سپ هوخرایتر. منبع: NXAI
سپ هوخرایتر. منبع: NXAI

پیشگام هوش مصنوعی خواستار پیشرفت مستقل و چابک اروپا است

پیشگام هوش مصنوعی خواستار پیشرفت مستقل و چابک اروپا است

یک باور اساسی در رویکرد پرمصرف به یادگیری ماشین که توسط OpenAI و Mistral AI پیشرفت داده شده است، این است که یک مدل هوش مصنوعی باید کل مجموعه داده خود را قبل از ارائه بینش‌های جدید بررسی کند.

سپ هوخرایتر، از پیشگامان اولیه این فناوری که یک آزمایشگاه هوش مصنوعی را در

دانشگاه یوهانس کپلر
در لینز، اتریش، اداره می‌کند، دیدگاه متفاوتی دارد، دیدگاهی که به مراتب به پول نقد و قدرت محاسباتی کمتری نیاز دارد. او علاقه‌مند است به مدل‌های هوش مصنوعی آموزش دهد که چگونه به طور موثر فراموش کنند.

هوخرایتر جایگاه ویژه‌ای در دنیای هوش مصنوعی دارد، زیرا مدت‌ها قبل از اکثر دانشمندان کامپیوتر، بالاترین قله‌های این فناوری را فتح کرده است. او در دوران دانشجویی در مونیخ در دهه ۱۹۹۰،

چارچوب مفهومی
را ارائه داد که زیربنای نسل اول مدل‌های هوش مصنوعی چابک مورد استفاده توسط Alphabet، Apple و Amazon بود.

این رویکرد، به نام حافظه بلندمدت کوتاه (Long Short-Term Memory) یا LSTM، به کامپیوترها آموخت که نه تنها چگونه داده‌های پیچیده را به خاطر بسپارند، بلکه کدام اطلاعات را دور بریزند. پس از اینکه MIT Press

نتایج
هوخرایتر را منتشر کرد، او به یک
ستاره در محافل فناوری
تبدیل شد و LSTM به استاندارد صنعت تبدیل شد.

اکنون، با افزایش نگرانی در مورد مقادیر زیادی انرژی مورد نیاز برای تامین انرژی هوش مصنوعی - و شروع کند اروپا در توسعه این فناوری - این دانشمند ۵۸ ساله با یک مدل هوش مصنوعی جدید بر اساس این رویکرد بازگشته است.

بیشتر بخوانید: AGI را از GPT خود بشناسید؟ واژه‌نامه هوش مصنوعی

در ماه مه، هوخرایتر و تیم محققانش xLSTM را منتشر کردند که به گفته او ثابت شده است که سریع‌تر و کارآمدتر از هوش مصنوعی مولد است. برای توضیح نحوه کارکرد آن، او به یک قطعه قدیمی‌تر از فناوری اطلاعات اشاره می‌کند: کتاب.

هر بار که یک خواننده یک رمان را برمی‌دارد و فصل جدیدی را شروع می‌کند، نیازی نیست که هر کلمه قبلی را مرور کند تا بداند داستان از کجا مانده است. او طرح‌ها، زیرشاخه‌ها، شخصیت‌ها و مضامین را به خاطر می‌آورد و آنچه که برای داستان محوری نیست را دور می‌اندازد. هوخرایتر معتقد است که تشخیص اینکه چه چیزی باید به خاطر سپرده شود و چه چیزی را می‌توان فراموش کرد، کلید محاسبه سریع و کارآمد است.

همچنین به همین دلیل است که xLSTM به

مراکز داده ۱۰۰ میلیارد دلاری
که همه چیز را می‌مکند و ذخیره می‌کنند، متکی نیست.

هوخرایتر گفت: «این یک مدل سبک‌تر و سریع‌تر است که انرژی بسیار کمتری مصرف می‌کند.»

