무슨 일이 일어났나요?
Mezha는 Reuters를 인용하여 Anima Anandkumar와 Benedict Yenic이 공간과 시간에 걸쳐 물리적 현상을 예측하도록 설계된 AI 모델을 공개했다고 보도했습니다. 창립자들은 이 시스템이 단일 쿼리로 5조 개의 데이터 포인트를 처리했으며 칩 개발, 로봇 공학, 일기 예보 및 지질 분석을 포함한 기업 애플리케이션을 위한 것이라고 말했습니다.
Mezha는 Reuters를 인용하여 Accelerated Understanding 창립자인 Anima Anandkumar와 Benedict Yenic이 물리적 프로세스를 분석하기 위한 인공 지능 모델을 공개했다고 보고했습니다. ChatGPT 스타일 시스템과 달리 이 모델은 인간 언어를 이해하거나 생성하도록 설계되지 않았습니다. 보고서는 공간과 시간에 걸쳐 현상을 예측하는 방법을 학습한다고 말합니다. 창립자들은 테스트에서 단일 쿼리로 5조 개의 데이터 포인트를 처리했다고 말합니다. Mezha는 이를 Anthropic 및 Google의 주력 언어 모델의 일반적인 컨텍스트 용량의 약 500만 배에 달한다고 설명하면서 창립자가 "전쟁과 평화"를 한 번에 수백만 번 읽는 것과 규모를 비교한 점에 주목합니다.
보고된 시스템은 가장 중요한 언어 모델을 뒷받침하는 아키텍처를 사용하지 않습니다. 대신 Mezha는 이것이 물리적 시스템의 관계 학습과 관련된 방법인 신경 연산자를 기반으로 한다고 말합니다. 창립자들은 모든 작업에 대해 별도의 수학적 모델을 요구하지 않고도 다양한 물리적 쿼리에 답할 수 있는 범용 신경 연산자를 추구하고 있습니다. 소스는 모델의 매개변수 수, 정확한 훈련 데이터, 하드웨어 구성, 지연 시간, 정확도 또는 보고된 테스트의 "데이터 포인트" 정의를 지정하지 않습니다.
Reuters 보고서에 대한 Mezha의 설명에 따르면 Accelerated Understanding은 소비자 제품을 출시하기보다는 주로 기업 고객과 협력할 계획입니다. 창립자는 에너지 회사를 위한 반도체 재료 및 온도 최적화, 로봇 공학, 기상 이변 예측 및 지질 분석에서 가능한 용도를 식별합니다. Anandkumar는 이전에 Amazon 및 Nvidia에서 근무했던 California Institute of Technology의 계산 및 수학 과학 교수로 설명됩니다. Yenic은 AI 인프라 엔지니어로 설명됩니다. 소식통에 따르면 회사는 자금 조달이나 하드웨어 클러스터를 공급하는 컴퓨팅 공급업체의 이름을 공개하지 않았습니다.
왜 중요한가요?
보고서는 AI 개발의 다른 방향을 설명합니다. 인간 언어의 다음 단어를 예측하는 것이 아니라 물리적 프로세스를 모델링하는 것입니다. 독립적으로 검증된다면 이러한 시스템은 실험 비용이 많이 들거나 느린 분야에서 시뮬레이션 및 설계 작업을 지원할 수 있습니다. 소스가 공개 벤치마크 방법론, 모델 문서 또는 독립적인 복제를 제공하지 않기 때문에 실질적인 가치는 아직 입증되지 않은 상태로 남아 있습니다.
이 보고서는 AI를 언어, 이미지 또는 기타 인간이 생성한 데이터를 조작하는 것뿐만 아니라 실제 세계의 동작을 모델링하는 도구로 제시하기 때문에 중요합니다. 이러한 구별은 재료, 날씨, 기계 또는 지질 조건의 시뮬레이션에 의존하는 산업에 영향을 미칠 수 있습니다. 이러한 프로세스를 효율적으로 표현할 수 있는 시스템은 연구자가 물리적 테스트에 시간과 비용을 투자하기 전에 더 많은 후보 설계를 탐색하는 데 도움이 될 수 있습니다. 이는 독립적으로 입증된 결과가 아니라 창립자들이 설명하는 잠재적인 이점입니다.
