Elon Musk conseguiu a façanha de construir um supercomputador para sua inteligência artificial Grok em apenas 122 dias. O bilionário quer agora multiplicar a potência por 10, atualizando para um milhão de chips gráficos Nvidia!
Em setembro, as equipes deElon MuskElon Musk ter concluído o construçãoconstrução do Colossus, o novo supercomputador de sua empresa de inteligência artificial xAI. Ele é usado para treinar seu Grok AI e contém 100.000 chips gráficos Nvidia Hopper. Segundo a Nvidia, é o maior supercomputador dedicado à IA. Em outubro, durante videoconferência publicada no YouTubeYouTubeElon Musk anunciou, entre outras coisas, que queria duplicar o número de GPUs para 200.000.
O bilionário decidiu obviamente que o simples excesso não é suficiente. De acordo com o Tempos Financeirosem vez de duplicar a capacidade do Colossus, decidiu multiplicá-la por 10 e, portanto, equipá-lo com um total de um milhão de chips gráficos Nvidia Hopper!
Descubra o interior do supercomputador Colussus da xAI e seus 100.000 chips Nvidia Hopper. Em inglês, habilite a tradução automática de legendas. © ServeTheHome
Um investimento que vale várias dezenas de bilhões de dólares
Grok é muito controverso, com Elon Musk querendo torná-lo um chatbot “anti-woke” enquanto acusa seus rivais de treinarem suas IAs para mentir. Em última análise, é muito menos avançado do que os seus principais concorrentes, como Bate-papoGPTBate-papoGPT Ou GoogleGoogle Gêmeos, com menor número de usuários. Musk parece querer recuperar o atraso aumentando a potência do supercomputador no qual foi treinado. No entanto, o custo provavelmente será extremamente alto.
Dado o preço dos chips, um supercomputador com um milhão de GPUs Nvidia Hopper corre o risco de custar várias dezenas de bilhões de dólares. Para o homem mais rico do mundo, cuja fortuna está actualmente avaliada em mais de 350 mil milhões de dólares, este pode não ser um investimento tão grande. No entanto, aumentar o poder computacional não será suficiente para melhorar o Grok. Isso permitirá que os desenvolvedores treinem-no mais rapidamente para testar diferentes versões, mas não resolverá o problema de alucinações e erros que ainda são muito comuns em grandes modelos de linguagem.
