在这一轮生成式人工智能迭代潮的关键环节之一,芯片设计公司英伟达似乎没有得到资本市场之外更多人的关注。不同于这批脱颖而出的技术公司,英伟达既提出了先进的训练方法,还设计了让不同类型人工智能模型更容易学习和创造内容的芯片。
不久前,挪威养老金 CEO Nicolai Tangen 主持的播客邀请到英伟达 CEO 黄仁勋对谈,剪辑以后的音频时长仍近 50 分钟。对话中,黄仁勋回顾了设计适用于人工智能的超级计算机从 0 到 1 的过程,介绍如何设计世界上最大、最复杂的芯片之一。
他把设计芯片比作从零开始设计一个比纽约市大几千倍的城市,以此帮助听众更好理解这行不一样的地方。他非常清楚,人工智能是学习模式,而非单纯的技术或者计算机语言。
挪威养老金是全球最大主权财富基金之一,它们持有英伟达价值近 40 亿美元的股份。以下是黄仁勋谈到的一些点。斜体字为黄仁勋口述内容。
OpenAI 没有很好描述 GPT-4 的新突破
-GPT-4 的突破之一是可以同时学习语言和图像内容,就跟我们人类学东西一样,阅读图文比只看文字更容易理解事物。比如,你给一个只看过马的人介绍斑马,对方不容易理解,但如果你说 “斑马和马外形相近,但有黑白条纹”,对方就能把马的样子的斑马的语言描述建立关联。GPT-4 具有这样的学习能力。
如何理解 ChatGPT 是 AI 的 iPhone 时刻
-计算机的最初四五十年是线性发展,就像水、冰、水蒸气之间的关系,直到 Windows 95 颠覆了一切。之后又是一段时间的线性增长,直到互联网的普及,再之后是云、iPhone、移动云。其中,iPhone 让人更容易编写和分发应用,诞生了数以百万计的应用程序,让计算机编程大众化,消除技术鸿沟。现在再看 ChatGPT、人工智能编程,我们可以用人类语言让计算机做事情,不需要 Python、Java、 Pascal……
设计芯片有多难?想象一下从头开始设计一座比纽约大千倍的城市
-英伟达做的最难事情之一是设计芯片……想象一个比纽约成大 1000 倍的城市,然后从头开始重组它,找出每个建筑最佳位置,餐厅、公园等等,各种排列组合已经破表。英伟达只有借助人工智能才有可能解决这些问题。
未来五到十年,人工智能将要解决的最重要问题是数字生物学
-借助人工智能,人类学会理解蛋白质,理解其生化物质的作用、聚合方式、特定三维形状下可以实现的功能,从而可以从一个蛋白质的期望功能出发,合成具有某些更好特定能力的蛋白质。(龚方毅)
相关文章
猜你喜欢