Koneälykoulutuksen kustannukset jatkavat laskuaan

Korkeat koneälykoulutuksen kustannukset ovat olleet merkittävä este koneälyn omaksumiselle, estäen monia yrityksiä toteuttamasta koneälytekniikkaa. Vuoden 2017 Forrester Consulting -raportin mukaan 48 % yrityksistä korosti korkeita teknologian kustannuksia yhtenä pääsyyllä sille, ettei he toteuttaneet koneälyohjauksia.

Kuitenkin viimeaikaiset kehityssuunnat ovat osoittaneet, että koneälykoulutuksen kustannukset laskevat nopeasti, ja tämä suunta odotetaan jatkuvan tulevaisuudessa. ARK Invest Big Ideas 2023 -raportin mukaan suuren kielen mallin koulutuskustannukset, jotka vastaavat GPT-3:n suorituskykyä, ovat laskeneet 4,6 miljoonasta dollarista vuonna 2020 450 000 dollariin vuonna 2022, mikä on 70 %:n lasku vuodessa.

Tutkimme tätä koneälykoulutuksen kustannusten laskusuhdannea tarkemmin ja keskustelemme tekijöistä, jotka vaikuttavat tähän laskuun.

Miten koneälykoulutuksen kustannukset ovat muuttuneet ajan saatossa?

Viimeaikaisen ARK Invest 2020 -tutkimuksen mukaan syväoppimismallien koulutuksen kustannukset paranevat 50 kertaa nopeammin kuin Moore’n laki. Todella, AI-järjestelmän suorittamiseen liittyvät kustannukset ovat laskeneet merkittävästi useissa käyttötarkoituksissa.

Lisäksi koulutuskustannukset ovat laskeneet kymmenkertaisesti vuosittain viime vuosina. Esimerkiksi vuonna 2017 kuvien luokittelijan kouluttaminen julkisella pilvessä maksoi noin 1 000 dollaria, mutta vuoteen 2019 mennessä kustannukset olivat laskeneet merkittävästi noin 10 dollariin.

Nämä löydökset ovat linjassa OpenAI:n 2020 -raportin kanssa, joka osoitti, että laskentatehon määrä, jota tarvitaan koneälymallin kouluttamiseen saman tehtävän suorittamiseksi, on vähentynyt kahdella kertaa 16 kuukauden välein vuodesta 2012 lähtien.

Lisäksi ARK-raportti korostaa laskevia koneälykoulutuksen kustannuksia. Raportti ennustaa, että vuoteen 2030 mennessä GPT-3-tason mallin koulutuskustannukset laskevat 30 dollariin verrattuna 450 000 dollariin vuonna 2022.

GPT-3-suorituskyvyn koulutuskustannus – ARK Invest Big Ideas 2023

Tekijät, jotka vaikuttavat laskeviin koneälykoulutuksen kustannuksiin

Koneälymallien kouluttaminen tulee halvemmaksi ja helpommaksi, kun koneälytekniikka jatkaa parantumistaan, mikä tekee niistä helpommin saatavilla laajemmalle joukolle yrityksiä. Useat tekijät, mukaan lukien laitteiden ja ohjelmistojen kustannukset sekä pilvipohjainen koneäly, ovat vaikuttaneet laskeviin koneälykoulutuksen kustannuksiin.

Tutkimme näitä tekijöitä tarkemmin alla.

1. Laitteet

Koneäly vaatii erikoistuneita ja kalliita laitteita suurten tietomäärien ja laskentojen prosessointiin. Yritykset kuten NVIDIA, IBM ja Google tarjoavat GPUja ja TPUja suorittamaan korkean suorituskyvyn laskentatyön (HPC). Korkeat laitteiden kustannukset tekevät siitä haastavaa demokratisoida koneälyä laajassa mittakaavassa.

Kuitenkin teknologian edetessä laitteiden kustannukset ovat laskeneet. ARK Invest 2023 -raportin mukaan Wrightin laki ennustaa, että AI-suhteellisen laskentayksikön (RCU) tuotantokustannukset eli koneälykoulutuksen laitteiden kustannukset tulisi laskea 57 %:lla vuodessa, mikä johtaa 70 %:n laskuun koneälykoulutuksen kustannuksissa vuoteen 2030 mennessä, kuten graafissa alla.

Koneälykoulutuksen laitteiden kustannus – ARK Invest Big Ideas 2023

2. Ohjelmisto

Koneälyohjelmistojen koulutuskustannukset voidaan laskea 47 %:lla vuodessa tehostamalla ja skaalauttamalla. Ohjelmistorajapinnat kuten TensorFlow ja PyTorch mahdollistavat kehittäjien kouluttaa monimutkaisia syväoppimismalleja jakelujoona korkean suorituskyvyn kanssa, säästäen aikaa ja resursseja.

