توافق NSF و NVIDIA برای مدل‌های کاملاً باز

بنیاد ملی علوم آمریکا (NSF) با همکاری NVIDIA طرحی را شرح دادند که هدف آن فراهم آوردن نسل بعدی مدل‌های هوش مصنوعی به‌صورت «کاملاً باز» است. این همکاری می‌تواند زمینه‌ساز توسعه آزادتر، شفاف‌تر و قابل‌اعتمادتر در ساختار مدل‌ها و تحقیقات هوش مصنوعی شود.

چرا مهم است؟ این حرکت می‌تواند ضریب نوآوری در جامعه علمی را افزایش داده و انحصار فعلی برخی بازیگران بزرگ را کاهش دهد.

توافق NSF و NVIDIA برای «مدل‌های کاملاً باز»؛ چه می‌سازد و چرا مهم است؟

بنیاد ملی علوم آمریکا (NSF) و انویدیا در ۱۴ اوت ۲۰۲۵ اعلام کردند برای توسعهٔ یک اکوسیستم کاملاً باز از مدل‌های هوش مصنوعی ویژهٔ جامعهٔ علمی آمریکا با هدایت مؤسسهٔ Allen Institute for AI (Ai2) مشارکت می‌کنند. ساختار تأمین مالی: ۷۵ میلیون دلار از NSF و ۷۷ میلیون دلار از انویدیا؛ جمعاً ۱۵۲ میلیون دلار تحت پروژهٔ «زیرساخت هوش مصنوعی چندوجهی باز برای شتاب‌دادن به علم» (OMAI).

«کاملاً باز» دقیقاً یعنی چه؟

بخش بزرگی از مدل‌های موسوم به «باز» تنها وزن‌ها را منتشر می‌کنند (open-weight) اما دادهٔ آموزشی، کُد، مستندات و دستورالعمل بازتولید را نه. در این ابتکار، Ai2 متعهد است همهٔ اجزا را در دسترس پژوهشگران قرار دهد: وزن‌ها، کُد، داده/ابزار بازرسی داده، و مستندات آموزشی—با هدف قابلیت ردیابی و بازتولید علمی در حوزه‌هایی مثل مواد پیشرفته، زیست‌پزشکی و انرژی.

چه چیزی ساخته می‌شود؟

• مدل‌های بزرگ چندوجهی (متن+تصویر و…): آموزش روی ادبیات و داده‌های علمی برای جست‌وجو، استنتاج، تولید کُد و مصورسازی دانش.
• زیرساخت و ابزار دادهٔ باز: ابزار «بازرسی/پاکسازی» داده و بسته‌های مستند برای پژوهشگران اوایلِ مسیر.
• اکوسیستم دانشگاهیِ هم‌پیمان: تیم‌هایی از دانشگاه واشینگتن، هاوایی در هیلو، نیوهمپشایر و نیومکزیکو نیز ذیل پروژه مشارکت می‌کنند.

سخت‌افزار و سکو

انویدیا برای آموزش و استنتاج، سامانه‌های HGX B300 مبتنی بر Blackwell Ultra و پلتفرم NVIDIA AI Enterprise را فراهم می‌کند—برای مقیاس‌پذیریِ آموزش مدل‌های بزرگ و بهره‌وری بالاتر.

چرا اکنون؟

NSF به صراحت می‌گوید هزینهٔ ساخت/بررسی مدل‌های قدرتمند از توان بسیاری از آزمایشگاه‌های دانشگاهی فراتر رفته و این شکاف، پژوهش علمی را محدود کرده است. این سرمایه‌گذاری با برنامهٔ «AI Action Plan» کاخ سفید هم‌راستاست تا مدل‌های بازِ پیشرو را برای پژوهش و آموزش در آمریکا بسازد.

