ທາດໂປຼຕີນແມ່ນໂມເລກຸນທີ່ເຮັດວຽກຕາມທໍາມະຊາດ, ແລະມີອຸດສາຫະກໍາທັງຫມົດທີ່ເກີດຂື້ນໂດຍປະສົບຜົນສໍາເລັດໃນການແກ້ໄຂແລະຜະລິດພວກມັນສໍາລັບການນໍາໃຊ້ຕ່າງໆ. ແຕ່​ການ​ເຮັດ​ແນວ​ນັ້ນ​ເປັນ​ການ​ໃຊ້​ເວ​ລາ​ຫຼາຍ​ແລະ haphazard; Cradle ມີຈຸດປະສົງເພື່ອປ່ຽນແປງມັນດ້ວຍເຄື່ອງມືທີ່ໃຊ້ AI ທີ່ບອກນັກວິທະຍາສາດວ່າໂຄງສ້າງແລະລໍາດັບໃຫມ່ຈະເຮັດໃຫ້ທາດໂປຼຕີນຈາກສິ່ງທີ່ພວກເຂົາຕ້ອງການ. ບໍລິສັດໄດ້ພົ້ນເດັ່ນຂື້ນຈາກການລັກລອບໃນມື້ນີ້ໂດຍມີເມັດພັນຢ່າງຫຼວງຫຼາຍ.

AI ແລະທາດໂປຼຕີນໄດ້ມີຢູ່ໃນຂ່າວບໍ່ດົນມານີ້, ແຕ່ສ່ວນໃຫຍ່ແມ່ນຍ້ອນຄວາມພະຍາຍາມຂອງ outfits ການຄົ້ນຄວ້າເຊັ່ນ DeepMind ແລະ Baker Lab. ແບບຈໍາລອງການຮຽນຮູ້ເຄື່ອງຈັກຂອງພວກເຂົາເອົາຂໍ້ມູນລໍາດັບ RNA ທີ່ເກັບກໍາໄດ້ງ່າຍແລະຄາດຄະເນໂຄງສ້າງຂອງທາດໂປຼຕີນ – ຂັ້ນຕອນທີ່ໃຊ້ເວລາຫຼາຍອາທິດແລະອຸປະກອນພິເສດລາຄາແພງ.

ແຕ່ເປັນ incredible ຄວາມສາມາດນັ້ນແມ່ນຢູ່ໃນບາງໂດເມນ, ມັນເປັນພຽງແຕ່ຈຸດເລີ່ມຕົ້ນສໍາລັບຄົນອື່ນ. ການດັດແປງທາດໂປຼຕີນໃຫ້ມີຄວາມຫມັ້ນຄົງຫຼາຍຫຼືຜູກມັດກັບໂມເລກຸນອື່ນທີ່ແນ່ນອນກ່ຽວຂ້ອງກັບຫຼາຍກ່ວາພຽງແຕ່ເຂົ້າໃຈຮູບຮ່າງແລະຂະຫນາດທົ່ວໄປຂອງມັນ.

“ຖ້າທ່ານເປັນນັກວິສະວະກອນທາດໂປຼຕີນ, ແລະທ່ານຕ້ອງການອອກແບບຊັບສິນຫຼືຫນ້າທີ່ສະເພາະໃດຫນຶ່ງເປັນທາດໂປຼຕີນ, ພຽງແຕ່ຮູ້ວ່າມັນເບິ່ງຄືວ່າບໍ່ຊ່ວຍເຈົ້າໄດ້. ມັນຄ້າຍຄືກັບວ່າ, ຖ້າທ່ານມີຮູບຂອງຂົວ, ມັນບໍ່ໄດ້ບອກເຈົ້າວ່າມັນຈະຕົກລົງຫຼືບໍ່,” Cradle CEO ແລະຜູ້ຮ່ວມກໍ່ຕັ້ງ Stef van Grieken ອະທິບາຍ.

