微软认为 AI 可以加速将核聚变发展为一种实用的能源,而这反过来又可能加快解决如何为 AI 提供动力的问题。
在发电领域,核聚变技术与量子计算类似,目前仅存在于理论和实验室试验中,尚未在实际规模上应用。试验反应器仅能短暂地产生超过所消耗能量的反应。
爱好者们相信,这项技术将带来取之不尽的清洁能源,对微软而言,这一前景尤其令人期待,因为微软正在开发对能耗有着极大需求的 AI 产品。
因此,微软研究院与多位核聚变领域的知名专家看到了借助机器学习(现已统称为 AI)推进技术前沿的机会。
微软研究院的三位专家 Kenji Takeda、Shruti Rajurkar 和 Ade Famoti 在周三发布的一篇文章中写道:“追求核聚变作为一种无限且清洁的能源来源,一直是人类最雄心勃勃的科学目标之一。尽管可扩展的聚变能源仍需数年时间才能实现,但研究人员现在正探索如何利用 AI 加速聚变研究,并更早将这种能源投入电网。”
这种探索的一部分工作已于今年三月在微软研究院首届聚变峰会上展开,该峰会汇聚了希望借助 AI 加速聚变研究的科学家们——巧合的是,微软正斥资数十亿美元押注这一技术。
微软研究加速器部门的企业副总裁兼常务董事 Ashley Llorens 在活动开幕时表示,若能通过计算与 AI 应用推动可持续发展,将是一件多么宏大的事情。
这种设想显得尤为必要,因为目前的 AI 并非可持续发展。正如联合国环境规划署去年所指出的:“日益增多的数据中心用以容纳 AI 服务器,这些数据中心产生电子废弃物;它们大量消耗水资源,而许多地区的水资源已日益匮乏;它们依赖关键矿物和稀有元素,而这些资源往往以不可持续的方式开采;并且它们消耗巨量电力,促使温室气体排放,从而加剧全球变暖。”
微软目前应对 AI 环境影响的举措包括支付碳补偿费用、获取清洁能源,以及通过持续的硬件与软件优化工作,使其 AI 工作负载和数据中心更加高效。假如核聚变的实现能被进一步加速,这也许能在一定程度上抵消其业务造成的环境影响,前提是未来十年左右的排放不会使问题恶化到无法修复的地步。
普林斯顿等离子体物理实验室实验室主任、前英国原子能管理局首席执行官 Steven Cowley 爵士在主题演讲中指出,为了弄清 AI 是否能成为“找出真正以消费者愿付电价提供电力的最佳聚变配置的关键因素”,还需要更多研究。
做好等待的准备
无论是 AI 爱好者还是核聚变支持者,都需要耐心等待,因为毫无疑问,试验聚变能源发电厂在启动前至少还需要十年甚至更长时间。
美国国家科学院、工程院及医学院认为,公私部门的投资有望在 2035 至 2040 年间交付一座试点发电厂。这一时间框架与正在法国建设、但已多次延误的国际聚变试验堆(ITER)计划的目标启用日期相重叠。
乐观的一面是,机器学习目前已被应用于药物研发,证明其有能力协助复杂的研究任务。
微软组织的研究人员希望,通过在材料发现和偏微分方程等研究挑战中应用 AI,能够揭示实现商业化聚变能的道路。
Cowley 表示,其所在实验室已与微软签署谅解备忘录,计划展开合作,他认为 AI 有潜力缩短实现功能性聚变所需的时间,并为70年的反复试验提供一种替代途径。
他说:“聚变是一项我们从未尝试过的技术,利用计算和 AI 来找到一条可靠的实现之路是前进的必经之路——毕竟每一次试验都可能耗资几十亿美元。认为我们可以通过一遍又一遍的试错法来实现聚变,未免有些愚蠢。”
Clippy 登场:“我看到你正在构建聚变反应堆,需要帮忙吗?”
好文章,需要你的鼓励
麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源:注意力机制存在固有缺陷。研究通过理论分析和实验证明,即使在理想条件下,注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点,为未来AI架构发展指明新方向,提醒用户在复杂推理任务中谨慎使用AI工具。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
中科院自动化所等机构联合发布MM-RLHF研究,构建了史上最大的多模态AI对齐数据集,包含12万个精细人工标注样本。研究提出批评式奖励模型和动态奖励缩放算法,显著提升多模态AI的安全性和对话能力,为构建真正符合人类价值观的AI系统提供了突破性解决方案。