Stroški usposabljanja z umetno inteligenco še naprej strmo padajo

Visoki stroški usposabljanja na področju umetne inteligence so bili pomembna ovira za uvedbo umetne inteligence, saj številnim podjetjem preprečujejo uvedbo tehnologije umetne inteligence. Po mnenju a Poročilo Forrester Consulting za leto 201748 % podjetij je izpostavilo visoke tehnološke stroške kot enega od glavnih razlogov za neizvajanje rešitev, ki temeljijo na AI.

Vendar pa je nedavni razvoj dogodkov pokazal, da stroški usposabljanja z umetno inteligenco hitro upadajo in pričakuje se, da se bo ta trend nadaljeval tudi v prihodnosti. Glede na Poročilo ARK Invest Big Ideas 2023, so stroški usposabljanja velikega jezikovnega modela, podobnega zmogljivosti ravni GPT-3, padli s 4.6 milijona USD leta 2020 na 450,000 USD leta 2022, kar je 70-odstotno zmanjšanje na leto.

Raziščimo ta trend zmanjševanja stroškov usposabljanja za AI še naprej in razpravljajmo o dejavnikih, ki prispevajo k temu upadu.

Kako so se sčasoma spremenili stroški usposabljanja z umetno inteligenco?

Glede na nedavne Raziskava ARK Invest 2020, se stroški usposabljanja modelov globokega učenja izboljšujejo 50-krat hitreje kot Moorov zakon. Pravzaprav so se stroški, povezani z izvajanjem sistema sklepanja z umetno inteligenco, drastično zmanjšali na skoraj zanemarljive ravni za številne primere uporabe.

Poleg tega so se stroški usposabljanja v zadnjih nekaj letih znižali desetkrat letno. Leta 2017 je na primer usposabljanje klasifikatorja slik, kot je ResNet-50, v javnem oblaku stalo okoli 1,000 USD, do leta 2019 pa so se stroški občutno znižali na približno 10 USD.

Te ugotovitve se ujemajo z a Poročilo OpenAI za leto 2020, ki je ugotovil, da se količina računalniške moči, potrebne za usposabljanje modela umetne inteligence za opravljanje iste naloge, od leta 16 zmanjša za faktor dvakrat vsakih 2012 mesecev.

Poleg tega Poročilo ARK poudarja padajoče stroške usposabljanja AI. Poročilo napoveduje, da se bodo do leta 2030 stroški usposabljanja modela ravni GPT-3 znižali na 30 USD v primerjavi s 450,000 USD leta 2022.

Dejavniki, ki prispevajo k znižanju stroškov usposabljanja z umetno inteligenco

Usposabljanje modelov umetne inteligence postaja cenejše in lažje, saj se tehnologije umetne inteligence še naprej izboljšujejo, zaradi česar so bolj dostopne širšemu krogu podjetij. Več dejavnikov, vključno s stroški strojne in programske opreme ter umetno inteligenco v oblaku, je prispevalo k znižanju stroškov usposabljanja na področju umetne inteligence.

Raziščimo te dejavnike spodaj.

1. Strojna oprema

Umetna inteligenca zahteva specializirano vrhunsko drago strojno opremo za obdelavo velikih količin podatkov in izračunov. Organizacije, kot so NVIDIA, IBM in Google, zagotavljajo Grafične kartice in TPU-ji za izvajanje delovnih obremenitev visokozmogljivega računalništva (HPC). Visoki stroški strojne opreme otežujejo demokratizacijo umetne inteligence v velikem obsegu.

Z napredkom tehnologije pa se stroški strojne opreme zmanjšujejo. Glede na Poročilo ARK Invest 2023, Wrightov zakon predvideva, da bi se morali proizvodni stroški računalniških enot, relativnih z umetno inteligenco (RCU), tj. stroški strojne opreme za usposabljanje z umetno inteligenco, zmanjšati za 57 % letno, kar vodi do 70 % zmanjšanja stroškov usposabljanja z umetno inteligenco do leta 2030, kot je prikazano v spodnjem grafu.

2. Programska oprema

Stroške usposabljanja programske opreme AI je mogoče znižati za 47% letno s povečano učinkovitostjo in razširljivostjo. Programska ogrodja, kot je TensorFlow in PyTorch omogočajo razvijalcem, da učijo kompleksne modele globokega učenja na porazdeljenih sistemih z visoko zmogljivostjo, prihranijo čas in vire.

