ค่าใช้จ่ายในการฝึกอบรม AI ลดลงอย่างต่อเนื่อง

ค่าใช้จ่ายในการฝึกอบรม AI ที่สูงเป็นอุปสรรคสำคัญต่อการนำ AI มาใช้ ทำให้หลายบริษัทไม่สามารถนำเทคโนโลยี AI ไปใช้ได้ ตามที่ ก รายงานการให้คำปรึกษาของ Forrester ประจำปี 201748% ของบริษัทต่างๆ ให้ความสำคัญกับต้นทุนด้านเทคโนโลยีที่สูงซึ่งเป็นหนึ่งในเหตุผลหลักที่ไม่นำโซลูชันที่ขับเคลื่อนด้วย AI ไปใช้

อย่างไรก็ตาม การพัฒนาล่าสุดแสดงให้เห็นว่าค่าใช้จ่ายในการฝึกอบรม AI กำลังลดลงอย่างรวดเร็ว และแนวโน้มนี้คาดว่าจะดำเนินต่อไปในอนาคต ให้เป็นไปตาม รายงาน ARK Invest Big Ideas 2023ค่าใช้จ่ายในการฝึกอบรมโมเดลภาษาขนาดใหญ่ที่คล้ายกับประสิทธิภาพระดับ GPT-3 ลดลงจาก 4.6 ล้านดอลลาร์ในปี 2020 เป็น 450,000 ดอลลาร์ในปี 2022 ซึ่งลดลง 70% ต่อปี

เรามาสำรวจแนวโน้มของต้นทุนการฝึกอบรม AI ที่ลดลงนี้กันต่อไป และหารือเกี่ยวกับปัจจัยที่มีส่วนทำให้ต้นทุนการฝึกอบรมลดลง

ต้นทุนการฝึกอบรม AI เปลี่ยนแปลงไปอย่างไรเมื่อเวลาผ่านไป?

ตามข้อมูลล่าสุด การวิจัย ARK ลงทุน 2020ค่าใช้จ่ายในการฝึกอบรมโมเดลการเรียนรู้เชิงลึกนั้นพัฒนาเร็วกว่ากฎของมัวร์ถึง 50 เท่า ในความเป็นจริง ค่าใช้จ่ายที่เกี่ยวข้องกับการใช้งานระบบการอนุมานของ AI ได้ลดลงอย่างมากจนถึงระดับที่แทบไม่มีนัยสำคัญสำหรับกรณีการใช้งานจำนวนมาก

นอกจากนี้ ค่าใช้จ่ายในการฝึกอบรมยังลดลงถึง 2017 เท่าต่อปีในช่วงไม่กี่ปีที่ผ่านมา ตัวอย่างเช่น ในปี 50 การฝึกอบรม Image Classifier เช่น ResNet-1,000 บนคลาวด์สาธารณะมีค่าใช้จ่ายประมาณ 2019 ดอลลาร์ แต่ในปี 10 ค่าใช้จ่ายลดลงอย่างมากเหลือประมาณ XNUMX ดอลลาร์

การค้นพบนี้สอดคล้องกับ a รายงานปี 2020 โดย OpenAIซึ่งพบว่าปริมาณพลังการประมวลผลที่จำเป็นในการฝึกโมเดล AI เพื่อทำงานเดียวกันนั้นลดลง 16 เท่าทุกๆ 2012 เดือนตั้งแต่ปี XNUMX

นอกจากนี้ รายงาน ARK ชี้ให้เห็นถึงต้นทุนการฝึกอบรม AI ที่ลดลง รายงานคาดการณ์ว่าภายในปี 2030 ค่าใช้จ่ายในการฝึกอบรมของโมเดลระดับ GPT-3 จะลดลงเหลือ 30 ดอลลาร์สหรัฐฯ เทียบกับ 450,000 ดอลลาร์สหรัฐฯ ในปี 2022

ปัจจัยที่ส่งผลให้ต้นทุนการฝึกอบรม AI ลดลง

โมเดล AI การฝึกอบรมมีราคาถูกลงและง่ายขึ้นเนื่องจากเทคโนโลยี AI ปรับปรุงอย่างต่อเนื่อง ทำให้ธุรกิจต่างๆ เข้าถึงได้มากขึ้น ปัจจัยหลายอย่าง รวมถึงต้นทุนฮาร์ดแวร์และซอฟต์แวร์ และ AI บนคลาวด์ มีส่วนทำให้ต้นทุนการฝึกอบรม AI ลดลง

ลองสำรวจปัจจัยเหล่านี้ด้านล่าง

1 ฮาร์ดแวร์

AI ต้องการฮาร์ดแวร์พิเศษราคาแพงเพื่อประมวลผลข้อมูลและการคำนวณปริมาณมาก องค์กรต่างๆ เช่น NVIDIA, IBM และ Google ให้บริการ GPUs และ TPU เพื่อดำเนินการปริมาณงานการประมวลผลประสิทธิภาพสูง (HPC) ต้นทุนฮาร์ดแวร์ที่สูงทำให้ยากต่อการทำให้ AI เป็นประชาธิปไตยในวงกว้าง

