用开源人工智能挑战平均水平：拥抱人脸的托马斯-沃尔夫

Thomas Wolf 是开源人工智能平台 Hugging Face 的联合创始人兼首席科学官，该平台提供数千个可在本地下载和运行的预训练人工智能模型。

托马斯和 我、我自己和人工智能 主持人 Sam Ransbotham 讨论了开源和闭源人工智能模型的优点和权衡，以及微芯片的演变和硬件和软件开发的未来，以及 Thomas 对从他的孩子一代开始的人工智能编码未来的希望。

订阅 我、我自己和人工智能 在 苹果播客 或者 Spotify.

成绩单

艾莉森·赖德： 今天的嘉宾相信开源和闭源模型将在人工智能世界中共存。

托马斯·沃尔夫： 你好，我是 Hugging Face 的 Thomas，你正在听的是 我、我自己和人工智能.

萨姆·兰斯博瑟姆： 欢迎来到 我、我自己和人工智能，来自的播客 麻省理工学院斯隆管理评论 探索人工智能的未来。 麻省理工学院 SMR 自 2014 年以来，内容包括研究文章、年度行业报告、案例研究以及现在的 12 季播客节目。

嘿大家。

托马斯·沃尔夫： 谢谢，萨姆。

萨姆·兰斯博瑟姆： 让我们从拥抱脸本身开始。

托马斯·沃尔夫： 是的，当然。

其中有相当多。

因此，在过去的八年里，Hugging Face 一直在构建这个平台，与共享和下载模型的人员和团队社区一起发展。

萨姆·兰斯博瑟姆： 所以这里有很多人提供解决方案。

托马斯·沃尔夫： 我认为开源在某种程度上一直很重要。

因此存在这样的趋势，即开源具有一些​​优势，从长远来看使其极具吸引力。

我们不断大力推动开放科学，就在本周二，我们发布了一个名为 SmolLM3 的新模型，这是一个非常智能的模型。

我们决定同时分享所有数据、所有食谱以及有关如何构建这些模型的所有知识。

我们认为人工智能可以通过多种方式定义开源，但我们认为最激进的方式是共享一切。

但我不想给人留下我是开源绝对主义者的印象。

如果你将 [AI] 与硬件进行比较，这是一个有趣的比较，对吧？

我认为，如果将 [AI] 与硬件进行比较，就会发现存在一些差异，但开源硬件也有一个有趣的优势和要点。

对我来说，总的想法是，从长远来看，你看待硬件的很多方式都可以使用软件来重新发明。

萨姆·兰斯博瑟姆： 不，我认为这非常令人着迷，尤其是 HopeJR 和您现在参与的机器人计划。

托马斯·沃尔夫： 我认为这很有趣。

我认为，就像你说的那样，软件和硬件之间的界限可能又变得更小了。

如今，有趣的是我们看到这种趋势填补了空白并回到了非常低的水平。

[他们]说，使用人工智能，我们也许可以重新发明，基本上降低，或者也许消化，如果你想以一种实际上非常有用的形式在硬件中开发一些东西，那么你现在需要的所有这些知识，我们可以像开发软件一样开发硬件。

所以我对此感到非常兴奋。

萨姆·兰斯博瑟姆： 如果我访问 Hugging Face 的网站，我会不知所措。

托马斯·沃尔夫： 这是一个难题，因为有大约 400 万个模型。

一开始，我们试图为我们提供一些管理手册，但每五秒就有一个新模型，这并不是真正可持续的。

当然，有一些一般准则。

萨姆·兰斯博瑟姆： 现在你的钱只剩下一百万了。

托马斯·沃尔夫： 确切地。

但现实情况是，人工智能正在成为一个包含许多子领域的巨大领域。

因此，我们越来越多地尝试这样做的方式是提供社交工具来评论模型，制作模型集合 - 我想说，这有点像互联网本身，这通常是由其他人指导的，他们告诉你，“你应该去那里”，这就是你找到这个地方的方式。

我认为目前最[可靠]的信号是Hugging Face网站上的两个地方。

萨姆·兰斯博瑟姆： 这很有意义。

但在最初的软件时代，如果您考虑一下庞大的、单一的 IBM 360 操作系统，就会发现它们的运行成本巨大且昂贵。

托马斯·沃尔夫： 特别是，如果我们谈论芯片，这是我最近非常感兴趣的一个领域，我认为有两个共同点。

人工智能模型本身在某种程度上非常简单。

如果将其与我们必须设计的庞大而笨重的系统进行比较，以实际使通用计算系统在所有这些边缘情况下保持高效，那么在某种程度上，仅仅能够支持一次前向传递就是一项幼小的任务。

因此，这意味着我们可以真正重塑计算架构本身的方式，并且可以使其变得非常非常简单。

如果你预测未来，如果你认为人工智能基本上可能成为计算的主导形式——我的意思是我们使用能源进行计算的主导形式——这可能是我们真正想要过度索引的东西，并说，“实际上，事情不是这样的。GPU 是在帮助 CPU，但现在的情况实际上相反。这台人工智能计算机是我们正在构建的核心部分。”

