Läser nu: SpikingBrain10 en AI som tänker som en riktig hjärna
- 01
SpikingBrain10 en AI som tänker som en riktig hjärna
Kinesiska forskare påstår sig nu ha byggt en helt ny typ av AI som inte bara är snabbare än ChatGPT utan också fungerar mer som en mänsklig hjärna Modellen kallas SpikingBrain10 och enligt dem själva är den upp till 100 gånger snabbare på vissa uppgifter Och det mest intressanta Den körs inte ens på västerländska grafikkort Istället används kinesisktillverkade chip Hjärninspirerad AI på hemmabygge alltså
Innehållsförteckning
Hur funkar SpikingBrain10 egentligen?
Till skillnad från klassiska AI modeller som jobbar med full kraft hela tiden använder SpikingBrain10 något som kallas spikingneuroner Det innebär att delar av modellen bara aktiveras när de verkligen behövs lite som hjärnceller som bara spikar vid rätt stimulans Resten ligger och chillar tills de får något vettigt att göra Det sparar både energi och processorkraft
Modellen använder också lokaliserad attention Det betyder att den fokuserar på närliggande delar av texten istället för att jämföra allt med allt vilket vanliga AI modeller ofta gör
Snabbare än ChatGpt sägs det
Enligt forskarna själva är modellen mellan 25 och 100 gånger snabbare än vanliga språkmodeller när det gäller att hantera långa texter Vi snackar miljontals tokens Vid fyra miljoner tokens var SpikingBrain10 över 100 gånger snabbare på att generera första svaret än en standardmodell Vid en miljon tokens låg förbättringen på ungefär 26 gånger
Med andra ord den här modellen är byggd för att tugga igenom riktigt långa dokument eller komplexa analyser inte bara småprata i en chatbot
Tekniken imponerar om det inte är något fuffens
SpikingBrain10 finns i två varianter en mindre modell med 7 miljarder parametrar och en större variant med 76 miljarder Den större använder en arkitektur som kallas mixture of experts vilket innebär att den inte använder alla sina experter samtidigt utan bara de som faktiskt behövs i stunden. Ganska smart faktiskt
Modellen tränades på ungefär 150 miljarder tokens vilket är ganska lite i AI sammanhang Trots det sägs den prestera på nivå med de mest avancerade öppna modellerna Mycket jobb liten datamängd kanske något för svenska myndigheter att ta anteckningar om
Kinesiska AI chip istället för Nvidia
Till skillnad från de flesta stora modeller idag som körs på NVIDIA grafikprocessorer körs SpikingBrain10 helt på kinesiska MetaX C550 chip Det här är inte bara ett tekniskt val utan också ett politiskt statement Kina visar att de kan bygga avancerad AI utan att vara beroende av amerikansk hårdvara
Forskarna säger att modellen tränats stabilt i flera veckor på hundratals sådana chip Det är ett tydligt steg mot att bli självförsörjande inom AI utveckling och ett sätt att runda västerländska exportrestriktioner
Men är det verkligen så bra som det låter?
Allt det här låter ju fantastiskt men det finns en hake Eller flera För det första all data kommer från forskarna själva Det finns ännu inga oberoende tester som bekräftar resultaten Det är som när någon skryter om sitt hemmabygge i garaget man vill gärna se det fungera innan man köper det
För det andra verkar hastighetsvinsterna främst gälla extremt långa textuppgifter Så om du bara använder AI för att skriva LinkedIn inlägg eller översätta mejl lär du inte märka någon större skillnad
Och slutligen även om forskarna säger att modellen är energisnål så finns det ännu inga detaljerade mätningar som visar exakt hur mycket ström den faktiskt förbrukar Det är lite som att säga att ens elbil går långt men glömma att nämna om man kör i nedförsbacke hela vägen
Oavsett så kan det förändra en hel del inom AI
Om SpikingBrain10 lever upp till hypen kan det verkligen förändra spelplanen. En AI modell som kräver mindre energi fungerar snabbare och inte behöver västerländska chip det skulle kunna göra avancerad AI mer tillgänglig för fler länder och aktörer
Det kan också pressa dagens jättar att tänka om kring hur modeller designas Kanske måste man inte alltid ha mer kraft kanske räcker det med att använda den smartare
Men som alltid med ny teknik återstår det att se vad som faktiskt håller i praktiken Det har ju inte direkt varit brist på AI hype de senaste åren
