Az NVIDIA két új AI-eszközt – a NemoClaw-t és a Hermes Agent-et – mutatott be, amelyek együttesen egy önfejlesztő keretrendszert alkotnak a kutatási munkafolyamatok számára. A vállalat szerint a kombináció célja, hogy gyorsabbá és biztonságosabbá tegye a kutatást a modellfinomítás automatizálásával és a manuális beavatkozás csökkentésével.
Mit csinál a keretrendszer?
\nA keretrendszer azon az elven alapul, hogy az AI-modellek képesek javítani saját teljesítményüket a kísérletek során. Ahelyett, hogy a kutatóknak minden futtatás után manuálisan kellene állítaniuk a paramétereket, a rendszer tanul az eredményekből és alkalmazkodik. Ez lerövidítheti a hipotézis és a következtetés közötti időt, különösen olyan területeken, amelyek ismétlődő tanítási és tesztelési ciklusokat igényelnek.
Az NVIDIA önfejlesztőnek nevezi a megközelítést, ami azt jelenti, hogy a szoftver folyamatosan frissíti saját viselkedését az új adatok alapján. A vállalat hangsúlyozza a biztonságot is: a kutatási adatoknak védve kell maradniuk, még akkor is, ha a modell önmagán iterál. A hatékonyság szintén kiemelt cél – a keretrendszer célja a pazarló számítási ciklusok minimalizálása.
NemoClaw és Hermes Agent – egy egész két része
\nAz NVIDIA nem hozta nyilvánosságra az egyes eszközök részletes specifikációit, de a NemoClaw és a Hermes Agent együttműködik. A NemoClaw kezeli a magfeldolgozást és az adatkezelést, míg a Hermes Agent az iteratív fejlesztési ciklust irányítja. Együttesen egy olyan csővezetéket biztosítanak, amelyet a kutatók meglévő projektjeikbe illeszthetnek.
Az eszközök olyan csapatokat céloznak meg, amelyek automatizálni szeretnék a modellhangolást anélkül, hogy feláldoznák az irányítást vagy a biztonságot. Az NVIDIA infrastruktúra rétegként pozícionálta őket olyan laboratóriumok számára, amelyek nagy gyakoriságú kísérleteket futtatnak érzékeny adatkészletekkel.
Miért lehet ez fontos a kutatóknak?
\nAz önfejlesztő AI nem újkeletű, de egy kész keretrendszerbe csomagolva csökkenti az átvétel akadályát. Azok a kutató laboratóriumok, amelyek nem rendelkeznek mély megerősítéses tanulási szakértelemmel, szintén profitálhatnak az automatizált optimalizálásból. A biztonsági fókusz a megfelelőség-igényes területeken, mint az egészségügy, a pénzügy vagy a védelem, kulcsfontosságú, ahol az adatok nem hagyhatják el az ellenőrzött környezetet.
A hatékonyság is számít. A nagy modellek betanítása jelentős energiát és időt igényel. Egy olyan keretrendszer, amely kevesebb számítási kapacitást pazarol zsákutcákra, csökkentheti a költségeket és felgyorsíthatja a publikációs ciklusokat.
Mi hiányzik?
\nAz NVIDIA nem tette közzé a NemoClaw vagy a Hermes Agent műszaki dokumentációját. Ez azt jelenti, hogy a kutatók még nem tudják értékelni, hogyan működik az önfejlesztő mechanizmus, milyen biztonsági protokollok vannak beépítve, vagy mennyi beállítást igényelnek az eszközök. A vállalat nem jelentett be megjelenési dátumot, árképzést vagy licencmodellt sem. Amíg ezek a részletek nem érkeznek meg, a keretrendszerek izgalmas bejelentések maradnak, nem pedig használható termékek.
