Iris Coleman
17 ธ.ค. 2568 06:09
Dan Fu จาก together.ai โต้แย้งว่าปัญญาประดิษฐ์ทั่วไป (AGI) สามารถบรรลุผลได้โดยการเพิ่มประสิทธิภาพการออกแบบร่วมกันระหว่างซอফต์แวร์และฮาร์ดแวร์ การเพิ่มการใช้ประโยชน์จากชิปปัจจุบัน และการเอาชนะข้อจำกัดด้านฮาร์ดแวร์ที่รับรู้
การถกเถียงเกี่ยวกับศักยภาพในการบรรลุปัญญาประดิษฐ์ทั่วไป (AGI) กำลังทวีความรุนแรงขึ้น โดย Dan Fu รองประธาน Kernels ของ together.ai ให้มุมมองในแง่ดี ตาม together.ai Fu ท้าทายแนวคิดที่ว่าความก้าวหน้าในด้าน AI กำลังถูกขัดขวางโดยข้อจำกัดด้านฮาร์ดแวร์ แต่เขายืนยันว่าชิปในปัจจุบันถูกใช้งานต่ำกว่าศักยภาพอย่างมาก และแนวทางเชิงกลยุทธ์ในการออกแบบร่วมกันระหว่างซอฟต์แวร์และฮาร์ดแวร์อาจปลดล็อกการปรับปรุงประสิทธิภาพอย่างมีนัยสำคัญ
ข้อจำกัดปัจจุบันและศักยภาพในอนาคต
เมื่อภูมิทัศน์ AI พัฒนาไป ความกังวลเกี่ยวกับการถึงขีดจำกัดของการคำนวณดิจิทัลกำลังแพร่หลายมากขึ้น ผู้เชี่ยวชาญบางคนเสนอว่าข้อจำกัดด้านฮาร์ดแวร์ โดยเฉพาะใน GPU อาจขัดขวางความคืบหน้าในการพัฒนา AI ที่มีประโยชน์โดยทั่วไป ในทางตรงกันข้าม Fu นำเสนอมุมมองที่มีความหวังมากขึ้นในบทความของเขา "Yes, AGI Can Happen – A Computational Perspective" ซึ่งโต้แย้งว่าเพดานยังไม่ถูกบรรลุสำหรับความสามารถของ AI
การใช้งานต่ำกว่าศักยภาพของฮาร์ดแวร์ที่มีอยู่
Fu เน้นย้ำว่าการฝึกอบรม AI ที่ทันสมัยที่สุด เช่น DeepSeek-V3 หรือ Llama-4 มักบรรลุเพียงประมาณ 20% ของการใช้ FLOP เฉลี่ย (MFU) โดยการใช้งานในการอนุมานบางครั้งอยู่ในหลักหน่วย ตัวเลขเหล่านี้บ่งชี้โอกาสที่สำคัญในการเพิ่มประสิทธิภาพผ่านการบูรณาการที่ดีขึ้นของซอฟต์แวร์และฮาร์ดแวร์ รวมถึงนวัตกรรมเช่นการฝึกอบรม FP4
ความก้าวหน้าในโมเดลการคำนวณ
โมเดล AI ปัจจุบันอิงอยู่บนฮาร์ดแวร์รุ่นเก่า และศักยภาพของทรัพยากรการคำนวณใหม่กว่ายังไม่ได้รับการใช้ประโยชน์อย่างเต็มที่ Fu เน้นย้ำว่าคลัสเตอร์ขนาดใหญ่ของ GPU รุ่นล่าสุดที่มีจำนวนมากกว่า 100,000 ยังไม่ได้ถูกบูรณาการอย่างเต็มที่เข้าสู่กระบวนการพัฒนา AI ซึ่งบ่งชี้ถึงขอบฟ้าที่มีแนวโน้มดีสำหรับความก้าวหน้าในอนาคต
ประโยชน์ในปัจจุบันและผลกระทบในอนาคต
แม้จะมีข้อจำกัดที่รับรู้ โมเดล AI ที่มีอยู่กำลังปฏิวัติกระบวนการทำงานที่ซับซ้อนแล้ว เช่น การเขียน GPU kernels ประสิทธิภาพสูงด้วยความช่วยเหลือจากมนุษย์ การเปลี่ยนแปลงนี้เน้นย้ำถึงประโยชน์ใช้สอยโดยทันทีของเทคโนโลยี AI และบ่งบอกถึงศักยภาพอันกว้างใหญ่สำหรับการใช้งานในอนาคต
สำหรับผู้ที่สนใจในจุดตัดของวิศวกรรมระบบ ประสิทธิภาพฮาร์ดแวร์ และการขยายขนาด AI การวิเคราะห์ของ Fu ให้ข้อมูลเชิงลึกที่มีคุณค่า สามารถเข้าถึงการวิเคราะห์แบบเต็มได้ที่เว็บไซต์ together.ai
แหล่งที่มาของภาพ: Shutterstock
แหล่งที่มา: https://blockchain.news/news/exploring-potential-agi-hardware-software-synergy
