Eli Lilly создала ИИ-суперкомпьютер для решения более масштабных задач

В течение многих лет объем доступных вычислительных ресурсов определял масштаб исследований, проводимых учеными Lilly. Данных было слишком много, вычислительных мощностей — недостаточно, а стоимость исследований просто слишком высока. LillyPod изменил эту ситуацию. Теперь ученый может начать с совершенно другого вопроса: что бы я попробовал, если бы вычислительные мощности не были ограничивающим фактором? Этот сдвиг восхищает главного директора по искусственному интеллекту доктора Томаса Фукса. Он описывает вычислительные ресурсы как научный инструмент, подобный микроскопу или телескопу. Lilly может работать с гораздо большим объемом данных, включая миллионы неудачных экспериментов, которые сами по себе могут содержать подсказки. Модели становятся больше. Эксперименты продвигаются дальше. Идеи, которые раньше были непрактичными, становятся достойными внимания. Подобный подход начинает проявляться и в генеративном искусственном интеллекте. Lilly запускает модели с открытым исходным кодом на собственной инфраструктуре, поскольку использование токенов растет по всей компании. Фукс говорит о приближении к «почти бесконечному количеству токенов», что звучит несколько безумно, пока он не объяснит экономическую сторону вопроса. Мы потратили много времени на то, чтобы понять, как нормировать использование ИИ. Фукса интересует, что люди делают, когда в этом нет необходимости. Он работает в области машинного обучения около двух десятилетий, и этот опыт очевиден. Фукс увлечен ИИ, но его не особо впечатляет ажиотаж вокруг него. В какой-то момент он сравнивает ИИ с футболом: у каждого есть свое мнение, но на самом деле на самом высоком уровне играет сравнительно немного людей. Его совет о том, к кому прислушиваться, удивительно прост. Найдите тех, кто знает, что делает. #EliLilly #ИскусственныйИнтеллект #ИИ #РазработкаЛекарств #КорпоративныйИИ #ИИВЗдравоохранении Главы: 00:00:00 — ИИ становится лучше, когда вы отбрасываете шумиху 00:02:06 — LillyPod: Создание свободы мыслить шире 00:04:15 — Суперкомпьютер — это не главное 00:05:40 — От марсоходов до медицины 00:08:10 — Почему неудачные эксперименты могут быть лучшими данными Lilly 00:11:25 — Ваши данные никогда не будут «готовыми» 00:13:55 — Когда лаборатория начинает учиться вместе с вами 00:16:40 — ИИ кажется простым. Наука — нет. 00:18:45 — Почему Lilly перешла на премиальный уровень 00:21:50 — Что меняется, когда токены становятся в избытке? 00:24:50 — Предоставление людям свободы выбора своего ИИ 00:27:25 — Когда ваш ИИ хранит данные пациентов 00:29:55 — Владение вычислительными ресурсами означает владение сложностью 00:31:55 — Где наука, основанная на ИИ, становится действительно интересной 00:34:40 — Что на самом деле должен делать главный специалист по ИИ? 00:37:10 — Лидерство в области ИИ требует большего, чем просто должность 00:39:15 — У каждого есть мнение об ИИ. Кто на самом деле знает? 00:42:10 — Как Lilly превратила внедрение ИИ в доверие 00:45:05 — Единственный действительно важный результат использования ИИ Поддержка этого эпизода предоставлена: Infoblox World Wide Technology помогает организациям превращать ИИ, данные и инфраструктуру в реальные результаты. Узнайте больше на https://www.wwt.com 🌐 Смотрите и читайте больше на WWT: [https://www.wwt.com/] ▶️ Подпишитесь на канал AI Proving Ground: [   / Канал  ] 🎧 Предпочитаете аудио? Слушайте здесь: [https://feeds.buzzsprout.com/2417704.rss] Если это было полезно, поделитесь этим с тем, кто сталкивается с теми же проблемами. #AI #EnterpriseAI #DataStrategy #MLOps #DigitalTransformation