در حالی که hyperscalers مدت‌هاست بر این بخش تسلط داشته‌اند، موفقیت DeepSeek چین در اوایل سال جاری نشان داد که تاکید بر کارایی ممکن است برای سرمایه‌گذاران از اهمیت فزاینده‌ای برخوردار باشد. این شرکت تنها با ۱۰ میلیون یوان (۱.۴ میلیون دلار) شروع به کار کرد. از آن زمان، سایر کسب‌وکارهای هوش مصنوعی نیز مدل‌هایی را پذیرفته‌اند که

روی تراشه‌های کمتری اجرا می‌شوند
. و حتی قبل از آن، فشاری برای راه‌اندازی
مدل‌های زبان کوچک
چابک‌تر و مقرون‌به‌صرفه‌تر وجود داشت.

با چشم‌انداز جنگ تجاری ایالات متحده و اروپا و نیاز به حاکمیت فناوری که مورد توجه قرار می‌گیرد، هوخرایتر معتقد است که هوش مصنوعی متناسب با نیاز برای اروپا مناسب است. او گفت: «همه در سال‌های آینده به مدل‌های جدیدی که برای هدف مناسب‌تر هستند، روی خواهند آورد. مهم است که ما در اروپا حول فناوری‌ها، الگوریتم‌ها و روش‌های در اختیار خود متحد شویم.»

هوخرایتر در مصاحبه‌ای در موسسه هوش مصنوعی خود، در حدود ۱۵۰ کیلومتری (۹۳ مایلی) شرق مزرعه‌ای در آلمان که در آن بزرگ شده است، توضیح داد که او ارزش بیشتری در کار با داده‌های تولید و تجارت خصوصی نسبت به مجموعه‌های داده زبان بزرگ می‌بیند. او گفت: «زبان، هسته اصلی تجارت اکثر شرکت‌ها نیست.»

همه متقاعد نشده‌اند. در حالی که DeepSeek

نشان داد
که سرمایه‌گذاری‌های کوچک می‌تواند اختلالات بزرگ در بازار ایجاد کند، هوخرایتر هنوز باید ثابت کند که می‌تواند فناوری خود را مقیاس‌پذیر کند. دانشمندان کامپیوتری که
استراتژی
هوخرایتر را بررسی کرده‌اند، خاطرنشان می‌کنند که مدل‌هایی که او آموزش داده است بسیار کوچکتر از ChatGPT هستند. برخی این سوال را مطرح می‌کنند که آیا xLSTM قادر به مقیاس‌بندی خواهد بود و آیا می‌تواند راندمان محاسباتی فرضی خود را هنگام اعمال بر مجموعه‌های داده بزرگ‌تری که نیاز به قدرت پردازش بیشتری دارند، حفظ کند.

این سوالات ممکن است زمانی پاسخ داده شوند که هوخرایتر و تیمش کار خود را به دنیای شرکت‌ها ببرند.

در سال گذشته، آزمایشگاه او دو شرکت را راه‌اندازی کرده است که اکنون با تولیدکنندگان اروپایی ربات‌ها، پهپادها و تجهیزات شبکه برق کار می‌کنند. اولین شرکت، NXAI GmbH، که هوخرایتر در آن به عنوان دانشمند ارشد فعالیت می‌کند، حدود ۲۰ میلیون یورو (۲۲ میلیون دلار) در دور تامین مالی به رهبری صنعتگر اتریشی استفان پیرر جمع‌آوری کرد. دومین شرکت، Emmi AI GmbH، که توسط محقق سابق Microsoft، یوهانس براندشتتر، اداره می‌شود، در این ماه فعالیت تجاری خود را آغاز کرد.

NXAI به دنبال تامین مالی سرمایه‌گذاری خطرپذیر نیست - در عوض، با شرکت‌ها برای سهیم شدن در مدل‌های هوش مصنوعی عمودی خاص صنعت در بخش‌هایی مانند خودرو، بیوتکنولوژی و رباتیک، معاشرت می‌کند. آلبرت اورتیگ، مدیر اجرایی NXAI، گفت: «در حال حاضر، یک مشکل بازگشت سرمایه در هوش مصنوعی وجود دارد. ما می‌خواهیم چیزی با ماندگاری ایجاد کنیم که پس از چند سال به قیمت یک میلیارد یورو فروخته نشود.»

هوخرایتر در آزمایشگاه خود در نزدیکی ساحل رودخانه دانوب، اطمینان دارد که در مسیر درستی قرار دارد.

او گفت: «ما چیز بهتری ساخته‌ایم.»