智東西（公眾號：zhidxcom）
編譯| 銘滟
編輯 | 徐珊
智東西8月16日消息，據(jù)The Information報道，Edo Liberty和Aidan Gomez共同在The Information的電話會議中討論了生成式人工智能的未來發(fā)展，討論內(nèi)容包括人工智能虛假信息問題、開源模型的數(shù)據(jù)版權(quán)與性能退化以及GPU算力短缺的解決方案等。
Edo Liberty是Pinecone的首席執(zhí)行官。Pinecone是一家人工智能初創(chuàng)公司，該公司主營業(yè)務(wù)是幫助開發(fā)人員使用自己的數(shù)據(jù)構(gòu)建人工智能應(yīng)用程序。Aidan Gomez是Cohere的聯(lián)合創(chuàng)始人兼首席執(zhí)行官。Cohere也是一家人工智能初創(chuàng)公司，該公司主營業(yè)務(wù)為企業(yè)端用戶提供閉源大模型。
一、人工智能虛假信息：添加水印或可追蹤監(jiān)管
Liberty和Gomez均表示了對人工智能生成虛假信息的擔(dān)憂。人工智能生成的虛假信息，可以是教皇身穿巴黎世家的搞笑梗圖，也可以是被人惡意篡改的政治廣告。因此，越來越多的人呼吁在人工智能生成的照片或視頻中添加水印，從而對人工智能生成的內(nèi)容進行監(jiān)督和管理。
▲圖為由人工智能生成的教皇方濟各身穿巴黎世家羽絨服的圖片
但是，Liberty認(rèn)為很難區(qū)分兩類文本：一種是經(jīng)由人工智能給出語法修改建議的人類修改的文本，一種是人工智能生成的文本。因此，鑒于人工智能制造和傳播虛假信息的能力，他也主張立法者應(yīng)當(dāng)對人工智能進行更為嚴(yán)格的審查。
二、開源大模型正在變“笨”？或許是用戶期待過高
Gomez則對Meta的Llama 2等開源模型的興起表示擔(dān)憂。
盡管他承認(rèn)開源模型有一定優(yōu)點，比如開源模型可以讓開發(fā)人員快速進行實驗，但如果這些人工智能模型一旦投入生產(chǎn)，他懷疑這些大公司能否滿足大型企業(yè)的安全和隱私要求。如果一家公司使用類似Llama 2的開源模型，但Meta并未公開Llama 2的訓(xùn)練數(shù)據(jù)種類，那么這些公司就會承擔(dān)底層數(shù)據(jù)潛在的版權(quán)風(fēng)險。
Cohere是一家提供閉源大模型的公司，它僅通過API提供對其模型的訪問。所以Gomez的觀點部分代表了其公司的立常但是，The Information認(rèn)為，開源模型并不一定是人工智能的終極答案，人們也擔(dān)心這些大模型被用于違法犯罪。
▲圖為Cohere官網(wǎng)頁面
除此之外，Liberty和Gomez都否認(rèn)了人工智能在變“笨”等說法。近期據(jù)傳言，OpenAI的GPT-4等大模型很難完成幾個月前原本可以輕松完成的數(shù)學(xué)問題等任務(wù)。Liberty認(rèn)為，總體而言，大模型正在不斷改進。但他解釋道，在某些領(lǐng)域，大模型變得更好，而在其他領(lǐng)域，大模型也在變得更糟。
Gomez補充說，隨著用戶越來越習(xí)慣使用大模型，他們可能會向模型提出越來越難的問題，因此給人帶來了大模型變“笨”的印象。
三、云提供商或可緩解AI公司算力荒
兩位首席執(zhí)行官都很重視GPU的持續(xù)短缺問題。
GPU是大模型運行所必需的芯片。Gomez建議人工智能初創(chuàng)公司可以向?qū)I(yè)的云提供商（cloud providers）尋求幫助。
正如The Information之前報道的那樣，CoreWeave和Lambda Labs等規(guī)模較小的云提供商已從英偉達獲得了額外的GPU供應(yīng)，因為與亞馬遜云服務(wù)（Amazon Web Services）和谷歌云（Google Cloud）等大公司不同，這些云提供商公司不需要競爭性頂級芯片（competing chips）的算力，云提供商即可滿足普通公司的需求。
除此之外，Gomez還表示，急需芯片算力的人工智能初創(chuàng)公司也可以選擇AMD等英偉達競爭對手的其他類型芯片。
結(jié)語：人工智能創(chuàng)企或可通過“節(jié)流”緩解算力荒
僅以目前的形勢來看，適用于人工智能計算的GPU供不應(yīng)求，買不到芯片的企業(yè)嗷嗷待哺，買到芯片的企業(yè)不得不接受芯片漲價，被迫架在成本的火上烤。
如果人工智能企業(yè)一時難以解決芯片問題，或許可以通過“節(jié)流”，渡過眼前的難關(guān)。一方面可以通過技術(shù)手段優(yōu)化壓縮模型，或者減少其參數(shù)量，降低模型運行成本；另一方面則可以盡可能壓榨已有芯片的性能，把有限的硬件用到極致。
來源：The Information