“Alphafold ໃຊ້ລໍາດັບແລະຄາດຄະເນວ່າທາດໂປຼຕີນຈະມີລັກສະນະແນວໃດ,” ລາວເວົ້າຕໍ່ໄປ. “ພວກເຮົາເປັນພີ່ນ້ອງກັນທົ່ວໄປຂອງສິ່ງນັ້ນ: ເຈົ້າເລືອກຄຸນສົມບັດທີ່ເຈົ້າຕ້ອງການວິສະວະກອນ, ແລະຕົວແບບຈະສ້າງລໍາດັບທີ່ທ່ານສາມາດທົດສອບຢູ່ໃນຫ້ອງທົດລອງຂອງເຈົ້າ.”

ການຄາດເດົາວ່າທາດໂປຼຕີນ – ໂດຍສະເພາະສິ່ງໃຫມ່ສໍາລັບວິທະຍາສາດ – ຈະເຮັດ ຢູ່​ໃນ​ສະ​ຖານ​ທີ່​ ເປັນວຽກທີ່ຍາກສໍາລັບເຫດຜົນຫຼາຍຢ່າງ, ແຕ່ໃນແງ່ຂອງການຮຽນຮູ້ເຄື່ອງຈັກ, ບັນຫາໃຫຍ່ທີ່ສຸດແມ່ນວ່າບໍ່ມີຂໍ້ມູນພຽງພໍ. ດັ່ງນັ້ນ Cradle ໄດ້ກໍາເນີດຂໍ້ມູນຂອງຕົນເອງຈໍານວນຫຼາຍທີ່ກໍານົດໄວ້ໃນຫ້ອງທົດລອງປຽກ, ການທົດສອບທາດໂປຼຕີນຈາກທາດໂປຼຕີນແລະເຫັນວ່າການປ່ຽນແປງໃນລໍາດັບຂອງພວກມັນເບິ່ງຄືວ່າຈະນໍາໄປສູ່ຜົນກະທົບອັນໃດ.

ເປັນທີ່ໜ້າສົນໃຈຕົວແບບຂອງຕົວມັນເອງບໍ່ແມ່ນສະເພາະດ້ານຊີວະເທັກໂນໂລຍີ ແຕ່ເປັນຕົວກຳເນີດຂອງ “ແບບຈຳລອງພາສາໃຫຍ່” ດຽວກັນທີ່ໄດ້ຜະລິດເຄື່ອງຈັກໃນການຜະລິດຂໍ້ຄວາມເຊັ່ນ GPT-3. Van Grieken ສັງເກດເຫັນວ່າຕົວແບບເຫຼົ່ານີ້ບໍ່ຈໍາກັດຢ່າງເຂັ້ມງວດກ່ຽວກັບພາສາໃນວິທີທີ່ພວກເຂົາເຂົ້າໃຈແລະຄາດຄະເນຂໍ້ມູນ, ເປັນລັກສະນະ “ການແຜ່ກະຈາຍ” ທີ່ຫນ້າສົນໃຈທີ່ນັກຄົ້ນຄວ້າຍັງຄົ້ນຫາ.

ຕົວຢ່າງຂອງ Cradle UI ໃນການປະຕິບັດ.

ລໍາດັບທາດໂປຼຕີນຈາກ Cradle ກິນແລະຄາດຄະເນບໍ່ໄດ້ຢູ່ໃນພາສາໃດກໍ່ຕາມທີ່ພວກເຮົາຮູ້, ແນ່ນອນ, ແຕ່ພວກມັນເປັນລໍາດັບເສັ້ນຊື່ທີ່ຂ້ອນຂ້າງກົງໄປກົງມາຂອງຂໍ້ຄວາມທີ່ມີຄວາມຫມາຍທີ່ກ່ຽວຂ້ອງ. “ມັນຄ້າຍຄືພາສາການຂຽນໂປລແກລມມະນຸດຕ່າງດາວ,” van Grieken ເວົ້າ.

