Il MOE di Nvidia e il percorso verso l’AGI: come Dvina ti fa sperimentare oggi l’AI di domani

Ömer Odabaş
3 min di lettura • 
Molti ricercatori ritengono che questa direzione sia importante per l’obiettivo a lungo termine dell’intelligenza artificiale generale, o AGI. Un sistema in grado di affrontare molti tipi diversi di problemi non può contare solo sulle proprie dimensioni. Deve saper prendere decisioni. Deve sapere quali capacità usare e quando.

È un momento interessante per l’intelligenza artificiale. Per molto tempo, i progressi nell’AI hanno seguito una regola semplice: creare modelli più grandi. Più parametri, più dati, più potenza di calcolo. Questo approccio ha funzionato, ma ha anche creato seri problemi. Addestrare modelli di grandi dimensioni è costoso, richiede tempo e consuma un’enorme quantità di energia.

Di recente, Nvidia ha introdotto un’idea diversa chiamata Mixture of Experts, o MOE. Invece di attivare l’intera rete neurale per ogni compito, il modello impara a scegliere quali parti del sistema sono davvero necessarie. Ogni parte agisce come un esperto in un ambito specifico. Per ogni domanda vengono utilizzati solo gli esperti più pertinenti.

Questo rende il sistema più efficiente e più flessibile. È un po’ come il modo in cui lavorano le persone. Non chiedi aiuto a tutte le persone che conosci per ogni problema. Ti rivolgi a quelle più adatte alla situazione. Con il MOE, i sistemi di AI possono diventare più intelligenti senza appesantirsi inutilmente.

Molti ricercatori ritengono che questa direzione sia importante per l’obiettivo a lungo termine dell’intelligenza artificiale generale, o AGI. Un sistema in grado di affrontare molti tipi diversi di problemi non può contare solo sulle proprie dimensioni. Deve saper prendere decisioni. Deve sapere quali capacità usare e quando.

Questa idea non resta confinata agli articoli di ricerca.

In effetti, in Dvina lavoriamo con un approccio simile. Fin dall’inizio, siamo partiti dal presupposto che nessun singolo modello linguistico o strumento sarebbe stato adatto a tutto. Invece di affidarci a un solo modello, abbiamo costruito un livello di orchestrazione che opera al di sopra di più modelli, strumenti e fonti di dati.

Questo orchestratore funge da livello decisionale. Quando un utente pone una domanda, decide quale modello o risorsa utilizzare. A volte ne usa uno solo. Altre volte ne combina diversi e ne integra i risultati. L’obiettivo non è mostrare la complessità, ma nasconderla dietro un’esperienza semplice.

Il risultato è un sistema che dà la sensazione di sapersi adattare. Fai una domanda e il sistema capisce come rispondere nel modo più efficiente. Il principio è molto vicino a quello che il MOE propone a livello di modello, ma applicato a livello di sistema.

L’AGI non è ancora arrivata. Ma idee come il MOE mostrano che per progredire non basta aumentare le dimensioni. Servono struttura, coordinamento e un uso più intelligente delle risorse.

Se vuoi scoprire come funziona in pratica questo tipo di approccio, puoi provare Dvina gratuitamente su https://dvina.ai. Non è AGI, ma offre un piccolo assaggio di come i futuri sistemi di AI potrebbero pensare e operare.

Unisciti a Dvina

Registrati gratis e riunisci tutti i tuoi strumenti in un unico spazio di lavoro semplice da usare.

Scopri di più