Diskusjonen om generativ AI har ført til at en nylig komitéhøring i Australia har hørt behovet for overkommelig tilgang til AI-modeller for universitetsstudenter. Carlo Iacono, AI-strategirådgiver ved Charles Sturt University (CSU), påpekte de økonomiske utfordringene med å gi gratis tilgang til modeller som ChatGPT 4.0, gitt universitetets store studentpopulasjon på over 36 000.
Mens kostnaden for kommersielle modeller som ChatGPT eller Microsofts Copilot fortsatt er et problem, fremhevet Iacono potensialet til åpen kildekode for store språkmodeller (LLM) for å løse denne utfordringen. Han foreslo at institusjoner i Australia kunne nyte godt av å delta i og støtte prosjekter som Mistral AI-baserte Huggingface. På denne måten kunne de få avanserte AI-evner uten å være avhengige av dyre leverandørbaserte løsninger.
Hvis tilgjengeligheten til kommersielle modeller ble ansett som nødvendig, foreslo Iacono at universitetene burde samarbeide for bedre vilkår med selskaper som Microsoft på nasjonalt nivå. Denne samarbeidsinnsatsen kunne bidra til å forhandle frem mer realistisk prising eller alternative tilgangsordninger.
Under den akademiske rundebordsdiskusjonen ble deltakerne enige om behovet for å investere i nødvendig databehandlingskraft for å gjøre LLM-er bredt tilgjengelig for universitetene. Ved å bygge opp bedre databehandlingsinfrastruktur kunne institusjoner i Australia skape et miljø som er gunstig for AI-forskning og læring.
Å diversifisere tilgjengeligheten av AI-modeller ved australske universiteter er avgjørende for å fremme innovasjon og utruste studenter med verdifulle ferdigheter. Mens økonomiske begrensninger fortsatt er en utfordring, kan utforsking av alternativer som åpen kildekode-modeller og strategiske partnerskap med bransjespillere legge veien for rimelig tilgang til banebrytende AI-teknologier. Ved å gripe disse mulighetene kan universitetene gi studentene muligheten til å utforske de ubegrensede mulighetene innen generativ AI uten å gå på bekostning av budsjettene.
En FAQ-seksjon basert på hovedtemaene og informasjonen presentert i artikkelen:
Q: Hva ble diskutert under den nylige komitéhøringen i Australia?
A: Komitéhøringen diskuterte behovet for overkommelig tilgang til AI-modeller for universitetsstudenter.
Q: Hvilke økonomiske utfordringer pekte Charles Sturt University (CSU) på?
A: CSU pekte på de økonomiske utfordringene med å gi gratis tilgang til AI-modeller som ChatGPT 4.0, med tanke på deres store studentpopulasjon.
Q: Hvilken løsning foreslo Carlo Iacono for å håndtere kostnadsproblemet?
A: Carlo Iacono foreslo at institusjoner i Australia kunne dra nytte av åpen kildekode for store språkmodeller (LLM) for å håndtere kostnadsproblemet.
Q: Hvordan kan universiteter få tilgang til avanserte AI-evner uten å være avhengige av dyre løsninger?
A: Universiteter kan delta i og støtte prosjekter som Mistral AI-baserte Huggingface, som gir tilgang til avanserte AI-evner.
Q: Hvilket samarbeid foreslo Iacono for å forhandle bedre vilkår med selskaper som Microsoft?
A: Iacono foreslo at universitetene skulle samarbeide for å fremme bedre vilkår med selskaper som Microsoft på nasjonalt nivå.
Q: Hvilke investeringer ble diskutert under den akademiske rundebordsdiskusjonen?
A: Deltakerne i diskusjonen diskuterte behovet for å investere i databehandlingskraft for å gjøre store språkmodeller bredt tilgjengelig for universitetene.
Q: Hvorfor er det viktig å diversifisere tilgjengeligheten av AI-modeller for australske universiteter?
A: Å diversifisere tilgjengeligheten av AI-modeller for australske universiteter er avgjørende for å fremme innovasjon og utruste studenter med verdifulle ferdigheter.
Q: Hvilke alternativer foreslo artikkelen for overkommelig tilgang til AI-teknologier?
A: Artikkelen foreslo å utforske alternativer som åpen kildekode-modeller og strategiske partnerskap med bransjespillere.
Definisjoner for nøkkelbegreper og fagspråk brukt i artikkelen:
– AI-modeller: refererer til datamodeller eller algoritmer som etterligner menneskelig intelligens og er i stand til å utføre oppgaver eller ta beslutninger uten eksplisitt programmering.
– ChatGPT: en chatbot-AI-modell utviklet av OpenAI, som er i stand til å generere menneskelignende svar i tekstbaserte samtaler.
– Copilot: et AI-drevet kodingsverktøy utviklet av GitHub, som hjelper utviklere med å skrive kode.
– Large language models (LLMs): AI-modeller som er trent på store mengder tekstdata og kan generere menneskelignende tekstsvar.
– Åpen kildekode-modeller: AI-modeller som er offentlig tilgjengelige og kan fritt brukes og modifiseres av hvem som helst til ulike formål.
– Mistral AI-baserte Huggingface: et AI-prosjekt som tilbyr åpen kildekode-verktøy og -biblioteker for naturlig språkbehandling og maskinlæring.
– Databehandlingsinfrastruktur: den maskinvaren, programvaren og nettverksressursene som kreves for å støtte beregningskrevende oppgaver eller applikasjoner.
Foreslåtte relaterte lenker:
– OpenAI: OpenAIs offisielle nettsted, hvor du kan finne mer informasjon om AI-modeller som ChatGPT.
– GitHub: GitHub sitt offisielle nettsted, hvor du kan lære om Copilot og andre utviklervarer.
– Huggingface: Huggingfaces offisielle nettsted, hvor du kan utforske Mistral AI-baserte Huggingface og deres åpen kildekode AI-verktøy og -biblioteker.
The source of the article is from the blog scimag.news