ແນ່ນອນ, ນັກວິສະວະກອນທາດໂປຼຕີນບໍ່ແມ່ນຄວາມສິ້ນຫວັງ, ແຕ່ວຽກງານຂອງພວກເຂົາຈໍາເປັນຕ້ອງມີການຄາດເດົາຫຼາຍ. ຫນຶ່ງອາດຈະຮູ້ຢ່າງແນ່ນອນວ່າໃນບັນດາ 100 ລໍາດັບທີ່ພວກເຂົາກໍາລັງດັດແປງແມ່ນການປະສົມປະສານທີ່ຈະຜະລິດ

ຮູບແບບດັ່ງກ່າວເຮັດວຽກຢູ່ໃນສາມຊັ້ນພື້ນຖານ, ເຊິ່ງລາວໄດ້ອະທິບາຍ. ທໍາອິດມັນປະເມີນວ່າລໍາດັບໃດຫນຶ່ງແມ່ນ “ທໍາມະຊາດ”, i.e. ບໍ່ວ່າຈະເປັນລໍາດັບທີ່ມີຄວາມຫມາຍຂອງອາຊິດ amino ຫຼືພຽງແຕ່ແບບສຸ່ມ. ນີ້ແມ່ນຄ້າຍຄືກັບຕົວແບບພາສາພຽງແຕ່ສາມາດເວົ້າໄດ້ດ້ວຍຄວາມຫມັ້ນໃຈ 99 ເປີເຊັນວ່າປະໂຫຍກເປັນພາສາອັງກິດ (ຫຼືພາສາຊູແອັດ, ໃນຕົວຢ່າງຂອງ van Grieken), ແລະຄໍາສັບຕ່າງໆແມ່ນຢູ່ໃນລໍາດັບທີ່ຖືກຕ້ອງ. ນີ້ມັນຮູ້ຈາກ “ການອ່ານ” ຫຼາຍລ້ານລໍາດັບທີ່ຖືກກໍານົດໂດຍການວິເຄາະຫ້ອງທົດລອງ.

ຕໍ່ໄປມັນເບິ່ງຄວາມຫມາຍທີ່ແທ້ຈິງຫຼືທ່າແຮງໃນພາສາຂອງທາດໂປຼຕີນຈາກມະນຸດຕ່າງດາວ. ທ່ານກ່າວວ່າ “ຈິນຕະນາການທີ່ພວກເຮົາໃຫ້ທ່ານເປັນລໍາດັບ, ແລະນີ້ແມ່ນອຸນຫະພູມທີ່ລໍາດັບນີ້ຈະແຕກແຍກ,” ລາວເວົ້າ. “ຖ້າທ່ານເຮັດແນວນັ້ນຫຼາຍລໍາດັບ, ເຈົ້າສາມາດເວົ້າບໍ່ພຽງແຕ່, ‘ນີ້ເບິ່ງຄືວ່າທໍາມະຊາດ,’ ແຕ່ ‘ນີ້ເບິ່ງຄືວ່າ 26 ອົງສາເຊນຊຽດ.” ທີ່ຊ່ວຍໃຫ້ຕົວແບບຄິດໄລ່ວ່າເຂດໃດຂອງທາດໂປຼຕີນທີ່ຈະສຸມໃສ່.”

ຫຼັງຈາກນັ້ນ, ຮູບແບບດັ່ງກ່າວສາມາດແນະນໍາລໍາດັບຕ່າງໆ – ການຄາດເດົາທີ່ມີການສຶກສາ, ໂດຍພື້ນຖານແລ້ວ, ແຕ່ຈຸດເລີ່ມຕົ້ນທີ່ເຂັ້ມແຂງກວ່າການຂູດ. ແລະວິສະວະກອນຫຼືຫ້ອງທົດລອງສາມາດທົດລອງພວກມັນແລະນໍາເອົາຂໍ້ມູນນັ້ນກັບຄືນສູ່ເວທີ Cradle, ບ່ອນທີ່ມັນສາມາດຖືກລົງທຶນຄືນໃຫມ່ແລະນໍາໃຊ້ເພື່ອປັບຕົວແບບສໍາລັບສະຖານະການ.

