Nyt internationalt konsortium dannet for at skabe troværdige og pålidelige generative AI-modeller for videnskab

LEMONT, Ill.–(BUSINESS WIRE)–Et globalt konsortium af forskere fra føderale laboratorier, forskningsinstitutter, den akademiske verden og industrien er dannet for at løse udfordringerne ved at bygge storskala kunstig intelligens (AI) systemer og fremme troværdig og pålidelig AI til videnskabelig opdagelse.

Trillion Parameter Consortium (TPC) samler hold af forskere engageret i at skabe generative AI-modeller i stor skala for at løse de vigtigste udfordringer med at fremme AI til videnskaben. Disse udfordringer omfatter udvikling af skalerbare modelarkitekturer og træningsstrategier, organisering og kurering af videnskabelige data til træningsmodeller; optimering af AI-biblioteker til nuværende og fremtidige exascale computing platforme; og udvikling af dybe evalueringsplatforme til at vurdere fremskridt inden for videnskabelig opgavelæring og pålidelighed og tillid.

Til disse formål vil TPC:

• Opbyg et åbent fællesskab af forskere, der er interesseret i at skabe avancerede generative AI-modeller i stor skala, der bredt har til formål at fremme fremskridt inden for videnskabelige og tekniske problemer ved at dele metoder, tilgange, værktøjer, indsigt og arbejdsgange.
• Inkuber, start og koordiner projekter frivilligt for at undgå dobbeltarbejde og for at maksimere projekternes effekt i det bredere AI og det videnskabelige samfund.
• Skab et globalt netværk af ressourcer og ekspertise for at facilitere den næste generation af AI og samle forskere, der er interesseret i at udvikle og bruge storstilet AI til videnskab og teknik.

Trillioner parametermodeller repræsenterer grænsen for storskala AI med kun de største kommercielle AI-systemer, der i øjeblikket nærmer sig denne skala.

Træning af LLM'er (store sprogmodeller) med så mange parametre kræver computerressourcer i exascale klasse, såsom dem, der implementeres på flere nationale laboratorier af det amerikanske energiministerium (DOE) og flere TPC-grundlæggere i Japan, Europa og andre steder. Selv med sådanne ressourcer vil træning af en state-of-the-art model med én trillion parameter kræve måneders dedikeret tid – vanskelig på alle undtagen de største systemer. En sådan indsats vil derfor involvere store, tværfaglige, multiinstitutionelle teams. TPC er tænkt som et middel til at understøtte samarbejde og samarbejdsindsats mellem og inden for sådanne teams.

"På vores laboratorium og på et voksende antal partnerinstitutioner rundt om i verden begynder teams at udvikle frontier AI-modeller til videnskabelig brug og forbereder enorme samlinger af tidligere uudnyttede videnskabelige data til træning," siger Rick Stevens, associeret laboratoriedirektør for computing , miljø og biovidenskab ved DOE's Argonne National Laboratory. "Vi skabte i fællesskab TPC for at accelerere disse initiativer og hurtigt skabe den viden og de værktøjer, der er nødvendige for at skabe AI-modeller med evnen til ikke kun at besvare domænespecifikke spørgsmål, men til at syntetisere viden på tværs af videnskabelige discipliner."

Kontakt os

Christopher J. Kramer

Leder for Medierelationer

Argonne National Laboratory

Kontor: 630.252.5580

E-mail: media@anl.gov