إيتان جينسبيرج، المؤسس المشارك لمارتين – سلسلة المقابلات

إيتان جينسبيرج هو المؤسس المشارك لمارتين، منصة توجيه ديناميكي لكل استعلام إلى أفضل نموذج لغة كبير. من خلال التوجيه، تحقق مارتين أداء أعلى وتكلفة أقل من أي مزود فردي، بما في ذلك GPT-4. يتم بناء النظام على تقنية الخرائط النموذجية الفريدة للشركة التي تفكك نماذج اللغة الكبيرة من صناديق سوداء معقدة إلى بنية أكثر تفسيرًا، مما يجعلها أول تطبيق تجاري للتفاسير الميكانيكية.

كان إيتان يبرمج ويعمل على تصميم المواقع وإنشاء أعمال إلكترونية للعملاء منذ كان في المدرسة الإعدادية. إيتان هو متعدد المواهب، وهو منافس في بطولة العالم للذاكرة ومصنّف thứ 2 في بطولة العالم للقراءة السريعة في شنتشن، الصين.

إنه منافس في مسابقات هاكاثون. تشمل الجوائز السابقة المركز الثالث في تيك كرانش SZ، والمركز السابع في نهائيات هاكاثون برينستون، وثلاثة جوائز في هاكاثون ييل.

كنت مؤسسًا لشركة بدأتها من قبل، ما هي هذه الشركات وماذا تعلمت من هذه التجربة؟

كانت شركتي الأولى هي المنصة الأولى للترويج وتطوير رياضة الأمريكي نينجا واريور. في عام 2012، رأيت الأمريكي نينجا واريور كرياضة تحت الأرض (مثل الملاكمة في التسعينيات) وقمت بإنشاء المنصة الأولى التي يمكن للناس من خلالها شراء مخططات، وطلب عقبات، وfinding صالات للاستفادة منها. قمت بالاستشارة لشركات تريد إنشاء صالات رياضية خاصة بها، بما في ذلك مساعدة قوات العمليات الخاصة الأمريكية في دورة تدريبية وتوسيع منشأة من مخطط إلى 300 ألف دولار في الشهر الأول. على الرغم من أنني كنت في المدرسة الثانوية، كان لي أول تجربة لي في إدارة فرق من 20+ عاملاً وتعلمت عن الإدارة الفعالة والعلاقات الشخصية.

كانت شركتي الثانية شركة إدارة أصول بديلة التي أسستها في عام 2017 قبل موجة ICO في العملات الرقمية. كان هذا أول تعرض لي للنظم النصية الطبيعية حيث استخدمنا تحليل المزاج لبيانات وسائل التواصل الاجتماعي كاستراتيجية استثمارية.

تعلمت الكثير من المهارات الصعبة واللينة التي تدخل في تشغيل شركة بدأتها – من كيفية إدارة فريق إلى الجوانب الفنية للنظم النصية الطبيعية. في الوقت نفسه، تعلمت أيضًا الكثير عن نفسي وعن ما أريد العمل عليه. أعتقد أن أكثر الشركات نجاحًا هي تلك التي يؤسسها مؤسسون لديهم رؤية أو هدف أوسع يحركهم. غادرت العملات الرقمية في عام 2017 للتركيز على النظم النصية الطبيعية لأن تعزيز فهم الذكاء البشري وفهمنا له شيء يحركني حقًا. كنت سعيدًا باكتشاف ذلك.

في أثناء حضورك جامعة بنسيلفانيا، قمت ببعض الأبحاث حول الذكاء الاصطناعي، ماذا كنت تبحث بشكل محدد؟

كان بحثنا في البداية يركز على بناء تطبيقات للنظم النصية الكبيرة. على وجه الخصوص، عملنا على التطبيقات التعليمية للنظم النصية الكبيرة وكنا نبني أول معلم认رفي مدعوم بالنظم النصية الكبيرة. كانت النتائج جيدة جدًا – رأينا تحسنًا بمقدار 0.3 من الانحراف المعياري في نتائج الطلاب في التجارب الأولية – ونظامنا تم استخدامه من جامعة بنسيلفانيا إلى جامعة بوتان.

يمكنك مناقشة كيف أدى هذا البحث إلى تأسيس مارتين؟

بسبب كوننا من بين أوائل الأشخاص الذين يبنيون تطبيقات على النظم النصية الكبيرة، كنا أيضًا من بين أوائل الأشخاص الذين واجهوا المشاكل التي يواجهها الأشخاص عند بناء تطبيقات على النظم النصية الكبيرة. أدى ذلك إلى توجيه بحثنا نحو طبقة البنية التحتية. على سبيل المثال، في وقت مبكر جدًا، كنا نضبط نماذج أصغر على مخرجات نماذج أكبر مثل GPT-3، وتحسين النماذج على مصادر بيانات مخصصة لمهام مثل البرمجة وحل المسائل الرياضية. أدى ذلك في النهاية إلى مشاكل حول فهم سلوك النموذج وتوجيه النموذج.