Mezha는 회사가 재료 및 온도 조건이 성능에 영향을 미치는 칩 개발과 예측 및 산업 분석에 응용 프로그램을 보고 있다고 보고합니다. 창립자들은 물리학에 대한 더 깊은 이해가 실험실 실험 횟수를 줄이고 효과적인 솔루션 검색 속도를 높일 수 있다고 말합니다. 이러한 주장이 더 나은 예측, 더 안전한 설계 또는 더 낮은 개발 비용으로 해석된다면 공개적으로나 상업적으로 중요한 의미를 갖게 될 것입니다. 제공된 보고서는 Accelerated Understanding이 생산에서 이러한 결과를 달성했다는 증거를 제공하지 않습니다.
5조 포인트 주장은 주의 깊게 해석되어야 한다. 큰 입력 용량은 그 자체로 모델이 정확한 예측을 하고, 인과관계를 나타내며, 새로운 조건에 일반화되거나 운영 비용이 더 저렴하다는 증거가 아닙니다. 언어 모델 컨텍스트 창과의 비교는 다양한 기술 작업 및 데이터 구조를 설명할 수도 있습니다. 소스에는 독립적인 테스트, 공개 벤치마크, 동료 검토 논문, 모델 카드 또는 재현 가능한 평가가 포함되어 있지 않습니다. 따라서 창립자가 로이터 보고서를 통해 주장을 했다는 것이 입증되지만, 주장이나 모델의 광범위한 역량이 독립적으로 확인된 것은 아닙니다.
대화형 메커니즘: 실제로 작동하는 방식
이 개발의 이면에 있는 기본 기술을 대화식으로 살펴보세요.
Which component of an AI application is the machine-learning model itself?
다음에 무엇을 볼 것인가
다음 핵심 증거는 기술적이고 상업적입니다. 공개된 평가, 5조 포인트 테스트의 세부 사항, 기존 시뮬레이션 시스템과의 비교, 고객 지정 및 실제 작업 흐름에서 측정 가능한 결과입니다. 또한 소스에서는 자금 조달, 컴퓨팅 파트너, 가용성 및 배포 상태를 공개하지 않습니다.
가장 중요한 후속 조치는 기술 문서입니다. 연구원과 잠재 고객은 모델이 데이터 포인트로 간주하는 것이 무엇인지, 5조 포인트 쿼리가 어떻게 구성되었는지, 어떤 하드웨어를 실행했는지, 추론에 소요된 시간, 결과가 정확한지 여부를 알아야 합니다. 유용한 평가는 시스템을 불확실성 추정 및 실패 사례를 포함하여 유지된 물리적 조건에 대한 확립된 물리 기반 시뮬레이션 도구 및 기타 AI 방법과 비교하는 것입니다. 보고서에는 이러한 세부 정보가 제공되지 않습니다.
상업적 증거에 따라 모델이 야심찬 연구 방향 이상의 것인지 여부가 결정됩니다. Mezha는 의도된 사용 사례로 칩 설계, 로봇 공학, 날씨 및 에너지 관련 지질학을 나열하지만 고객, 배포 또는 완료된 프로젝트의 이름은 밝히지 않습니다. 향후 보고에서는 실제 실험 횟수 감소, 예측 기술 향상, 설계 주기 단축, 교육 데이터에 표시되지 않은 조건에서의 성능 향상 등 측정 가능한 결과를 찾아야 합니다. 가능한 적용에 대한 주장은 실제 채택에 대한 증거와 별도로 유지되어야 합니다.
회사의 운영 모델은 해결되지 않은 또 다른 질문입니다. Anandkumar는 이름이 알려지지 않은 컴퓨팅 리소스 제공업체와의 협력을 확인했지만 출처는 이를 식별하거나 Accelerated Understanding의 자금 조달을 공개하지 않았습니다. 이 보고서는 또한 창립자에게 형평성, 급여 및 과학적 리더십 역할을 제공하는 프로젝트 프로메테우스의 2024년 후반 제안을 설명합니다. 계정에 따르면 그들은 궁극적으로 독립적으로 계속되었고 프로메테우스는 나중에 120억 달러를 모금했습니다. 독자들은 프로메테우스의 역사를 기술적 성능의 증거로 여기지 않고 모델의 가용성, 자금 조달, 파트너십 및 거버넌스가 명확하게 설명되는지 살펴보아야 합니다.