Loading market data...

NVIDIA เปิดตัวเฟรมเวิร์ก AI ที่ปรับปรุงตัวเอง NemoClaw และ Hermes Agent สำหรับเวิร์กโฟลว์การวิจัย

NVIDIA เปิดตัวเฟรมเวิร์ก AI ที่ปรับปรุงตัวเอง NemoClaw และ Hermes Agent สำหรับเวิร์กโฟลว์การวิจัย

NVIDIA ได้เปิดตัวเครื่องมือ AI ใหม่สองตัว — NemoClaw และ Hermes Agent — ซึ่งรวมกันเป็นเฟรมเวิร์กที่ปรับปรุงตัวเองสำหรับเวิร์กโฟลว์การวิจัย บริษัทกล่าวว่าการรวมกันนี้ถูกออกแบบมาเพื่อทำให้การวิจัยเร็วขึ้นและปลอดภัยยิ่งขึ้น โดยการปรับแต่งโมเดลโดยอัตโนมัติและลดการแทรกแซงจากมนุษย์

เฟรมเวิร์กนี้ทำอะไร

เฟรมเวิร์กนี้สร้างขึ้นบนแนวคิดที่ว่าโมเดล AI สามารถปรับปรุงประสิทธิภาพของตัวเองระหว่างการทดลอง แทนที่จะต้องให้นักวิจัยปรับแต่งพารามิเตอร์ด้วยตนเองหลังจากการรันแต่ละครั้ง ระบบจะเรียนรู้จากผลลัพธ์และปรับตัว ซึ่งอาจทำให้ระยะเวลาระหว่างสมมติฐานและข้อสรุปสั้นลง โดยเฉพาะในสาขาที่เกี่ยวข้องกับวงจรการฝึกและทดสอบซ้ำๆ

NVIDIA เรียกแนวทางนี้ว่าการปรับปรุงตัวเอง หมายความว่าซอฟต์แวร์จะอัปเดตพฤติกรรมของตัวเองอย่างต่อเนื่องตามข้อมูลใหม่ บริษัทยังเน้นเรื่องความปลอดภัย: ข้อมูลการวิจัยควรได้รับการปกป้องแม้ว่าโมเดลจะวนซ้ำกับตัวเอง ประสิทธิภาพเป็นเป้าหมายอีกประการหนึ่ง — เฟรมเวิร์กมีเป้าหมายเพื่อลดรอบการคำนวณที่สูญเปล่า

NemoClaw และ Hermes Agent — สองส่วนของทั้งหมด

NVIDIA ยังไม่ได้เผยแพร่สเปกโดยละเอียดสำหรับแต่ละเครื่องมือ แต่ NemoClaw และ Hermes Agent ทำงานร่วมกัน NemoClaw จัดการการประมวลผลหลักและการจัดการข้อมูล ในขณะที่ Hermes Agent จัดการวงจรการปรับปรุงแบบวนซ้ำ เมื่อรวมกันแล้วจะสร้างไปป์ไลน์ที่นักวิจัยสามารถเชื่อมต่อกับโปรเจกต์ที่มีอยู่ได้

เครื่องมือเหล่านี้มุ่งเป้าไปที่ทีมที่ต้องการปรับแต่งโมเดลโดยอัตโนมัติโดยไม่สูญเสียการควบคุมหรือความปลอดภัย NVIDIA วางตำแหน่งให้เป็นชั้นโครงสร้างพื้นฐานสำหรับห้องปฏิบัติการที่ทำการทดลองความถี่สูงกับชุดข้อมูลที่ละเอียดอ่อน

ทำไมนักวิจัยถึงควรสนใจ

AI ที่ปรับปรุงตัวเองไม่ใช่เรื่องใหม่ แต่การนำมาใส่ในเฟรมเวิร์กแบบแพ็กเกจช่วยลดอุปสรรคในการนำไปใช้ ห้องปฏิบัติการวิจัยที่ไม่มีความเชี่ยวชาญด้านการเรียนรู้แบบเสริมกำลังเชิงลึกก็ยังสามารถได้รับประโยชน์จากการเพิ่มประสิทธิภาพอัตโนมัติ การให้ความสำคัญกับความปลอดภัยมีความสำคัญสำหรับสาขาที่ต้องปฏิบัติตามข้อกำหนด เช่น การดูแลสุขภาพ การเงิน หรือการป้องกันประเทศ ซึ่งข้อมูลไม่สามารถออกจากสภาพแวดล้อมที่มีการควบคุมได้

ประสิทธิภาพก็มีความสำคัญเช่นกัน การฝึกโมเดลขนาดใหญ่ใช้พลังงานและเวลาอย่างมาก เฟรมเวิร์กที่ใช้การคำนวณน้อยลงกับเส้นทางที่ไร้ประโยชน์สามารถลดต้นทุนและเร่งวงจรการตีพิมพ์ได้

สิ่งที่ขาดหายไป

NVIDIA ยังไม่ได้เผยแพร่เอกสารทางเทคนิคสำหรับ NemoClaw หรือ Hermes Agent ซึ่งหมายความว่านักวิจัยยังไม่สามารถประเมินว่ากลไกการปรับปรุงตัวเองทำงานอย่างไร มีโปรโตคอลความปลอดภัยอะไรบ้าง หรือเครื่องมือต้องใช้การตั้งค่ามากน้อยแค่ไหน บริษัทยังไม่ได้ประกาศวันวางจำหน่าย ราคา หรือรูปแบบใบอนุญาต จนกว่ารายละเอียดเหล่านั้นจะมา เฟรมเวิร์กเหล่านี้ยังคงเป็นเพียงการประกาศที่น่าสนใจมากกว่าผลิตภัณฑ์ที่ใช้งานได้