أصول اسم مارتين وعلاقته بالذكاء أيضًا مثيرة للاهتمام، يمكنك مشاركة قصة كيفية اختيار هذا الاسم؟

تمت تسمية شركتنا على اسم مجموعة من العلماء الأمريكيين والمجريين المعروفين باسم “المريخيون”. هذه المجموعة، التي عاشت في القرن العشرين، كانت تتألف من بعض أذكى الأشخاص الذين عاشوا على الإطلاق:

• الأكثر شهرة بينهم كان جون فون نيومان؛ اخترع نظرية الألعاب، وهندسة الحاسوب الحديثة، ونظرية الآلات، وساهم بشكل أساسي في العديد من المجالات الأخرى.
• باول إيردوس كان أبرز الرياضيين على الإطلاق، حيث نشر أكثر من 1500 ورقة.
• ثيودور فون كارمان أسس النظريات الأساسية لأيروديناميكا وأسس البرنامج الفضائي الأمريكي. الحد الذي يحدد بين الأرض والفضاء يسمى “خط كارمان” تقديرًا لعمله.
• ليو سيلارد اخترع القنبلة الذرية والعلاج الإشعاعي ومسرعات الجسيمات.

هؤلاء العلماء و14 آخرين مثلهم (بما في ذلك مخترع القنبلة الهيدروجينية، الرجل الذي أدخل نظرية المجموعة إلى الفيزياء الحديثة، والمساهمين الأساسيين في مجالات مثل التوليف، ونظرية الأعداد، والتحليل العددي، ونظرية الاحتمال) تشاركوا في تشابه ملحوظ – جميعهم ولدوا في نفس جزء من بودابست. أدى ذلك إلى سؤال الناس: ما هو مصدر इतन من الذكاء؟

في رد، قال سيلارد मजاكًا: “المريخيون موجودون بالفعل، ويدعون أنفسهم مجريين!” في الواقع… لا أحد يعرف.

يتعرض الإنسان لنفس الوضع اليوم مع مجموعة جديدة من العقول الفائقة الذكاء المحتملة: الذكاء الاصطناعي. الناس يعرفون أن النماذج يمكن أن تكون ذكية جدًا، ولكنهم لا يعرفون كيف تعمل.

مهمتنا هي الإجابة على هذا السؤال – لفهم وتحقيق الذكاء الفائق الحديث.

لديك تاريخ من الإنجازات الرائعة في مجال الذاكرة، كيف أصبحت متعمقًا في هذه التحديات وكيف ساعدتك هذه المعرفة في مفهوم مارتين؟

في معظم الرياضات، يمكن لمحترف الرياضة أن يؤدي بشكل أفضل 2-3 مرات من الشخص العادي (قارن بين مدى قوة ركل كرة القدم أو سرعة رمي الكرة السريعة لمحترف مقابل شخص عادي). رياضات الذاكرة مثيرة للاهتمام لأن الرياضيين الأفضل يمكنهم تذكر 100 مرة أو حتى 1000 مرة أكثر من الشخص العادي مع تدريب أقل من معظم الرياضات. علاوة على ذلك، هؤلاء الأشخاص عادة ما يكونون أفرادًا ذوي ذاكرة طبيعية متوسطة ي归زون أدائهم إلى تقنيات محددة يمكن لأي شخص تعلمها. أريد تحقيق أقصى استفادة من معرفة الإنسان، ورأيت بطولة العالم للذاكرة كفكرة غير متقنة حول كيف يمكننا تحقيق عوائد استثنائية لزيادة الذكاء البشري.

أردت نشر تقنيات الذاكرة في جميع أنحاء نظام التعليم حتى أبدأ في استكشاف كيف يمكن للنظم النصية الطبيعية وLLM مساعدة في تقليل تكلفة الإعداد التي تمنع معظم الأساليب التعليمية الفعالة من استخدامها في نظام التعليم الرئيسي. قمت أنا وYash بإنشاء معلم认رفي مدعوم بالنظم النصية الكبيرة الأول، وأدى ذلك إلى اكتشافنا لمشاكل النظم النصية الكبيرة التي نساعد في حلها اليوم.

