Ο Garry Tan, επικεφαλής του επιταχυντή startups Y Combinator, διατύπωσε την πρόταση να στραφούν τα μικρότερα αμερικανικά εργαστήρια τεχνητής νοημοσύνης που αναπτύσσουν μοντέλα ανοιχτών βαρών (open-weight) σε μια συγκεκριμένη τεχνική εκπαίδευσης: την «απόσταξη» (distillation) γνώσης από κορυφαία, αμερικανικά frontier μοντέλα.
Η απόσταξη είναι μια μέθοδος κατά την οποία ένα μικρότερο μοντέλο εκπαιδεύεται ώστε να αναπαράγει τις ικανότητες ενός πολύ μεγαλύτερου και ισχυρότερου μοντέλου, μειώνοντας το κόστος και τους υπολογιστικούς πόρους που απαιτούνται για την ανάπτυξή του. Σύμφωνα με τον Tan, η ίδια λογική που έχει ήδη χρησιμοποιηθεί ευρέως αλλού θα μπορούσε να εφαρμοστεί και εντός των Ηνωμένων Πολιτειών, πάνω σε αμερικανικά frontier μοντέλα.
Ο στόχος, όπως τον περιγράφει ο ίδιος, είναι να αποκτήσουν οι ΗΠΑ ένα πιο ισχυρό και ποικίλο σύνολο open-weight μοντέλων τεχνητής νοημοσύνης, τα οποία δεν θα βασίζονται σε κινεζικά συστήματα. Η πρόταση αγγίζει ένα ευρύτερο ζήτημα που έχει απασχολήσει τη βιομηχανία AI τα τελευταία χρόνια: την ανοδική πορεία κινεζικών open-weight μοντέλων, τα οποία έχουν αποκτήσει σημαντική απήχηση διεθνώς λόγω της ελεύθερης πρόσβασης σε αυτά, σε αντίθεση με πολλά κορυφαία αμερικανικά μοντέλα που παραμένουν κλειστά.
Η θέση του Y Combinator, ενός από τους πιο επιδραστικούς επιταχυντές startups παγκοσμίως, ενισχύει τη συζήτηση γύρω από τη στρατηγική θέση των ΗΠΑ στον τομέα της τεχνητής νοημοσύνης, ιδίως όσον αφορά το ερώτημα αν η χώρα πρέπει να επενδύσει περισσότερο σε ανοιχτά, προσβάσιμα μοντέλα αντί να βασίζεται αποκλειστικά σε κλειστά, εμπορικά συστήματα των μεγάλων εταιρειών του κλάδου.