NVIDIA (05/11) memperkenalkan Chris Alexiuk, seorang insinyur riset produk senior di bidang deep learning yang berbasis di Toronto, lewat profil di blog resmi perusahaan. Alexiuk dikenal luas di komunitas open source dengan nama akun “llm_wizard” di X dan kanal YouTube yang diikuti ribuan developer. Fokus utamanya adalah mengajarkan cara membangun, menyetel, mengevaluasi, dan meluncurkan aplikasi serta agen berbasis large language model (LLM) terbuka.
Dalam wawancara tersebut, Alexiuk menekankan bahwa transparansi merupakan prasyarat bagi AI yang baik. Ia menilai akses terbuka terhadap bobot model, data pelatihan, dan resep pembangunan menjadi syarat agar teknologi ini bisa dijangkau banyak orang. Karena itulah, di profil LinkedIn-nya ia mencantumkan diri sebagai “No. 1 Nemotron Fan”, merujuk pada keluarga model NVIDIA Nemotron yang bersifat open source dan multimodal.
Alexiuk menjelaskan bahwa Nemotron dirancang untuk melayani spektrum pengguna yang luas. Developer individu, misalnya, dapat menggunakan model seperti Nemotron 3.5 Lightning untuk pekerjaan eksekusi berfrekuensi tinggi dan berulang, sementara perusahaan dapat mengandarkan pada Nemotron Ultra untuk agen otonom yang berjalan lama, riset mendalam, dan tugas tingkat enterprise. Ia menggambarkan ekosistem Nemotron bak perpustakaan mantra: pengguna tinggal memilih “mantra” yang sesuai dengan kebutuhan mereka.
Latar belakang Alexiuk di dunia machine learning bermula dari kelas fisika komputasional di Trent University, Ontario. Proyek pertamanya adalah membangun classifier sederhana yang mendeteksi burung peliharaan temannya di webcam saat mereka bermain video game bersama. Pengalaman kecil itulah yang, menurutnya, membuka matanya terhadap potensi teknologi dan mendorongnya untuk terus berbagi pengetahuan.
Secara umum, model AI terbuka (open weights) adalah model yang bobot parameternya dapat diunduh dan dijalankan secara independen oleh siapa saja, berbeda dengan model tertutup yang hanya bisa diakses lewat API resmi penyedia. Konsep ini menjadi salah satu pilar dalam diskusi soal demokratisasi kecerdasan buatan, karena memungkinkan peneliti, developer, dan komunitas independen untuk mengaudit, menyesuaikan, serta membangun di atas model tersebut sesuai kebutuhan masing-masing.