นอกเหนือจากการประกาศเกี่ยวกับ Aurora Supercomputer ในวันนี้ แล้ว Intel ยังได้ประกาศเปิดตัว Aurora genAI ซึ่งเป็นโมเดล AI เจเนอเรทีฟใหม่ล่าสุดสำหรับวิทยาศาสตร์
Intel เปิดตัว Aurora genAI “Generative AI Model” สำหรับวิทยาศาสตร์ สูงถึง 1 ล้านล้านพารามิเตอร์
ซูเปอร์คอมพิวเตอร์ Exaflops Aurora 2 เครื่องเป็นสัตว์ร้ายของเครื่องจักร และระบบจะถูกใช้เพื่อขับเคลื่อนโมเดล Aurora genAI AI ประกาศในงานปราศรัย ISC23 ของวันนี้ โมเดล Aurora genAI กำลังจะได้รับการฝึกอบรมเกี่ยวกับข้อความทั่วไป ข้อความทางวิทยาศาสตร์ ข้อมูลทางวิทยาศาสตร์ และรหัสที่เกี่ยวข้องกับโดเมน นี่จะเป็นแบบจำลอง AI เชิงกำเนิดที่เน้นด้านวิทยาศาสตร์อย่างแท้จริง โดยมีแอปพลิเคชันที่เป็นไปได้ดังนี้:
- ชีววิทยาระบบ
- การวิจัยโรคมะเร็ง
- วิทยาศาสตร์ภูมิอากาศ
- จักรวาลวิทยา
- เคมีพอลิเมอร์และวัสดุ
- ศาสตร์
พื้นฐานของโมเดล Intel Aurora genAI คือ Megatron และ DeepSpeed สิ่งสำคัญที่สุดคือ ขนาดเป้าหมายสำหรับโมเดลใหม่คือ 1 ล้านล้านพารามิเตอร์ ในขณะเดียวกัน ขนาดเป้าหมายสำหรับChatGPT เวอร์ชันฟรีและสาธารณะ นั้นมีขนาดเพียง 175 ล้านเมื่อเปรียบเทียบกัน นั่นคือจำนวนพารามิเตอร์ที่เพิ่มขึ้น 5.7 เท่า
ข่าวประชาสัมพันธ์: Argonne National Laboratory ร่วมมือกับ Intel และ HPE ประกาศแผนการสร้างชุดแบบจำลอง AI กำเนิดสำหรับชุมชนการวิจัยทางวิทยาศาสตร์
Rick Stevens ผู้อำนวยการห้องปฏิบัติการร่วมของ Argonne กล่าวว่า “โครงการนี้มีจุดมุ่งหมายเพื่อใช้ประโยชน์จากศักยภาพสูงสุดของซูเปอร์คอมพิวเตอร์ Aurora เพื่อผลิตทรัพยากรที่สามารถใช้สำหรับวิทยาการปลายน้ำที่ห้องปฏิบัติการของ Department of Energy และร่วมมือกับผู้อื่น”
โมเดล AI กำเนิดเหล่านี้สำหรับวิทยาศาสตร์จะได้รับการฝึกอบรมเกี่ยวกับข้อความทั่วไป รหัส ข้อความทางวิทยาศาสตร์ และข้อมูลทางวิทยาศาสตร์ที่มีโครงสร้างจากชีววิทยา เคมี วัสดุศาสตร์ ฟิสิกส์ การแพทย์ และแหล่งข้อมูลอื่นๆ
แบบจำลองผลลัพธ์ (ที่มีพารามิเตอร์มากถึง 1 ล้านล้านพารามิเตอร์) จะถูกนำไปใช้ในแอปพลิเคชันทางวิทยาศาสตร์ที่หลากหลาย
ตั้งแต่การออกแบบโมเลกุลและวัสดุ ไปจนถึงการสังเคราะห์ความรู้จากแหล่งข้อมูลนับล้านเพื่อแนะนำการทดลองใหม่และน่าสนใจในระบบชีววิทยา เคมีพอลิเมอร์ และวัสดุพลังงาน ภูมิอากาศศาสตร์ และจักรวาลวิทยา แบบจำลองนี้จะใช้เพื่อเร่งการระบุกระบวนการทางชีวภาพที่เกี่ยวข้องกับมะเร็งและโรคอื่นๆ และแนะนำเป้าหมายสำหรับการออกแบบยา