ທີມງານ Cradle ໃນມື້ທີ່ດີຢູ່ທີ່ HQ ຂອງພວກເຂົາ (van Grieken ເປັນສູນກາງ).

ການດັດແປງທາດໂປຼຕີນສໍາລັບຈຸດປະສົງຕ່າງໆແມ່ນເປັນປະໂຫຍດໃນທົ່ວເຕັກໂນໂລຢີຊີວະພາບ, ຈາກການອອກແບບຢາໄປສູ່ການຜະລິດຊີວະພາບ, ແລະເສັ້ນທາງຈາກໂມເລກຸນ vanilla ກັບໂມເລກຸນທີ່ກໍາຫນົດເອງ, ປະສິດທິພາບແລະປະສິດທິພາບສາມາດຍາວແລະລາຄາແພງ. ວິທີໃດນຶ່ງທີ່ຈະຫຍໍ້ມັນໃຫ້ສັ້ນລົງ ອາດຈະໄດ້ຮັບການຕ້ອນຮັບຈາກ, ຢ່າງໜ້ອຍທີ່ສຸດ, ເທັກໂນໂລຍີຫ້ອງທົດລອງທີ່ຕ້ອງດໍາເນີນການທົດລອງຫຼາຍຮ້ອຍຄັ້ງເພື່ອໃຫ້ໄດ້ຜົນດີອັນໜຶ່ງ.

Cradle ໄດ້ດໍາເນີນການລັກລອບ, ແລະໃນປັດຈຸບັນກໍາລັງເກີດຂື້ນໂດຍໄດ້ລະດົມທຶນ 5.5 ລ້ານໂດລາໃນຮອບແກ່ນທີ່ນໍາພາໂດຍ Index Ventures ແລະ Kindred Capital, ດ້ວຍການເຂົ້າຮ່ວມຂອງເທວະດາ John Zimmer, Feike Sijbesma, ແລະ Emily Leproust.

Van Grieken ກ່າວວ່າການສະຫນອງທຶນຈະຊ່ວຍໃຫ້ທີມງານສາມາດຂະຫຍາຍການເກັບຂໍ້ມູນ – ຍິ່ງດີຂື້ນເມື່ອເວົ້າເຖິງການຮຽນຮູ້ເຄື່ອງຈັກ – ແລະເຮັດວຽກກັບຜະລິດຕະພັນເພື່ອເຮັດໃຫ້ມັນ “ບໍລິການຕົນເອງຫຼາຍຂຶ້ນ.”

ທ່ານ van Grieken ກ່າວໃນຖະແຫຼງການຂ່າວວ່າ “ເປົ້າຫມາຍຂອງພວກເຮົາແມ່ນເພື່ອຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍແລະເວລາຂອງການໄດ້ຮັບຜະລິດຕະພັນຊີວະພາບອອກສູ່ຕະຫຼາດຕາມລໍາດັບ,” van Grieken ກ່າວໃນຖະແຫຼງການ, “ເພື່ອໃຫ້ທຸກຄົນ – ເຖິງແມ່ນວ່າເດັກນ້ອຍສອງຄົນຢູ່ໃນບ່ອນຈອດລົດຂອງພວກເຂົາ – ສາມາດນໍາເອົາ. ມັນເປັນຜະລິດຕະພັນຊີວະພາບອອກສູ່ຕະຫຼາດ.”

Categories: AiHome

0 Comments

Leave a Reply

Avatar placeholder

Your email address will not be published. Required fields are marked *