Jensen Huang: «Κάθε εταιρεία θα γίνει ένα εργοστάσιο AI»
Στην κεντρική του ομιλία στο συνέδριο AI της Nvidia αυτή την εβδομάδα, ο CEO Jensen Huang προέβλεψε ότι κάθε εταιρεία θα μετατραπεί σε ένα «εργοστάσιο AI».
Πρόκειται για μια μεγάλη ιδέα που θα μπορούσε να κάνει τις επιχειρήσεις κάθε κλάδου επιτυχημένες στο μέλλον. Οπότε, αξίζει να την εξηγήσουμε.
Άκουσα για πρώτη φορά αυτή την ιδέα πέρυσι, όταν μιλούσα με τον Guillermo Rauch, CEO της AI startup Vercel. Μου εξήγησε τον ρόλο των tokens στην τεχνητή νοημοσύνη και ανέφερε ότι ο Huang συνηθίζει να λέει πως «κάθε εταιρεία θα γίνει ένα εργοστάσιο tokens».
«Τα πάντα είναι tokens»
Αν τα δεδομένα είναι η πρώτη ύλη της γενετικής τεχνητής νοημοσύνης, τότε τα tokens είναι η γλώσσα της. Τα AI μοντέλα μετατρέπουν λέξεις και άλλες εισόδους σε αριθμητικά tokens για να τις επεξεργάζονται και να τις κατανοούν πιο εύκολα. Ένα token αντιστοιχεί περίπου στα ¾ μιας λέξης.
Ένα παράδειγμα από τη Nvidia: Η λέξη «darkness» μπορεί να διασπαστεί στα tokens 271 για το «dark» και 655 για το «ness». Η αντίθετη λέξη, «brightness», θα αναπαρίσταται από τα tokens 491 και 655. Έτσι, το AI μοντέλο μπορεί να δει τον αριθμό 655 δύο φορές και να καταλάβει ότι οι λέξεις αυτές σχετίζονται.
Δισεκατομμύρια τέτοια tokens χρησιμοποιούνται για την εκπαίδευση των AI μοντέλων, καθώς και για τη βελτίωσή τους και τη λειτουργία τους. Αντί για τη φράση «τα πάντα είναι υπολογιστές», μπορεί να πει κανείς ότι «τα πάντα είναι tokens» στην εποχή της AI.
«Μία και μοναδική δουλειά»
Ο Huang, ο Rauch και άλλοι ειδικοί της τεχνολογίας πιστεύουν ότι οι σύγχρονες εταιρείες θα επιτύχουν δημιουργώντας τα περισσότερα tokens. Θα γίνουν εργοστάσια AI, παράγοντας tokens που θα βελτιώνουν και θα τροφοδοτούν τα συστήματα AI, τα οποία, με τη σειρά τους, θα βοηθούν τις επιχειρήσεις να παρέχουν καλύτερα προϊόντα και υπηρεσίες.
«Τις αποκαλώ εργοστάσια AI», είπε ο Huang την Τρίτη στο συνέδριο GTC. «Είναι εργοστάσια AI γιατί έχουν μία και μοναδική δουλειά: να δημιουργούν αυτά τα εκπληκτικά tokens που στη συνέχεια μετατρέπουμε σε μουσική, σε λόγο, σε βίντεο, σε έρευνα, σε χημικά ή πρωτεΐνες».
Πρόσθεσε ότι οι εγκαταστάσεις παραγωγής tokens θα λειτουργούν παράλληλα με τις παραδοσιακές επιχειρηματικές δραστηριότητες.
«Κάθε κλάδος, κάθε εταιρεία που έχει εργοστάσια, στο μέλλον θα έχει δύο εργοστάσια», προέβλεψε ο Huang. «Το ένα για τα φυσικά προϊόντα που κατασκευάζει και το άλλο για τα μαθηματικά – το εργοστάσιο AI».
Ως παράδειγμα ανέφερε τη βιομηχανία αυτοκινήτων, περιγράφοντας «ένα εργοστάσιο κατασκευής αυτοκινήτων» και «ένα εργοστάσιο AI για τα αυτοκίνητα».
