עלויות אימון בינה מלאכותית ממשיכות לצנוח

עלויות אימון גבוהות בבינה מלאכותית היו מחסום משמעותי לאימוץ בינה מלאכותית, ומנעו מחברות רבות ליישם טכנולוגיית בינה מלאכותית. לפי א דוח ייעוץ פורסטר לשנת 2017, 48% מהחברות הדגישו עלויות טכנולוגיה גבוהות כאחת הסיבות העיקריות לאי הטמעת פתרונות מונעי בינה מלאכותית.

עם זאת, ההתפתחויות האחרונות הראו שעלויות אימון בינה מלאכותית יורדות במהירות, ומגמה זו צפויה להימשך גם בעתיד. על פי דוח ARK Invest Big Ideas 2023, עלויות ההדרכה של מודל שפה גדול הדומה לביצועים ברמת GPT-3 צנחו מ-4.6 מיליון דולר ב-2020 ל-450,000 דולר ב-2022, ירידה של 70% בשנה.

הבה נחקור את המגמה הזו של ירידה בעלויות אימון בינה מלאכותית ונדון בגורמים התורמים לירידה זו.

כיצד השתנו עלויות אימון בינה מלאכותית עם הזמן?

על פי האחרון מחקר ARK Invest 2020, עלות הכשרת מודלים של למידה עמוקה משתפרת פי 50 מהר יותר מחוק מור. למעשה, ההוצאה הכרוכה בהפעלת מערכת הסקת AI הצטמצמה באופן דרסטי לרמות כמעט זניחות עבור מקרי שימוש רבים.

יתר על כן, עלויות ההכשרה ירדו פי עשרה בשנה במהלך השנים האחרונות. לדוגמה, בשנת 2017, אימון מסווג תמונות כמו ResNet-50 על ענן ציבורי עלה בסביבות 1,000 דולר, אך עד 2019, העלות ירדה באופן משמעותי לכ-10 דולר.

ממצאים אלו מתיישבים עם א דוח 2020 של OpenAI, שמצא כי כמות כוח המחשוב הדרושה להכשרת מודל בינה מלאכותית לביצוע אותה משימה ירדה בפקטור של שניים כל 16 חודשים מאז 2012.

יתר על כן, דו"ח ARK מדגיש את עלויות אימון הבינה המלאכותית הפוחתות. הדו"ח צופה שעד 2030 עלות ההכשרה של דגם ברמת GPT-3 תרד ל-30 דולר, לעומת 450,000 אלף דולר ב-2022.

גורמים התורמים לירידה בעלויות הדרכה בינה מלאכותית

אימון מודלים של AI הופכים לזולים וקלים יותר ככל שטכנולוגיות AI ממשיכות להשתפר, מה שהופך אותם לנגישים יותר למגוון רחב יותר של עסקים. מספר גורמים, כולל עלויות חומרה ותוכנה ובינה מלאכותית מבוססת ענן, תרמו לירידה בעלויות הכשרת בינה מלאכותית.

הבה נחקור את הגורמים הללו להלן.

1. חוּמרָה

בינה מלאכותית דורשת חומרה מתקדמת ויקרה במיוחד כדי לעבד כמויות גדולות של נתונים וחישובים. ארגונים כמו NVIDIA, IBM ו-Google מספקים GPUs ו מכשירי TPU לביצוע עומסי עבודה של מחשוב בעל ביצועים גבוהים (HPC). עלויות חומרה גבוהות מקשות על דמוקרטיזציה של AI בקנה מידה גדול.

עם זאת, ככל שהטכנולוגיה מתקדמת, עלויות החומרה יורדות. על פי דו"ח ARK Invest 2023, חוק רייט צופה שעלויות הייצור של יחידת המחשוב היחסית בינה מלאכותית (RCU), כלומר עלויות החומרה לאימון בינה מלאכותית, אמורות לרדת ב-57% מדי שנה, מה שיוביל להפחתה של 70% בעלויות האימון בבינה מלאכותית עד 2030, כפי שמוצג בגרף למטה.

2. תוֹכנָה

ניתן להוזיל את עלויות הדרכה בתוכנת AI על ידי 47% בשנה באמצעות יעילות מוגברת ומדרגיות. מסגרות תוכנה כמו TensorFlow ו PyTorch לאפשר למפתחים להכשיר מודלים מורכבים של למידה עמוקה במערכות מבוזרות עם ביצועים גבוהים, תוך חיסכון בזמן ומשאבים.