پیامدهای کلیدی (تحلیل)

۱) شتاب در بازتولید و ممیزی علمی

باز بودنِ داده و کُد، ردیابی منبع خطاها، مطالعهٔ سوگیری‌ها و ارزیابی‌های روشمند را ممکن می‌کند؛ در علوم حساس (زیست‌پزشکی/اقلیمی) این شفافیت حیاتی است. نتیجهٔ محتمل: کاهش فاصلهٔ «دموی آزمایشگاهی» تا ابزار روزمرهٔ پژوهش.

۲) امنیت و ایمنی: فرصت و مسئولیت

شفافیت کامل، پژوهش ایمنی (safety) را تقویت می‌کند اما ریسک سوءاستفاده را هم بالا می‌برد. بنابراین نهادی مثل Ai2 بر راهنماهای انتشار، مستندسازی و ابزارهای ممیزی داده تأکید می‌کند تا توازن «دسترسی/سوءاستفاده» بهتر مدیریت شود.

۳) رقابت ژئو-علمی و «استاندارد مرجعِ باز»

اگر خروجی‌های OMAI به‌اندازهٔ کافی قوی و تکرارپذیر باشند، می‌توانند به استاندارد مرجع برای ارزیابی و آموزش در دانشگاه‌ها تبدیل شوند—فشاری غیرمستقیم بر عرضه‌کنندگان مدل‌های صرفاً open-weight تا اجزای بیشتری را باز کنند. از سوی دیگر، این پروژه یک پیام صنعتی/سیاستی نیز دارد: هم‌سویی دولت و صنعت حول «بازبودن» برای حفظ مزیت رقابتی.

۴) پل میان آزمایشگاه و کاربرد

مسیر اعلامیِ کاربردها شامل اکتشاف مواد، بهبود پیش‌بینی عملکرد پروتئین، و ابزارهای برنامه‌نویسی برای علم است. ترکیب مدل‌های چندوجهی با دادهٔ دامنه‌ای می‌تواند چرخهٔ فرضیه‌سازی→آزمایش→تحلیل را کوتاه‌تر کند.

سؤالاتِ باز (آنچه باید رصد کنیم)

• پروتکل انتشار داده: کدام مجموعه‌داده‌ها واقعاً «باز» می‌شوند و با چه سطح پاک‌سازی/حذف موارد حساس؟
• مجوزها (Licensing): مجوزِ وزن‌ها/داده/کُد چیست و چه محدودیت‌هایی برای استفادهٔ تجاری/نظامی دارد؟ (Ai2 سابقهٔ انتشار خانوادهٔ OLMo/Molmo با رویکرد باز دارد؛ باید دید OMAI چه مجوزی برگزینند.)
• شاخص‌های موفقیت: آیا معیارهای «بازده پژوهشی» (مثلاً کشف مادهٔ نو یا بازتولید نتایج) به‌طور عمومی گزارش می‌شود یا صرفاً بنچمارک‌های سنتی؟

جمع‌بندی عملی برای تیم‌های تحقیقاتی

اگر در دانشگاه/لابراتوار هستید، این ابتکار احتمالاً به‌معنای دسترسی آسان‌تر به مدل‌ها و دستورکارهای بازتولید، مستندات بهتر و هزینهٔ کمتر برای شروع است. اگر در صنعتید، خروجی‌های OMAI می‌تواند پایهٔ ارزان و قابل‌ممیزی برای پروژه‌های علوم داده و R&D‌تان باشد—با این هشدار که حاکمیت داده/مجوزها را از همان ابتدا روشن کنید.

منابع منتخب

• خبر رسمی NSF با جزئیات تأمین مالی، اهداف OMAI و ذی‌نفعان دانشگاهی.
• وبلاگ رسمی انویدیا با اطلاعات سخت‌افزار (HGX B300/Blackwell Ultra) و شرح تعهدات.
• اطلاعیهٔ Ai2 با شکستن ارقام (۷۵+۷۷=۱۵۲ میلیون) و پیوند با خانوادهٔ OLMo/Molmo.
• پوشش خبری سیاست/زمینهٔ حاکمیتی و عدد کل سرمایه‌گذاری ~۱۵۰–۱۵۲ میلیون دلار.