Mind Machine实验室挑战AI的根本随机性

前OpenAI首席技术官Mira Murati公布了其新获资助的Mind Machine实验室的雄心研究，旨在解决AI最持久的挑战之一：大语言模型反应固有的不可预测性。在20亿美元种子资金支持下，该实验室认为AI随机性源于GPU内核运算而非算法复杂性。

确定性突破

在题为《战胜大语言模型推理中的非确定性》的首篇博客中，研究员Horace He提出精确控制GPU调度可消除AI输出的可变性。这种技术方法针对NVIDIA芯片组装推理过程的核心处理层——不一致反应的根源所在。

"对企业和研究人员而言，可复现的AI响应意味着系统可靠性的量子飞跃," He指出。

影响不仅限于一致性。实验室强调了确定性输出如何能：

• 通过减少噪声训练数据来简化强化学习
• 通过可预测的模型行为促进企业采用
• 加速专业应用的定制模型开发

与商业目标的战略契合

时机与泄露的投资者报告相吻合，报告显示该实验室计划为企业提供AI定制服务。通过首先解决确定性问题，他们将自身定位为提供独特可靠的微调能力——潜在的市场差异化因素。

Murati确认将在数月内推出产品，面向需要可复现模型行为的研究人员和初创公司。虽然细节仍保密，但已发表的研究很可能支撑了这一产品。

开放的研究理念

该实验室采取了异常透明的方法，承诺定期发布博客和代码——与OpenAI日益增加的保密形成鲜明对比。这呼应了Murati在OpenAI早期任职时的做法，同时解决了对不透明AI开发的批评。

关键点：

• 技术重点: 针对GPU内核运算而非模型架构
• 商业价值: 确定性模型实现可靠的企业应用
• 训练优化: 可能减少40-60%的强化学习噪声
• 战略时机: 研究先于计划的定制服务推出
• 透明度推动: 面向公众的博客与行业保密趋势背道而驰