由曾担任Progressive保险公司营销代言人的AI创业者杰夫·查尼(Jeff Charney)和脑科学家朱利叶斯·弗里德里克松(Julius Fridriksson)领导的新合资企业正在测试：研究受损人脑是否能创造更小、更节能的人工智能。
这家名为Allt.ai的企业旨在解决AI快速扩张面临的一个最大问题：巨大的环境和能源足迹。这些是9月29日发表的原文章的要点。
一项出人意料的合作旨在解决AI的能源问题
以Progressive保险公司"佛罗"(Flo)等营销活动闻名的查尼与弗里德里克松合作，开发了一种名为"脑-大语言模型统一模型"(Brain-LLM Unified Model, BLUM)的技术。主要目标是解决AI数据中心的巨大能耗问题，这些数据中心的耗电量可与一座小城市相当。通过提高AI模型的效率，他们希望随着技术的广泛应用，使其更加可持续。
该方法涉及在AI模型中制造"脑损伤"
核心理念是将中风患者研究的经验应用到人工智能上。弗里德里克松的研究探讨了失语症患者的大脑如何从病变（即受损组织区域）中恢复，揭示了大脑如何优先处理基本功能。该公司的技术将应用类似原理，在大语言模型(LLMs)中制造人工"病变"。这一过程旨在识别并移除AI中冗余或非必要的部分，有效地"修剪"模型，使其更小、更高效，同时不牺牲其核心智能。
人脑是效率的终极典范
该项目从根本上受到人脑与当前AI模型在能效方面鲜明对比的启发。虽然一个大语言模型可能拥有超过一万亿个参数，需要数据中心的大量电力供应，但人脑仅用相当于几节AA电池的电量就能完成复杂任务。弗里德里克松解释说，这是因为大脑具有高度选择性，只激活特定任务所需的区域。相比之下，当前的AI模型通过一次性启动所有组件来运行，导致巨大的能源浪费。
这一想法源于对"数字"大脑的研究
这一突破性概念源自弗里德里克松之前利用AI帮助中风患者的工作。他和他的团队正在创建患者大脑的"数字孪生体"，以模拟创伤并预测恢复结果。在这些模拟过程中，弗里德里克松注意到，对AI模型施加损伤通常对其整体性能没有影响。这使他意识到模型"不必如此庞大"，可能包含大量冗余组件，从而激发出可以有意精简它们的想法。
目标是与大型AI公司建立互惠合作伙伴关系
BLUM技术仍处于早期专有阶段，其全部节能潜力尚未得到证实。查尼和弗里德里克松并不打算构建自己的AI，而是寻求与Alphabet或ChatGPT等大型AI公司合作。他们的目标是利用自己的技术帮助该公司提高现有模型的效率。作为回报，他们希望合作伙伴关系能提供先进的AI，以帮助进一步推进他们对治疗人类脑部疾病（如失语症）的主要研究。
【全文结束】
