Изкуственият интелект може да бъде обучен с порядък по-бързо и по-ефективно
(снимка: CC0 Public Domain)
Изследователите на Google DeepMind разработиха нов метод за обучение на изкуствен интелект, който обещава значително да подобри ефективността на AI системите и да намали консумацията на енергия. Технологията може да бъде отговорът на нарастващите опасения относно въздействието върху околната среда на AI центровете за данни.
Иновативният метод за обучение на модели с изкуствен интелект, наречен JEST (Joint Example Selection), може да доведе до драматични промени в областта на AI. Според публикуваното изследване, новата технология осигурява 13-кратно намаляване на броя на повторенията на обучение и 10-кратно намаляване на консумацията на енергия, в сравнение със съществуващите методи, съобщава Tom’s Hardware. С други думи, AI може да бъде обучен с порядък по-бързо и по-ефективно.
Различен от традиционните методи
JEST се различава от традиционните подходи по това, че се учи от цели партиди данни, а не от отделни части. Методът първо изгражда по-малък AI модел, който оценява качеството на данните от различните източници и класира пакетите. След това сравнява своя резултат с набор от по-ниско качество, определя кои пакети са най-подходящи за обучение и накрая обучава по-големия модел въз основа на най-добрите данни, избрани от по-малкия модел.
Ключов фактор за успеха на JEST е използването на висококачествени, внимателно подбрани набори от данни. Това прави метода особено взискателен към първоначалната информация и може да ограничи използването му от аматьори и непрофесионални разработчици.
Интересното е, че появата на JEST съвпадна с нарастващите опасения относно консумацията на енергия от AI системите. Според изследователите, работните AI натоварвания са консумирали около 4,3 GW електроенергия през 2023 г., което е сравнимо с годишното потребление на Кипър. Освен това една заявка за ChatGPT изразходва 10 пъти повече енергия от заявка за търсене в Google.
Два начина за използване
Експертите отбелязват, че новата технология може да се използва по два начина: за намаляване на потреблението на енергия при запазване на текущата производителност или за постигане на максимална производителност при същото ниво на потребление на енергия. Изборът ще зависи от приоритетите на компанията и пазарните тенденции.
Внедряването на JEST може да има значително въздействие върху AI индустрията, като се има предвид високата цена за обучение на настоящите модели. Така например, разходите за обучение за GPT-4 се оценяват на 100 милиона долара, а бъдещите модели може да изискват още по-големи инвестиции.
Методът JEST, представен от Google DeepMind, отваря принципно нови възможности за повишаване на ефективността и намаляване на разходите за AI технологията. Практическото приложение на метода предстои да бъде оценено от реалните внедрявания.