所以第一件事是我认为有一种方法可以以更简单的方式重新设计我们的计算机架构。

你甚至现在就可以问，这是我来自 Lambda 实验室的朋友 Stephen [Balaban] 正在做的一个有趣的思想实验。

所以它作为一种非常复杂的软件表现得很好。

另一方面是我们可以越来越多地使用这种人工智能软件作为帮助来简化我们必须完成的复杂任务。

随着这些类型的人工智能代理的发展，我们希望能够真正实现很多设计部分的自动化，就像现在，即使你使用某种 CAD 设计软件，你实际上使用的是非常强大的东西。

同样的事情是，我可以看到我们，就像我们[可以]在 Onshape 或其中一个设计软件[程序]上做一些参数化形状一样，我可以看到我们通过在贝叶斯曲线上给出几个点来设计[一个]非常复杂的系统，并希望人工智能系统能够真正连接所有事物并确保这一切都很好地契合。

所以这是另一回事——不是我们正在构建这个系统，而是我们正在使用它们来帮助我们构建一个极其复杂的系统。

萨姆·兰斯博瑟姆： 我认为这很棒。

我想反驳一下你在那里所做的一些不同的事情。

但你要指出的是，我们最初并不是为了这个目的而制造这些芯片的。

托马斯·沃尔夫： 老实说，GPU 确实越来越成为人工智能优化的芯片。

也许这里的驱动力——如果我们退一步，更多地从商业角度来看待这个问题——是第一次，我们拥有的主要指标之一是一个非常低级的矩阵。

但这也是一个非常低水平的指标。

您可以将其与以这个价格激活需要多少亿个晶体管联系起来。

过去，我们为所有计算付出的代价是无法获得这些的。

毫不奇怪，你会看到新的初创公司出现，无论是在美国还是在欧洲，[例如] Edge Fractal。

萨姆·兰斯博瑟姆： 我认为指标很重要，我们会对这些指标做出回应。

托马斯·沃尔夫： 这是每个代币的美元。

所以我认为很多人都说这是真的，情报的限制成本将是电力成本。

我确实同意，但电力和智能之间会存在倍增因素。

萨姆·兰斯博瑟姆： 你提到了认知，当然，这很重要，这就是我们将用这些芯片做的事情。

我想你对一份关于爱因斯坦国家坐在数据中心的报道做出了反应。

但今天，一般的工具，特别是人工智能，当然可以成为人们快速达到平均水平的一个良好开端，因此他们不必花时间达到平均认知输出。

如果不练习技能，我们就无法提高技能。

托马斯·沃尔夫： 是的，当然。 慈爱机器。

我想说的是，我认为人工智能对于所有渐进式创新都非常有用。

两周前，我很高兴再次见到我以前的一位教授，名叫阿兰·阿斯派克特（Alain Aspect），如果我没记错的话，他在三年前获得了诺贝尔奖，因为他基本上证明了爱因斯坦与量子力学的分歧，他基本上不同意量子力学的核心思想。

如果投影波形函数，基本上会得到随机输出。

如果你与这类研究人员交谈，他们并不想取悦你。

他们不会像法学硕士那样做这种阿谀奉承的事情，他们实际上是想取悦你。

我认为现在人工智能模型的一个重要缺失点是他们真的在努力……首先，他们试图预测句子中最有可能的下一个单词，这意味着他们会错过不太可能的单词。

所以我的观点是，他们作为研究助理将非常有用，但他们不会是能够带领我们实现极其新颖的突破的人。

所以我经常问自己这个问题，特别是当我看到我的孩子、我的儿子使用人工智能时，“他们应该在多大程度上使用人工智能来自动化他们的思维？剩下的非常人性化的部分是什么，我们应该保留，我们应该构建？”

和往常一样，我认为仅仅说“不要使用人工智能”可能是个坏主意。

萨姆·兰斯博瑟姆： 你带来了一些我经常思考的东西，无论是我自己的孩子还是我一直接触的大学生，[这]是“好吧，他们与这些技术的关系到底应该是什么？”

我觉得因为我在房间的前面或餐桌周围，我应该对此有一些看法。

听起来您正在敦促您的孩子使用这些工具并至少在某种程度上接受它们？

托马斯·沃尔夫： 是的，我想你必须这样做。

我遵循这样的想法：你可以促使一个网站的存在，而且是一个相当复杂的网站。

举例来说，一个月前，我儿子 12 岁。我想说，他仍然对我所做的事情感兴趣，对我来说幸运的是，也许会持续几年。

但我们看到的是他们很快就抓住了这个工具。

然后你甚至会看到他们变成了小企业家。

她在想，“哦，也许我也可以要求他们在想见面时付钱，因为那样他们就需要提供地址。……”

所以你看到他们开始提出我认为的问题，只是因为技术部分非常简单，他们开始……更多地预测自己在现实生活中会如何。

这是最近的一个例子，让我印象深刻，因为它释放了我以前不知道可能存在的创造力。

萨姆·兰斯博瑟姆： 我可能有几个孩子，我们可以添加。

托马斯·沃尔夫： 我认为从这方面来说我们很幸运。

萨姆·兰斯博瑟姆： 这很令人着迷。

托马斯·沃尔夫： 非常感谢，萨姆。

萨姆·兰斯博瑟姆： 感谢您今天加入我们。

艾莉森·赖德： 感谢您的聆听 我、我自己和人工智能。