مارتين أساسًا يabstracts بعيدًا عن قرار ما هو نموذج اللغة الكبير الذي يجب استخدامه، لماذا يعتبر هذا نقطة ألم حاليًا للمطورين؟

أصبح من الأسهل والأسهل إنشاء نماذج اللغة – تتناقص تكلفة الحوسبة، وتزداد كفاءة الخوارزميات، وتتوفر أدوات مفتوحة المصدر أكثر لإنشاء هذه النماذج. ونتيجة لذلك، يصبح أكثر من الشركات والمطورين يخلقون نماذج مخصصة مدربة على بيانات مخصصة. نظرًا لأن هذه النماذج لها تكاليف وقدرات مختلفة، يمكنك الحصول على أداء أفضل باستخدام نماذج متعددة، ولكن من الصعب اختبارها جميعًا وfinding النماذج الصحيحة لاستخدامها. نحن نهتم بذلك من أجل المطورين.

يمكنك مناقشة كيف يفهم النظام ما هو نموذج اللغة الكبير الأفضل لاستخدامه لكل مهمة محددة؟

التوجيه جيدًا هو أساسًا مشكلة حول فهم النماذج. لتوجيه النماذج بشكل فعال، تريد أن تتمكن من فهم ما يسبب فشلها أو نجاحها. يمكن أن يسمح لنا فهم هذه الخصائص بالتوجيه بين النماذج بشكل فعال، ونحن نرسل ذلك الطلب إلى النموذج الذي سينتج أفضل نتيجة.

يمكنك مناقشة نوع التوفيرات التكلفة التي يمكن رؤيتها من تحسين نموذج اللغة الكبير الذي يتم استخدامه؟

نسمح للمستخدمين بتحديد كيفية التوفيق بين التكلفة والأداء. إذا كنت لا تهتم إلا بالأداء، يمكننا أن نتفوق على GPT-4 على openai/evals. إذا كنت تبحث عن تكلفة معينة من أجل جعل اقتصاديات الوحدة الخاصة بك تعمل، نسمح لك بتحديد التكلفة القصوى لطلبك، ثم نجد أفضل نموذج لإكمال ذلك الطلب. وإذا كنت تريد شيئًا أكثر ديناميكية، نسمح لك بتحديد مقدار ما ترغب في دفعه مقابل إجابة أفضل – بهذه الطريقة، إذا كان لديك نموذجان لهما أداء مشابه ولكن هناك فرق كبير في التكلفة، يمكننا أن نسمح لك باستخدام النموذج الأقل تكلفة. لقد رأى بعض عملائنا انخفاضًا في التكلفة يصل إلى 12 مرة.

ما هو رؤيتك لمستقبل مارتين؟

كل مرة نتحسن من فهمنا الأساسي للنماذج، يؤدي ذلك إلى تحول في نمط الذكاء الاصطناعي. كان التوجيه هو النمط الذي يحركه فهم المخرجات. التوجيه هو النمط الذي يحركه فهم الإدخالات. الفرق الوحيد في فهمنا للنماذج هو ما يميز الذكاء الاصطناعي التقليدية (“دعنا نتدرب على الانحدار”) والذكاء الاصطناعي الحديث (“دعنا نوجيه نموذجًا صغيرًا للاستخبارات الاصطناعية”).

هدفنا هو تحقيق اختراقات مستمرة في تفسيرية حتى نفهم الذكاء الاصطناعي تمامًا ونحصل على نظرية للذكاء قوية مثل نظريات المنطق أو الحساب.

لهذا الغرض، يعني بناء. يعني إنشاء أدوات ذكاء اصطناعي رائعة ووضعها في أيدي الناس. يعني إصدار أشياء تكسير الطابع، التي لم يفعلها أحد من قبل، والتي – أكثر من أي شيء آخر – مثيرة للاهتمام ومفيدة.

بكلمات سير فرانسيس بيكون، “المعرفة هي القوة”. وبالتالي، أفضل طريقة لضمان فهمنا للذكاء الاصطناعي هي إصدار أدوات قوية. في رأينا، توجيه النماذج هو أداة من هذا النوع. نحن متحمسون للبناء، والنمو، ووضعها في أيدي الناس.

هذا هو الأول من العديد من الأدوات التي سنصدرها في الأشهر القادمة. لاكتشاف نظرية جميلة للذكاء الاصطناعي، لتمكين أنواع جديدة تمامًا من البنية التحتية للذكاء الاصطناعي، لمساعدة بناء مستقبل أكثر إشراقًا للإنسان والآلة – لا نستطيع الانتظار لمشاركة تلك الأدوات معكم.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا مارتين.