Tautan Jalur Breadcrumb
Bisnis PMN
Salah satu kepercayaan yang mendasari pendekatan yang haus kekuatan untuk pembelajaran mesin yang diajukan oleh Openai dan Mistral AI adalah bahwa model kecerdasan buatan harus meninjau seluruh datasetnya sebelum memuntahkan wawasan baru.
Penulis artikel:
Diterbitkan 15 Mar 2025 • Baca 3 menit
Konten artikel
(Bloomberg)-Salah satu kepercayaan yang mendasari pendekatan yang haus kekuasaan untuk pembelajaran mesin yang diajukan oleh Openai dan Mistral AI adalah bahwa model kecerdasan buatan harus meninjau seluruh datasetnya sebelum memuntahkan wawasan baru.
Konten artikel
Konten artikel
Sepp Hochreiter, pelopor awal teknologi yang menjalankan laboratorium AI di Universitas Johannes Kepler di Linz, Austria, memiliki pandangan yang berbeda, yang membutuhkan daya tunai dan daya komputasi yang jauh lebih sedikit. Dia tertarik mengajar model AI bagaimana melupakan secara efisien.
Iklan 2
Konten artikel
Hochreiter memegang tempat khusus di dunia kecerdasan buatan, setelah menskalakan puncak tertinggi teknologi jauh sebelum sebagian besar ilmuwan komputer. Sebagai seorang mahasiswa di Munich selama 1990 -an ia datang dengan kerangka kerja konseptual yang menopang generasi pertama model AI gesit yang digunakan oleh Alphabet, Apple dan Amazon.
Pendekatan itu, yang disebut memori jangka pendek panjang, atau LSTM, mengajarkan komputer tidak hanya bagaimana menghafal data yang kompleks, tetapi juga informasi mana yang akan dibuang. Setelah MIT Press menerbitkan hasil Hochreiter, ia menjadi bintang di kalangan teknologi dan LSTM standar industri.
Sekarang, dengan keprihatinan meningkat tentang sejumlah besar energi yang dibutuhkan untuk memberi daya pada AI-dan awal yang lambat di Eropa dalam mengembangkan teknologi-ilmuwan berusia 58 tahun itu kembali dengan model AI baru yang dibangun pada pendekatan ini.
Pada bulan Mei, Hochreiter dan tim peneliti merilis XLSTM, yang menurutnya terbukti lebih cepat dan lebih hemat energi daripada AI generatif. Untuk menjelaskan cara kerjanya, ia memohon sepotong teknologi informasi yang lebih lama: buku ini.
Setiap kali seorang pembaca mengambil novel dan memulai bab baru, dia tidak perlu bersepeda melalui setiap kata sebelumnya untuk mengetahui di mana cerita itu ditinggalkan. Dia akan mengingat plot, subplot, karakter dan tema, dan membuang apa yang bukan pusat cerita. Membedakan apa yang harus diingat dari apa yang bisa dilupakan adalah, Hochreiter percaya, kunci untuk perhitungan yang cepat dan efisien.
Cerita teratas
Konten artikel
Iklan 3
Konten artikel
Itu juga mengapa XLSTM tidak bergantung pada pusat data $ 100 miliar yang menyedot dan menyimpan semuanya.
“Ini adalah model yang lebih ringan dan lebih cepat yang mengkonsumsi energi jauh lebih sedikit,” kata Hochreiter.
Sementara hiperscaler telah lama mendominasi sektor ini, keberhasilan Deepseek China awal tahun ini menunjukkan bahwa penekanan pada efisiensi mungkin semakin menarik bagi investor. Perusahaan mulai dengan hanya 10 juta yuan ($ 1,4 juta). Sejak itu, bisnis AI lainnya juga merangkul model yang berjalan pada lebih sedikit chip. Dan bahkan sebelum itu, ada dorongan untuk meluncurkan model bahasa kecil yang lebih gesit dan lebih terjangkau.
Dengan prospek perang dagang AS-Eropa yang menjulang dan kebutuhan akan kedaulatan teknologi menjadi fokus, Hochreiter percaya AI yang dibuat khusus sangat cocok untuk Eropa. “Semua orang akan beralih ke model baru yang lebih cocok untuk tujuan di tahun -tahun mendatang,” katanya. “Sangat penting bahwa kita berkonsolidasi di Eropa di sekitar teknologi, algoritma, dan metode yang kita miliki.”
Selama wawancara di AI Institute-nya, sekitar 150 kilometer (93 mil) di sebelah timur pertanian di Jerman di mana ia dibesarkan, Hochreiter menjelaskan bahwa ia melihat lebih banyak nilai dalam bekerja dengan data manufaktur dan perdagangan swasta daripada dengan set data besar. “Bahasa,” katanya, “bukanlah bisnis inti dari sebagian besar perusahaan.”
Iklan 4
Konten artikel
Tidak semua orang yakin. Sementara Deepseek menunjukkan bahwa investasi kecil dapat menyebabkan gangguan pasar yang besar, Hochreiter masih perlu membuktikan bahwa ia dapat meningkatkan teknologinya. Ilmuwan komputer yang telah meninjau strategi Hochreiter mencatat bahwa model yang dilatihnya jauh lebih kecil daripada chatgpt. Beberapa mempertanyakan apakah XLSTM akan dapat skala, dan jika dapat mempertahankan efisiensi komputasi yang diasumsikan ketika diterapkan pada set data yang lebih besar yang membutuhkan daya pemrosesan lebih banyak.
Pertanyaan -pertanyaan itu dapat dijawab sebagai Hochreiter dan timnya membawa pekerjaan mereka ke dunia perusahaan.
Pada tahun lalu, labnya telah memutar dua perusahaan yang sekarang bekerja dengan produsen robot, drone, dan peralatan listrik Eropa. Yang pertama, NXAI GmbH, di mana Hochreiter bertindak sebagai Kepala Ilmuwan, mengumpulkan sekitar € 20 juta ($ 22 juta) dalam putaran pendanaan yang dipimpin oleh industrialis Austria Stefan Pierer. Yang kedua, Emmi AI GmbH, dijalankan oleh mantan peneliti Microsoft Johannes Brandstetter, memulai operasi bisnis bulan ini.
NXAI tidak mencari dana modal usaha-sebaliknya, perusahaan untuk mengambil taruhan dalam model AI vertikal khusus industri di sektor-sektor seperti otomotif, bioteknologi dan robotika. “Saat ini, ada masalah pengembalian investasi di AI,” kata Chief Executive Officer NXAI, Albert Ortig. “Kami ingin menciptakan sesuatu dengan daya tahan yang tidak dijual seharga satu miliar euro setelah beberapa tahun.”
Di labnya tak jauh dari pantai Sungai Danube, Hochreiter yakin bahwa dia berada di jalur yang benar.
“Kami telah membuat sesuatu yang lebih baik,” katanya.
Konten artikel
Bagikan artikel ini di jejaring sosial Anda