Στη συνέχεια, έδωσε πρακτική διάσταση στην ιδέα του ανακοινώνοντας μια συνεργασία με τη General Motors, μέσω της οποίας η Nvidia θα βοηθήσει την GM να χρησιμοποιήσει AI για την κατασκευή αυτοκινήτων, ενώ παράλληλα θα κάνει τα οχήματά της πιο αυτόνομα.
Tesla: Κατασκευάζει αυτοκίνητα ή μηχανές παραγωγής tokens;
Ο Jason Liu, μηχανικός μηχανικής μάθησης και σύμβουλος AI, έκανε μια παρόμοια παρατήρηση για τα ηλεκτρικά οχήματα της Tesla και τον στόχο του Elon Musk να τα κάνει πλήρως αυτόνομα.
Όταν ένα Tesla κινείται στην πόλη, οι αισθητήρες του συλλέγουν τεράστιες ποσότητες δεδομένων για το περιβάλλον του. Αυτά τα δεδομένα μετατρέπονται σε tokens, τα οποία χρησιμοποιούνται για τη βελτίωση των AI μοντέλων της Tesla. Θεωρητικά, αυτό παράγει καλύτερο λογισμικό αυτόνομης οδήγησης, που καθοδηγεί τα οχήματα με μεγαλύτερη ακρίβεια και ασφάλεια.
«Στον κόσμο της AI, ο ρόλος των περισσότερων εταιρειών θα είναι η παραγωγή περισσότερων δεδομένων», δήλωσε ο Liu.
Υποστήριξε επίσης ότι η στρατηγική της Tesla να βάλει όσο το δυνατόν περισσότερα αυτοκίνητα στους δρόμους για να συλλέξει δεδομένα είναι πιο αποτελεσματική από την προσέγγιση της Waymo, «όπου οι μηχανικοί εργάζονταν απομονωμένοι για χρόνια, χωρίς να συλλέγουν τόσο πολλά δεδομένα ή tokens».
Λήψη καλύτερων επιχειρηματικών αποφάσεων
Ο Liu έδωσε ένα ακόμη παράδειγμα: Πώς μπορούν οι εταιρείες να λαμβάνουν καλύτερες επιχειρηματικές αποφάσεις, αναλύοντας τις διαδικασίες τους και μετατρέποντάς τες σε tokens;
«Για κάθε μεγάλη απόφαση, πιθανότατα μεσολαβούν έξι μήνες συζητήσεων μέσω Slack, Zoom, συναντήσεων διοικητικού συμβουλίου και dashboards δεδομένων», είπε.
Οι εταιρείες μπορούν πλέον να μετατρέψουν όλη αυτή την πληροφορία σε tokens και να τη χρησιμοποιήσουν για την εκπαίδευση ενός AI συστήματος, το οποίο θα λαμβάνει καλύτερες αποφάσεις στο μέλλον ή θα βοηθά τους ανθρώπινους ηγέτες να το κάνουν.
Παραδείγματα εργοστασίων tokens
Ο Rauch αναφέρει ότι η Vercel εφαρμόζει αυτή την προσέγγιση με το v0 tool, το οποίο βοηθά προγραμματιστές και μη τεχνικούς χρήστες να δημιουργούν ιστοσελίδες και εφαρμογές.
«Το v0 λαμβάνει απαιτήσεις χρηστών στα Αγγλικά και εξάγει μια εφαρμογή», εξηγεί. «Αυτά είναι τα δικά μας tokens».
Αναφέρθηκε επίσης στην OpenEvidence, πελάτη της Vercel, που χρησιμοποιεί AI για να συνθέσει μεγάλες ποσότητες ιατρικής έρευνας και να τις μετατρέψει σε χρήσιμες πληροφορίες για γιατρούς.
«Τα tokens τους είναι τα ερευνητικά δεδομένα που χρειάζονται οι γιατροί για να λαμβάνουν καλύτερες αποφάσεις», ανέφερε ο Rauch.
Ο Liu ανέφερε την περίπτωση της Mercor, μιας startup που προσλαμβάνει εξειδικευμένους PhD επιστήμονες για να συλλέγει τις γνώσεις τους και να τις μετατρέπει σε tokens που βελτιώνουν τα AI μοντέλα των εργαστηρίων.
«Η δουλειά κάθε εταιρείας θα είναι να παράγει νοημοσύνη, όπως ένα εργοστάσιο tokens», είπε ο Rauch.
