تستمر تكاليف التدريب على الذكاء الاصطناعي في الهبوط

شكلت تكاليف التدريب المرتفعة على الذكاء الاصطناعي عائقاً كبيراً أمام اعتماد الذكاء الاصطناعي ، مما منع العديد من الشركات من تطبيق تكنولوجيا الذكاء الاصطناعي. وفقا ل تقرير Forrester Consulting لعام 2017، سلطت 48٪ من الشركات الضوء على التكاليف التكنولوجية المرتفعة كأحد الأسباب الرئيسية لعدم تنفيذ الحلول القائمة على الذكاء الاصطناعي.

ومع ذلك ، فقد أظهرت التطورات الأخيرة أن تكاليف التدريب على الذكاء الاصطناعي آخذة في الانخفاض بسرعة ، ومن المتوقع أن يستمر هذا الاتجاه في المستقبل. بحسب ال تقرير ARK Invest Big Ideas 2023، انخفضت تكاليف التدريب لنموذج لغوي كبير مشابه لأداء مستوى GPT-3 من 4.6 مليون دولار في عام 2020 إلى 450,000 ألف دولار في عام 2022 ، أي بانخفاض قدره 70٪ سنويًا.

دعنا نستكشف هذا الاتجاه المتمثل في انخفاض تكاليف التدريب على الذكاء الاصطناعي بشكل أكبر ومناقشة العوامل التي تسهم في هذا الانخفاض.

كيف تغيرت تكاليف التدريب على الذكاء الاصطناعي بمرور الوقت؟

وفقا لالأخيرة أبحاث ARK Invest 2020، تكلفة تدريب نماذج التعلم العميق تتحسن 50 مرة أسرع من قانون مور. في الواقع ، انخفضت النفقات المرتبطة بتشغيل نظام استدلال الذكاء الاصطناعي بشكل كبير إلى مستويات لا تذكر تقريبًا للعديد من حالات الاستخدام.

علاوة على ذلك ، انخفضت تكاليف التدريب عشر مرات سنويًا خلال السنوات القليلة الماضية. على سبيل المثال ، في عام 2017 ، كلف تدريب مصنف الصور مثل ResNet-50 على السحابة العامة حوالي 1,000 دولار ، ولكن بحلول عام 2019 ، انخفضت التكلفة بشكل كبير إلى ما يقرب من 10 دولارات.

تتوافق هذه النتائج مع أ تقرير 2020 من OpenAI، والتي وجدت أن مقدار قوة الحوسبة اللازمة لتدريب نموذج ذكاء اصطناعي لأداء نفس المهمة قد انخفض بمقدار ضعفين كل 16 شهرًا منذ عام 2012.

وعلاوة على ذلك، فإن تقرير ARK يسلط الضوء على انخفاض تكاليف التدريب على الذكاء الاصطناعي. يتوقع التقرير أنه بحلول عام 2030 ستنخفض تكلفة التدريب لنموذج مستوى GPT-3 إلى 30 دولارًا ، مقارنة بـ 450,000 ألف دولار في عام 2022.

العوامل التي تساهم في انخفاض تكاليف التدريب على الذكاء الاصطناعي

أصبح تدريب نماذج الذكاء الاصطناعي أرخص وأسهل مع استمرار تحسين تقنيات الذكاء الاصطناعي ، مما يجعلها في متناول مجموعة أكبر من الشركات. ساهمت عدة عوامل ، بما في ذلك تكاليف الأجهزة والبرامج والذكاء الاصطناعي المستند إلى السحابة ، في انخفاض تكاليف التدريب على الذكاء الاصطناعي.

دعنا نستكشف هذه العوامل أدناه.

1. المعدات

يتطلب الذكاء الاصطناعي أجهزة متخصصة عالية الجودة ومكلفة لمعالجة كميات كبيرة من البيانات والحسابات. توفر المنظمات مثل NVIDIA و IBM و Google وحدات معالجة الرسومات و TPU لتنفيذ أحمال عمل الحوسبة عالية الأداء (HPC). تجعل تكاليف الأجهزة المرتفعة من الصعب إضفاء الطابع الديمقراطي على الذكاء الاصطناعي على نطاق واسع.

ومع ذلك ، مع تقدم التكنولوجيا ، تتناقص تكاليف الأجهزة. بحسب ال تقرير ARK Invest 2023، يتنبأ قانون رايت بأن تكاليف إنتاج وحدة الحوسبة النسبية للذكاء الاصطناعي (RCU) ، أي تكاليف أجهزة تدريب الذكاء الاصطناعي ، يجب أن تنخفض بنسبة 57٪ سنويًا ، مما يؤدي إلى خفض تكاليف تدريب الذكاء الاصطناعي بنسبة 70٪ بحلول عام 2030 ، كما هو موضح في الرسم البياني أدناه.

2. البرمجيات

يمكن خفض تكاليف التدريب على برامج الذكاء الاصطناعي من خلال 47٪ سنويًا من خلال زيادة الكفاءة وقابلية التوسع. أطر البرمجيات مثل TensorFlow و PyTorch تمكن المطورين من تدريب نماذج التعلم العميق المعقدة على الأنظمة الموزعة ذات الأداء العالي ، مما يوفر الوقت والموارد.

