Comptoir IA đïžđ§ đ€
đ„ïž Comment rĂ©volutionner le compute en IA | La vision de ZML par Steeve Morin
Jan 7, 2025
Steeve Morin, fondateur de ZML et ancien VP Engineering chez Zenly, partage sa vision rĂ©volutionnaire de lâinfĂ©rence en IA. Il explique comment ZML permet de maximiser la performance tout en rĂ©duisant les coĂ»ts. La discussion inclut l'impact des derniĂšres technologies de Nvidia et l'importance croissante de la compĂ©tition sur le marchĂ© des puces. Steeve aborde Ă©galement les dĂ©fis Ă©nergĂ©tiques liĂ©s Ă l'IA et l'Ă©volution des modĂšles de raisonnement. Une rĂ©flexion captivante sur l'avenir de l'IA et son Ă©conomie.
01:29:34
Episode guests
AI Summary
AI Chapters
Episode notes
Podcast summary created with Snipd AI
Quick takeaways
- ZML se positionne comme une solution open source innovante qui maximise l'inférence des modÚles d'IA tout en réduisant les coûts.
- La compétition croissante dans le secteur des puces, avec des acteurs émergents, remet en question le monopole de Nvidia dans le domaine de l'IA.
Deep dives
Distinguer le Training et l'Inference
Le training, ou entraĂźnement, est illustrĂ© comme le processus d'apprentissage d'un modĂšle oĂč l'on met des donnĂ©es en entrĂ©e et en sortie pour corriger et affiner le modĂšle jusqu'Ă obtenir ce qu'on appelle des poids. Ces poids, une fois combinĂ©s Ă une architecture, forment un modĂšle complet. En revanche, l'infĂ©rence reprĂ©sente la phase d'application de ce modĂšle, oĂč l'on lui pose des questions sur des donnĂ©es qui ne faisaient pas partie de son ensemble d'entraĂźnement. Cette distinction est cruciale car l'infĂ©rence est dĂ©crite comme un besoin universel dans le domaine de l'intelligence artificielle, surpassant en frĂ©quence et en nĂ©cessitĂ© le processus de training.
Remember Everything You Learn from Podcasts
Save insights instantly, chat with episodes, and build lasting knowledge - all powered by AI.
