避免「運算鴻溝」，加拿大MILA與國際合作打造真正開放的 AI

脆弱的AI系統與越來越集中的資源

我們希望人工智慧能像人類一樣，具備多方面的能力以完成不同任務，當前的研究也更朝向所謂「通用人工智慧」（Artificial General Intelligence, AGI）的方向前進。不過，目前業界對於AGI仍沒有一個共同的定義，例如OpenAI定義其為「在最具經濟價值的工作中，表現優於人類的高度自治系統」。

Irina提到，當前的人工智慧仍不穩定且十分容易受到擾動，僅能應用於特定領域，並在實際應用中帶來挑戰。例如自動駕駛車就會受到不同環境駕駛的影響，或是在AI 醫療影像辨識上完成的訓練系統，僅能用於某些特定疾病。但是，基礎模型（ Foundation Model ）的提出帶來新的變革。透過海量資料訓練出一個模型，使之能應用於不同領域，這更接近通用人工智慧的想像。在各研究成果中也可以看到，當訓練資料提升到一定數量之後，在模型表現劇烈提升，也有越來越多人透入大規模的訓練數據與模型研究中。

但是，這些研究與趨勢也帶來了新的挑戰。由於這些研究所需的計算資源對於學術與非營利組織而言難以負擔，擁有最大電腦算力者將受益最大，這也擴大了學術界與非營利研究與產業間的差距擴大，並導致人工智慧力量集中在少數領先公司手中。

邁向真正開放的 AI

由於大規模運算資源將極大地促進全球開放 Al 研究的發展，這也促使 MILA 積極與大學和非營利組織間共同合作，努力開發共同的目標和工具，以推進大規模基礎模型領域的發展。Irina提到，為了避免在少數大公司中積累最先進的人工智慧技術，同時共同推進人工智慧領域並保持開放，亦即人工智慧的「民主化」。

MILA 的目標是發展廣泛的國際合作，建立越來越強大的基礎模型，同時安全、穩健並符合人類價值觀。使這些模型成為眾多人工智慧應用的基礎，並能應用於工業、醫療保健，及科學發現，使之成為具有巨大社會價值的人工智慧驅動應用。

了解更多基礎模型的研究與MILA的計畫請點選以下影片觀賞：