علاوة على ذلك ، فإن النماذج الكبيرة المدربة مسبقًا مثل بداية v3 or ريسنيت وتساعد تقنيات التعلم المنقولة أيضًا على تقليل التكاليف من خلال السماح للمطورين بضبط النماذج الحالية بدلاً من تدريبها من الصفر.

3. الذكاء الاصطناعي القائم على السحابة

يقلل تدريب الذكاء الاصطناعي المستند إلى السحابة من التكاليف من خلال توفير موارد حوسبة قابلة للتطوير عند الطلب. باستخدام نموذج الدفع عند الاستخدام ، تدفع الشركات فقط مقابل موارد الحوسبة الخاصة بها. أيضًا ، يقدم موفرو الخدمات السحابية خدمات ذكاء اصطناعي مُعدة مسبقًا تعمل على تسريع تدريب الذكاء الاصطناعي.

على سبيل المثال، تعلم الآلة Azure هي خدمة قائمة على السحابة للتحليلات التنبؤية التي تتيح تطوير النماذج وتنفيذها بسرعة. يوفر موارد الحوسبة المرنة والذاكرة. يمكن للمستخدمين توسيع نطاق ما يصل إلى الآلاف من وحدات معالجة الرسومات بسرعة لزيادة أداء الحوسبة. يسمح للمستخدمين بالعمل من خلال متصفحات الويب الخاصة بهم في بيئات AI سابقة التكوين ، مما يلغي تكاليف الإعداد والتثبيت.

تأثير انخفاض تكاليف التدريب على الذكاء الاصطناعي

إن انخفاض تكاليف التدريب على الذكاء الاصطناعي له آثار كبيرة على مختلف الصناعات والمجالات ، مما يؤدي إلى تحسين الابتكار والقدرة التنافسية.

دعونا نناقش القليل منهم أدناه.

1. الاعتماد الجماعي لروبوتات الدردشة المتطورة بالذكاء الاصطناعي

روبوتات الدردشة المدعومة بالذكاء الاصطناعي آخذة في الارتفاع بسبب انخفاض تكاليف الذكاء الاصطناعي. خاصة بعد تطوير OpenAI شات جي بي تي و GPT-4 (المحولات التوليدية المدربة مسبقًا) ، كان هناك ارتفاع ملحوظ في عدد الشركات التي تتطلع إلى تطوير روبوتات دردشة تعمل بالذكاء الاصطناعي بقدرات مماثلة أو أفضل.

على سبيل المثال ، بعد خمسة أيام من إطلاقه في نوفمبر 2022 ، جمعت ChatGPT مليون مستخدم. على الرغم من أن تكلفة تشغيل النموذج على نطاق واسع اليوم تبلغ حوالي 1 دولارًا أمريكيًا لكل استعلام ، إلا أن قانون رايت يتوقع أنه بحلول عام 01 ، ستكون تطبيقات chatbot المشابهة لـ ChatGPT قابلة للنشر على نطاق هائل أرخص كثيرًا (يقدر بـ 2030 دولارًا لتشغيل مليار استفسار) ، مع إمكانية معالجة 650 مليار عملية بحث يوميًا ، أي ما يعادل بحث Google.

2. زيادة استخدام الذكاء الاصطناعي التوليدي

أدى انخفاض تكاليف التدريب على الذكاء الاصطناعي إلى زيادة في تطوير وتنفيذ تقنيات الذكاء الاصطناعي التوليدية. في عام 2022 ، كانت هناك زيادة كبيرة في استخدام الذكاء الاصطناعي التوليدي ، مدفوعًا بإدخال أدوات الذكاء الاصطناعي التوليدية المبتكرة ، مثل DALL-E 2 و Meta Make-A-Video و Stable Diffusion. في عام 2023 ، شهدنا بالفعل نموذجًا رائدًا في شكل GPT-4.

بصرف النظر عن إنشاء الصور والنصوص ، يساعد الذكاء الاصطناعي التوليفي المطورين على كتابة التعليمات البرمجية. يمكن أن تساعد برامج مثل GitHub Copilot في إكمال مهمة الترميز في نصف الوقت.

3. استخدام أفضل لبيانات التدريب

ومن المتوقع أن يسمح انخفاض تكاليف التدريب على الذكاء الاصطناعي باستخدام بيانات التدريب على التعلم الآلي بشكل أفضل. على سبيل المثال، تقرير ARK Invest 2023 يشير إلى أنه بحلول عام 2030 ، من المتوقع أن تنخفض تكلفة تدريب نموذج مع معلمات أكثر 57 مرة و 720 مرة أكثر من GPT-3 (معلمات 175B) من 17 مليار دولار إلى 600,000 دولار.

سيكون توافر البيانات وجودتها هو العامل المحدد الأساسي لتطوير نماذج التعلم الآلي المتقدمة في عالم الحوسبة منخفض التكلفة هذا. ومع ذلك ، ستطور نماذج التدريب القدرة على معالجة ما يقدر بـ 162 تريليون كلمة أو 216 تريليون رمز.

يبدو مستقبل الذكاء الاصطناعي واعدًا للغاية. لمعرفة المزيد عن أحدث الاتجاهات والأبحاث في مجال الذكاء الاصطناعي ، قم بزيارة اتحدوا.