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: