ИИ-эксперт Жук: разговор с ChatGPT на 20-30 вопросов стоит миру пол литра воды
Разработанный Google DeepMind метод JEST представляет собой прорыв в обучении искусственного интеллекта (ИИ), который значительно повысит его эффективность и экологичность.
JEST отличается от предыдущих методов тем, что обучает ИИ на основе комплексных наборов данных, а не на отдельных примерах. Это позволяет создать меньшую модель ИИ, которая оценивает и фильтрует данные из авторитетных источников, аналогично учителю, отбирающему лучшие учебные материалы.
Затем из наиболее релевантных данных формируются «пакеты», которые использует меньшая модель для обучения большей модели. Этот процесс, аналогичный составлению школьной учебной программы, обеспечивает комплексный охват темы.
По сравнению с предшественниками JEST сокращает время обучения ИИ в десять раз и снижает энергопотребление во время обучения. Это приобретает особую важность в свете растущего экологического ущерба, вызванного дата-центрами. Например, один запрос ChatGPT потребляет в десять раз больше энергии, чем поиск в Google, из-за необходимости генерировать и отбирать несколько вариантов ответа.
Эксперты отмечают, что JEST может сократить потребление энергии на 20%, приходящееся на ИИ в дата-центрах. Ожидается, что в ближайшее время его начнут широко применять в Кремниевой долине и китайских технологических компаниях.
Однако для дальнейшего снижения энергопотребления отрасль должна найти решение проблемы, заключающейся в том, что ИИ-ответы генерируются методом подбора, создавая множество потенциальных ответов и выбирая из них наилучший. Этот этап потребляет 85% всей энергии, используемой ЦОДами для ИИ.
JEST отличается от предыдущих методов тем, что обучает ИИ на основе комплексных наборов данных, а не на отдельных примерах. Это позволяет создать меньшую модель ИИ, которая оценивает и фильтрует данные из авторитетных источников, аналогично учителю, отбирающему лучшие учебные материалы.
Затем из наиболее релевантных данных формируются «пакеты», которые использует меньшая модель для обучения большей модели. Этот процесс, аналогичный составлению школьной учебной программы, обеспечивает комплексный охват темы.
По сравнению с предшественниками JEST сокращает время обучения ИИ в десять раз и снижает энергопотребление во время обучения. Это приобретает особую важность в свете растущего экологического ущерба, вызванного дата-центрами. Например, один запрос ChatGPT потребляет в десять раз больше энергии, чем поиск в Google, из-за необходимости генерировать и отбирать несколько вариантов ответа.
Эксперты отмечают, что JEST может сократить потребление энергии на 20%, приходящееся на ИИ в дата-центрах. Ожидается, что в ближайшее время его начнут широко применять в Кремниевой долине и китайских технологических компаниях.
Однако для дальнейшего снижения энергопотребления отрасль должна найти решение проблемы, заключающейся в том, что ИИ-ответы генерируются методом подбора, создавая множество потенциальных ответов и выбирая из них наилучший. Этот этап потребляет 85% всей энергии, используемой ЦОДами для ИИ.
Ссылки по теме:
Кронштейны и скобы для СИП: арматура для крепление к опорам и стенам
Эндокринолог Ленькова связала неконтролируемый аппетит с инсулинорезистентностью
Виталий Решетников оценил экономию россиян на газе до 28 тысяч рублей в год
Эксперт Новицкий рассказал о применении PDR ремонта для устранения вмятин на кузове автомобилей
Диетолог Круглова рассказала о пользе сыра для диабетиков и правилах его употребления
