搭建基础设施解锁AI下大路

和人造智能领域和机器学习领域多者相似Greg Diamos都与AI变换前景相关未来机器编译破解码 事前诊断疾病 并给我们每个人超人智能

Diamos表示, Condromons的共同创建者开放平台对AI技术进行基准测试"我想生活在一个世界里 你可以把那些能力给每个人万一每个人都有超能力呢?

捕捉数据库需要进化并大规模扩展现有基础设施深学习任务计算费用昂贵,需要大量资源和IT裁剪基因化AI赛事加热 和更多组织机载预测工具 IT亲手面对上山大战 支持电力饥饿AI应用

Diamos对预测表示:「同时成为数据中心管理者肯定令人振奋和恐惧”。数据库计算不足 不论你是谁

生成AI不可满足需求

2022年,他共同创建来明正在搭建企业LLM微调系统Diamos系统构建者AI专家Diamos搭建基础设施栈,使GPT软件基础化并帮助Nivida设计有影响力Volta图形处理单元

Diamos在中国搜索巨头百度期间,是机器学习团队成员,该团队撰写了一篇关于AI缩放法的有影响力论文,为AI模型极大数据集培训提供理由论文认为GPT模型变指数智能

Diamos表示:「如果我们前向投影,AI会继续变智能,转曲柄情报 你需要指数计算

无法满足对资源的需求 IT专业人士摇手显示最新Nutanix企业云索引绝大多数受访者(86%)认为运行高性能工作量,包括数据分析、AI和ML挑战当前IT基础

下一代LLMs,如OpenAIGPT-4和GooglePALM2百倍大小前AI模型

Diamos表示,AI部署的最大瓶颈是获取高功率GPU广受聊天GPT及其他GPT应用启发对极快处理器极快需求猛增以驱动AI和ML

Diamos表示:「供求大不匹配,

广域IT生态圈在某种程度上与此隔绝是因为最大超标者-你们的微软和亚马孙和谷歌提前深入学习拥有数以十万计GPUs

基因化人工智能通常运行公共云基础设施 — — 大型公共超标机可访问巨型服务器集群和最新最大GPUs上升数据中心成本低可用性使组织离散寻找替代物

求处理合理量数据 供合理量用户使用8xA100机运行像Llama2公有云上每年花费数十万元-如果你能找到它-他估计

AI优化基础设施

LLM部署的一个可行选项是混合多云.更多企业采用更新AI和ML技术,

Opprem可能是一个更好的地方 现在GPU服务器嵌入自身比等待云提供商实现更容易,may没有足够的GPUs,但至少你有能力启动, 免得你被市场拒之门外

面向本地部署AI的组织, 边缘或超公共与私有云层混合使用Nutanix GPT-a-Box表示游戏变换者Diamos设计简化运行预培训变压器GPT-a-box帮助IT部门大小、采购和配置AI优化基础设施

首次搭建AI基础设施可做恶梦这是一项巨型工程投资只需按按钮并开始自创程序 就能省下很多时间

NutanixGPT入包讲通开工点简单多了用不着重构轮子 搭建所有基础设施加速化

人工通用智能路径

Diamos表示进化AI屏障下降,他预测未来LLMs将对多种行业和领域产生深远影响

并提到GPT应用成功使用像CatGPT和GitHubColit医保 制造 物流 生物科技

说到点子 2023调查mcKinsey发现40%的组织期望对AI投资更多,

深入观察 Diamos预测LLMs博士类情报为高专业领域专家提供高级研究工具

英文为通用版语言模型等技术非常泛泛至今为止我们还没有看到任何行业无法应用到它,

LLMS微调上下文医学AI应用领域已经在个人化医学领域发展壮大。 个人化医学学科使用数据分析将医疗定制化面向个体患者剖面

并使用语言模型, 就能理解数据并给出非常详细精确的建议,它可以做更好的工作理解你 特殊医学复杂症的风险

Diamos预测,在单人寿命期间,AI和ML可获取许多其他人的能力-潜在能力超过人的能力。

技术开发在过去几百年中一直是基础万事加速后会怎么样有机器参与并加速时会怎么样?

Diamos比较自中世纪以来机械工程的进步,预想未来几代AI驱动机和软件是高度先进工具,将大大增强人的能力

人造机器能力大大超出人机能力我想我们会看到同一件事情报和机械工程一样 我不确定他们会长得像我们想到回路或回路或锤子时,它并不像我们。”

应该是令人兴奋的我不知道它会是什么样,

有一点是肯定的: 数据中心将发挥关键作用 驱动变异AI提高, 但要到那里则需要大量的计算

Jason Johnson是一个贡献作家长时内容编译科技邻接企业上搜搜链接化.

2024Nutanix公司所有权利保留补充法律信息麻烦你到这来.