Lisäksi suuret esikoulutetut mallit kuten Inceptionv3 tai ResNet ja siirtymällä oppimismenetelmät auttavat kustannusten laskussa sallimalla kehittäjien hienosäätää olemassa olevia malleja sen sijaan, että he kouluttaisivat ne alusta alkaen.

Koneälyohjelmistojen koulutuskustannus – ARK Invest Big Ideas 2023

3. Pilvipohjainen tekoäly

Pilvipohjainen koneälykoulutus laskee kustannuksia tarjoamalla skaalautuvia laskentaresursseja tarpeen mukaan. Pay-as-you-go-mallissa yritykset maksavat vain laskentaresursseistaan. Lisäksi pilvipalveluntarjoajat tarjoavat esivalmisteltuja koneälypalveluita, jotka nopeuttavat koneälykoulutusta.

Esimerkiksi Azure Machine Learning on pilvipohjainen palvelu ennustavaan analytiikkaan, joka mahdollistaa nopean mallin kehittämisen ja toteuttamisen. Se tarjoaa joustavia laskentaresursseja ja muistia. Käyttäjät voivat skaalata tuhansiin GPUihin nopeasti lisätäkseen laskentasuorituskykyään. Se mahdollistaa käyttäjille työskennellä verkkoselaimen kautta esikonfiguroituissa koneälyympäristöissä, poistaa asennus- ja määritysoverheadin.

Laskevien koneälykoulutuksen kustannusten vaikutus

Koneälykoulutuksen kustannusten laskuilla on merkittäviä vaikutuksia eri aloille ja toimialoille, johtaa parantuneeseen innovaatioon ja kilpailukykyyn.

Tutkimme joitakin näistä alla.

1. Monimutkaisten koneälychatbottien laajamittainen omaksuminen

Koneälychatbotit ovat nousussa laskevien koneälykustannusten ansiosta. Erityisesti OpenAI:n ChatGPT:n ja GPT-4:n (Generative Pre-trained Transformer) kehittämisen jälkeen on ollut havaittavissa nousu yritysten määrässä, jotka haluavat kehittää koneälychatbotteja samanlaisilla tai paremmilla ominaisuuksilla.

Esimerkiksi viisi päivää julkaisunsa jälkeen marraskuussa 2022 ChatGPT keräsi 1 miljoonan käyttäjän. Vaikka nykyään mallin suorittamiseen kuuluu noin 0,01 dollarin kustannus kuulija kohti, Wrightin laki ennustaa, että vuoteen 2030 mennessä chatbot-sovellukset, jotka ovat samanlaisia kuin ChatGPT, voidaan ottaa käyttöön laajamittaisesti edullisemmin (arvioitu 650 dollaria miljardiin kuulijaan), ja niillä on potentiaali prosessoida 8,5 miljardia hakua päivässä, mikä vastaa Google-hakua.

Koneälyloppuvientien suorittamiseen liittyvät kustannukset miljardi kuulijaa kohti – ARK Invest Big Ideas 2023

2. Koneälygeneraattorien käytön lisääntyminen

Koneälykoulutuksen kustannusten lasku on johtanut koneälygeneraattoriteknologioiden kehittämisen ja toteuttamisen lisääntymiseen. Vuonna 2022 oli merkittävä kasvu koneälygeneraattorien käytössä, jota ajoi innovatiivisten koneälygeneraattorityökalujen, kuten DALL-E 2, Meta Make-A-Video ja Stable Diffusion, esittely. Vuonna 2023 olemme jo todistaneet merkittävän mallin GPT-4:n muodossa.

Lisäksi kuva- ja tekstigeneraation ohella koneälygeneraattorit auttavat kehittäjiä kirjoittamaan koodia. Ohjelmat kuten GitHub Copilot voivat auttaa suorittamaan koodaus tehtävän puolessa ajassa.

Koodaus tehtävien suorittamiseen kuluvan ajan – ARK Invest Big Ideas 2023

3. Koneälykoulutusdatan parempi käyttö

Koneälykoulutuksen kustannusten lasku odotetaan sallivan koneälykoulutusdatan paremman hyödyntämisen. Esimerkiksi ARK Invest 2023 -raportin mukaan vuoteen 2030 mennessä mallin koulutuskustannukset, jolla on 57 kertaa enemmän parametreja ja 720 kertaa enemmän tokenia kuin GPT-3 (175 miljardia parametreja), on arvioitu laskevan 17 miljardista dollarista 600 000 dollariin.

Datatilan saatavuus ja laatu tulevat olemaan ensisijainen rajoittava tekijä kehittää edistyneitä koneälymalleja tässä alhaisen laskentakustannuksen maailmassa. Kuitenkin mallien koulutus kehittää kyvyn prosessoida arviolta 162 biljoonaa sanaa tai 216 biljoonaa tokenia.

Koneälyn tulevaisuus näyttää erittäin lupaavalta. Opiskele lisää viimeisimmistä trendeistä ja tutkimuksista tekoälyalalla vierailemalla Unite.ai:ssa.