Poleg tega veliki vnaprej usposobljeni modeli, kot so Inceptionv3 or ResNet in tehnike prenosa učenja prav tako pomagajo zmanjšati stroške, saj razvijalcem omogočajo, da natančneje prilagodijo obstoječe modele, namesto da bi jih učili od začetka.

3. Umetna inteligenca v oblaku

Usposabljanje z umetno inteligenco v oblaku zmanjša stroške z zagotavljanjem razširljivih računalniških virov na zahtevo. S plačilnim modelom podjetja plačajo samo svoje računalniške vire. Poleg tega ponudniki v oblaku ponujajo vnaprej zgrajene storitve umetne inteligence, ki pospešijo usposabljanje umetne inteligence.

Na primer, Strojno učenje Azure je storitev v oblaku za napovedno analitiko, ki omogoča hiter razvoj in implementacijo modela. Ponuja prilagodljive računalniške vire in pomnilnik. Uporabniki lahko hitro razširijo na tisoče grafičnih procesorjev, da povečajo svojo računalniško zmogljivost. Uporabnikom omogoča delo prek svojih spletnih brskalnikov v vnaprej konfiguriranih okoljih z umetno inteligenco, kar odpravlja stroške namestitve in namestitve.

Vpliv padajočih stroškov usposabljanja AI

Zmanjšanje stroškov usposabljanja na področju umetne inteligence ima pomembne posledice za različne industrije in področja, kar ima za posledico izboljšano inovativnost in konkurenčnost.

O nekaterih izmed njih razpravljamo spodaj.

1. Množično sprejemanje sofisticiranih AI Chatbotov

Klepetalni roboti z umetno inteligenco so v porastu zaradi padajočih stroškov umetne inteligence. Še posebej po razvoju OpenAI ChatGPT in GPT-4 (Generative Pre-trained Transformer) je prišlo do opaznega povečanja števila podjetij, ki želijo razviti klepetalne robote AI s podobnimi ali boljšimi zmogljivostmi.

Na primer, pet dni po izdaji novembra 2022 je ChatGPT zbral 1 milijon uporabnikov. Čeprav je danes strošek za zagon modela v velikem obsegu približno 01 $ na poizvedbo, Wrightov zakon predvideva, da bo do leta 2030 aplikacije chatbot, podobne ChatGPT, mogoče uvesti v velikem obsegu veliko ceneje (ocenjeno 650 $ za izvajanje milijarde poizvedb), z možnostjo obdelave 8.5 milijarde iskanj na dan, kar je enakovredno Iskanju Google.

2. Večja uporaba generativne umetne inteligence

Znižanje stroškov usposabljanja z umetno inteligenco je povzročilo porast razvoja in izvajanja generativnih tehnologij umetne inteligence. Leta 2022 se je znatno povečala uporaba generativne umetne inteligence, ki jo je spodbudila uvedba inovativnih generativnih orodij umetne inteligence, kot so DALL-E 2, Meta Make-A-Video in Stable Diffusion. Leta 2023 smo že bili priča prelomnemu modelu v obliki GPT-4.

Poleg generiranja slik in besedila generativni AI razvijalcem pomaga pri pisanju kode. Programi, kot je GitHub Copilot, lahko pomagajo dokončati nalogo kodiranja v pol krajšem času.

3. Boljša uporaba podatkov o usposabljanju

Pričakuje se, da bodo znižani stroški usposabljanja AI omogočili boljšo uporabo podatkov o usposabljanju strojnega učenja. Na primer, Poročilo ARK Invest 2023 nakazuje, da naj bi se do leta 2030 stroški usposabljanja modela s 57-krat več parametri in 720-krat več žetoni kot GPT-3 (175B parametrov) zmanjšali s 17 milijard USD na 600,000 USD.

Razpoložljivost in kakovost podatkov bosta glavni omejevalni dejavnik za razvoj naprednih modelov strojnega učenja v tem svetu poceni računalništva. Vendar bi modeli usposabljanja razvili zmogljivost za obdelavo ocenjenih 162 bilijonov besed ali 216 bilijonov žetonov.

Prihodnost AI je videti zelo obetavna. Če želite izvedeti več o najnovejših trendih in raziskavah na področju umetne inteligence, obiščite Unite.ai.