יתר על כן, דגמים גדולים מאומנים מראש כמו Inceptionv3 or ResNet וטכניקות למידה העברת גם עוזרות להפחית עלויות בכך שהיא מאפשרת למפתחים לכוונן דגמים קיימים במקום להכשיר אותם מאפס.

3. בינה מלאכותית מבוססת ענן

אימון AI מבוסס ענן מפחית עלויות על ידי מתן משאבי מחשוב ניתנים להרחבה לפי דרישה. עם מודל התשלום כפי שאתה הולך, עסקים משלמים רק עבור משאבי המחשוב שלהם. כמו כן, ספקי ענן מציעים שירותי בינה מלאכותית מובנים מראש שמאיצים אימון בינה מלאכותית.

לדוגמה, למידת מכונה בתכלת הוא שירות מבוסס ענן לניתוח חזוי המאפשר פיתוח ויישום מהיר של מודלים. הוא מציע משאבי מחשוב וזיכרון גמישים. משתמשים יכולים להגדיל עד לאלפי GPUs במהירות כדי להגדיל את ביצועי המחשוב שלהם. זה מאפשר למשתמשים לעבוד דרך דפדפני האינטרנט שלהם על סביבות AI מוגדרות מראש, ומבטל תקורה של הגדרה והתקנה.

ההשפעה של ירידה בעלויות אימון בינה מלאכותית

לירידה בעלויות של הכשרת בינה מלאכותית יש השלכות משמעותיות על תעשיות ותחומים שונים, מה שמביא לשיפור החדשנות והתחרותיות.

הבה נדון בכמה מהם להלן.

1. אימוץ המוני של צ'טבוטים מתוחכמים של AI

צ'טבוטים של AI נמצאים במגמת עלייה עקב ירידה בעלויות AI. במיוחד לאחר הפיתוח של OpenAI's ChatGPT ו GPT-4 (Generative Pre-trained Transformer), חלה עלייה ניכרת במספר החברות המעוניינות לפתח צ'טבוטים של AI עם יכולות דומות או טובות יותר.

לדוגמה, חמישה ימים לאחר שחרורו בנובמבר 2022, ChatGPT צברה מיליון משתמשים. למרות שהיום, העלות להפעיל את המודל בקנה מידה הוא כ-$.1 לשאילתה, חוק רייט צופה שעד שנת 01, יישומי צ'טבוט הדומים ל-ChatGPT יהיו ניתנים לפריסה בקנה מידה עצום הרבה יותר זול (מוערך ב-$2030 להפעלת מיליארד שאילתות). עם פוטנציאל לעבד 650 מיליארד חיפושים ביום, שווה ערך לחיפוש Google.

2. שימוש מוגבר ב-AI גנרטיבי

הירידה בעלויות של אימון בינה מלאכותית הובילה לעלייה בפיתוח והטמעה של טכנולוגיות בינה מלאכותית. בשנת 2022 חלה עלייה משמעותית בשימוש בבינה מלאכותית גנרטיבית, המונעת על ידי הצגת כלי בינה מלאכותית גנרטיבית, כגון DALL-E 2, Meta Make-A-Video ו-Stable Diffusion. בשנת 2023, כבר חזינו בדגם פורץ דרך בדמות GPT-4.

מלבד יצירת תמונות וטקסט, AI גנרטיבי עוזר למפתחים לכתוב קוד. תוכניות כמו GitHub Copilot יכולות לעזור להשלים משימת קידוד בחצי מהזמן.

3. שימוש טוב יותר בנתוני אימון

עלויות אימון AI מופחתות צפויות לאפשר ניצול טוב יותר של נתוני אימון למידת מכונה. לדוגמה, דו"ח ARK Invest 2023 מציע שעד 2030, עלות הכשרת מודל עם פי 57 יותר פרמטרים ופי 720 יותר אסימונים מאשר GPT-3 (175B פרמטרים) צפויה לרדת מ-17 מיליארד דולר ל-600,000 דולר.

זמינות ואיכות נתונים יהיו הגורם המגביל העיקרי לפיתוח מודלים מתקדמים של למידת מכונה בעולם המחשוב הזול הזה. עם זאת, מודלים של אימון יפתחו את היכולת לעבד כ-162 טריליון מילים או 216 טריליון אסימונים.

העתיד של AI נראה מבטיח מאוד. למידע נוסף על הטרנדים והמחקרים האחרונים בתחום הבינה המלאכותית, בקר Unite.ai.