laajojen kielimallien (LLM) potentiaalia tämän ongelman ratkaisemiseksi. Hän ehdotti, että Australian oppilaitokset voisivat hyötyä osallistumalla ja tukemalla Mistral AI-pohjaista Huggingface-projektia. Tällä tavoin he voisivat hyödyntää kehittyneitä tekoälytoimintoja luottaen vähemmän kalliisiin myyjäpohjaisiin ratkaisuihin.
Mikäli kaupallisten mallien saavutettavuus koettiin välttämättömäksi, Iacono ehdotti, että yliopistojen tulisi yhteisvoimin ajaa parempia ehtoja Microsoftin kaltaisten yritysten kanssa kansallisella tasolla. Tämä yhteistyö ponnistelu voisi auttaa neuvottelemaan kohtuullisempia hintoja tai vaihtoehtoisia pääsyjärjestelyjä.
Akateemisessa asiantuntijapaneelikeskustelussa osallistujat olivat yhtä mieltä tarpeesta sijoittaa tarvittavaa laskentatehoa laajojen kielimallien laajempaan saatavuuteen yliopistoille. Vahvistamalla laskentateknistä infrastruktuuriaan Australiassa toimivat oppilaitokset voisivat luoda ympäristön, joka edistää tekoälytutkimusta ja oppimista.
Tekoälymallien saatavuuden monipuolistaminen australialaisissa yliopistoissa on tärkeää innovaation edistämiseksi ja opiskelijoiden varustamiseksi arvokkailla taidoilla. Vaikka taloudelliset rajoitukset ovat edelleen haasteena, vaihtoehtojen tutkiminen, kuten avoimen lähdekoodin mallit ja strategiset kumppanuudet teollisuuden toimijoiden kanssa, voivat avata tien kohtuuhintaiselle pääsylle huipputason tekoälyteknologioihin. Tarttumalla näihin mahdollisuuksiin yliopistot voivat antaa opiskelijoilleen mahdollisuuden tutkia generatiivisen tekoälyn loputtomia mahdollisuuksia, tinkimättä samalla budjeteistaan.
Kysymys-vastaus-osiota perustuen artikkelissa esitettyihin pääaiheisiin ja tietoihin:
K: Mitä käsiteltiin äskettäisessä komiteakuulemisessa Australiassa?
V: Komiteakuulemisessa keskusteltiin tarpeesta kohtuuhintaiselle pääsylle tekoälymalleihin yliopisto-opiskelijoille.
K: Minkä taloudelliset haasteet Charles Sturt University (CSU) korosti?
V: CSU korosti taloudellisia haasteita, joita liittyy ilmaisen pääsyn tarjoamiseen tekoälymalleihin kuten ChatGPT 4.0, ottaen huomioon heidän suuren opiskelijakuntansa.
K: Minkä ratkaisun Carlo Iacono ehdotti kustannuskysymykseen?
V: Carlo Iacono ehdotti, että Australian oppilaitokset voisivat hyötyä avoimen lähdekoodin laajoista kielimalleista (LLM) kustannuskysymyksen ratkaisemiseksi.
K: Kuinka yliopistot voisivat saada kehittyneitä tekoälytoimintoja ilman kalliita ratkaisuja?
V: Yliopistot voisivat osallistua ja tukea projekteja kuten Mistral AI-pohjaista Huggingfacea, joka tarjoaa pääsyn kehittyneisiin tekoälytoimintoihin.
K: Minkä yhteistyön Iacono ehdotti parempien ehtojen neuvottelemiseksi yritysten kuten Microsoftin kanssa?
V: Iacono ehdotti, että yliopistot yhteisesti ajaisivat parempia ehtoja yritysten kuten Microsoftin kanssa kansallisella tasolla.
K: Minkä sijoituksen keskustelu käytiin akateemisessa asiantuntijapaneelikeskustelussa?
V: Osallistujat keskustelivat tarpeesta sijoittaa laskentatehoa laajojen kielimallien laajempaan saatavuuteen yliopistoille.
K: Miksi tekoälymallien monipuolinen saatavuus on tärkeää australialaisille yliopistoille?
V: Tekoälymallien monipuolinen saatavuus australialaisissa yliopistoissa on tärkeää innovaation edistämiseksi ja opiskelijoiden varustamiseksi arvokkailla taidoilla.
K: Mitkä vaihtoehdot artikkeli ehdotti kohtuuhintaiseen pääsyyn tekoälyteknologioihin?
V: Artikkeli ehdotti vaihtoehtojen tutkimista, kuten avoimen lähdekoodin malleja ja strategisia kumppanuuksia teollisuuden toimijoiden kanssa.
Määritelmiä artikkelissa käytetyille keskeisille termeille ja jargonille:
– Tekoälymallit: viittaa tietokonemalleihin tai algoritmeihin, jotka matkivat ihmisen älykkyyttä ja pystyvät suorittamaan tehtäviä tai tekemään päätöksiä ilman eksplisiittistä ohjelmointia.
– ChatGPT: OpenAI:n kehittämä chatbot-analyyttinen älymalli, joka pystyy tuottamaan ihmismäisiä vastauksia tekstipohjaisissa keskusteluissa.
– Copilot: GitHubin kehittämä tekoälyvoimainen koodityökalu, joka auttaa kehittäjiä koodin kirjoittamisessa.
– Laajat kielimallit (LLM): tekoälymallit, jotka on koulutettu suurella määrällä tekstidataa ja jotka pystyvät tuottamaan ihmismäisiä tekstivastauksia.
– Avoimen lähdekoodin mallit: tekoälymalleja, jotka ovat julkisesti saatavilla ja joihin kuka tahansa voi vapaasti päästäkseni muokkaamaan eri tarkoituksiin.
– Mistral AI-pohjainen Huggingface: tekoälyprojekti, joka tarjoaa avoimen lähdekoodin työkaluja ja kirjastoja luonnollisen kielen prosessointiin ja koneoppimistehtäviin.
– Laskentatekninen infrastruktuuri: laitteisto-, ohjelmisto- ja verkkoresurssit, jotka ovat tarpeen laskentatehoon vaativien tehtävien tai sovellusten tukemiseksi.
Ehdotetut liittyvät linkit:
– OpenAI: OpenAI:n virallinen verkkosivusto, josta löydät lisätietoa tekoälymalleista kuten ChatGPT.
– GitHub: GitHubin virallinen verkkosivusto, josta voit oppia Copilotista ja muista kehittäjätyökaluista.
– Huggingface: Huggingfacen virallinen verkkosivusto, josta voit tutustua Mistral AI-pohjaiseen Huggingfaceen ja sen avoimen lähdekoodin tekoälytyökaluihin ja kirjastoihin.
The source of the article is from the blog krama.net