อย่างไรก็ตาม เมื่อเทคโนโลยีก้าวหน้าขึ้น ต้นทุนฮาร์ดแวร์ก็ลดลง ให้เป็นไปตาม รายงาน ARK Invest 2023กฎของไรท์คาดการณ์ว่าต้นทุนการผลิตของ AI-relative compute unit (RCU) เช่น ต้นทุนฮาร์ดแวร์การฝึกอบรม AI ควรลดลง 57% ต่อปี ส่งผลให้ต้นทุนการฝึกอบรม AI ลดลง 70% ภายในปี 2030 ดังแสดงในกราฟด้านล่าง

2 ซอฟต์แวร์

ต้นทุนการฝึกอบรมซอฟต์แวร์ AI สามารถลดลงได้ 47% ต่อปี ผ่านการเพิ่มประสิทธิภาพและความสามารถในการปรับขนาด กรอบซอฟต์แวร์เช่น TensorFlow และ ไพทอร์ช ช่วยให้นักพัฒนาสามารถฝึกอบรมโมเดลการเรียนรู้เชิงลึกที่ซับซ้อนบนระบบแบบกระจายที่มีประสิทธิภาพสูง ประหยัดเวลาและทรัพยากร

นอกจากนี้ โมเดลขนาดใหญ่ที่ผ่านการฝึกอบรมมาแล้ว เช่น อินเซ็ปชั่นv3 or เรสเน็ต และการถ่ายโอนเทคนิคการเรียนรู้ยังช่วยลดค่าใช้จ่ายด้วยการอนุญาตให้นักพัฒนาปรับแต่งโมเดลที่มีอยู่ แทนที่จะฝึกอบรมตั้งแต่เริ่มต้น

3. ปัญญาประดิษฐ์บนคลาวด์

การฝึกอบรม AI บนคลาวด์ช่วยลดต้นทุนโดยการจัดหาทรัพยากรการประมวลผลที่ปรับขนาดได้ตามความต้องการ ด้วยโมเดลจ่ายตามการใช้งานจริง ธุรกิจจะจ่ายเฉพาะทรัพยากรคอมพิวเตอร์ของตนเท่านั้น นอกจากนี้ ผู้ให้บริการคลาวด์ยังเสนอบริการ AI ที่สร้างไว้ล่วงหน้าซึ่งช่วยเร่งการฝึกอบรม AI

ยกตัวอย่างเช่น การเรียนรู้ของเครื่อง Azure เป็นบริการบนคลาวด์สำหรับการวิเคราะห์เชิงคาดการณ์ที่ช่วยให้สามารถพัฒนาและใช้งานโมเดลได้อย่างรวดเร็ว มีทรัพยากรการประมวลผลและหน่วยความจำที่ยืดหยุ่น ผู้ใช้สามารถปรับขนาด GPU ได้มากถึงหลายพันตัวอย่างรวดเร็วเพื่อเพิ่มประสิทธิภาพการประมวลผล ช่วยให้ผู้ใช้สามารถทำงานผ่านเว็บเบราว์เซอร์ในสภาพแวดล้อม AI ที่กำหนดค่าไว้ล่วงหน้า ช่วยลดค่าใช้จ่ายในการติดตั้งและการติดตั้ง

ผลกระทบของต้นทุนการฝึกอบรม AI ที่ลดลง

ค่าใช้จ่ายในการฝึกอบรม AI ที่ลดลงมีนัยสำคัญต่ออุตสาหกรรมและสาขาต่างๆ ส่งผลให้นวัตกรรมและความสามารถในการแข่งขันดีขึ้น

เรามาคุยกันสองสามข้อด้านล่าง

1. การนำ AI Chatbots ที่ซับซ้อนมาใช้จำนวนมาก

แชทบอท AI กำลังเพิ่มขึ้นเนื่องจากต้นทุน AI ที่ลดลง โดยเฉพาะอย่างยิ่งหลังจากการพัฒนาของ OpenAI ChatGPT และ จีพีที-4 (Generative Pre-trained Transformer) มีจำนวนบริษัทจำนวนมากที่ต้องการพัฒนาแชทบอท AI ที่มีความสามารถใกล้เคียงกันหรือดีกว่า

ตัวอย่างเช่น ห้าวันหลังจากเปิดตัวในเดือนพฤศจิกายน 2022 ChatGPT มีผู้ใช้ 1 ล้านคน แม้ว่าในปัจจุบัน ค่าใช้จ่ายในการรันโมเดลตามสเกลจะอยู่ที่ประมาณ 01 ดอลลาร์ต่อการสืบค้น 2030 ครั้ง แต่กฎของไรท์คาดการณ์ว่าภายในปี 650 แอปพลิเคชันแชทบอทที่คล้ายกับ ChatGPT จะถูกนำไปใช้ในสเกลขนาดใหญ่ที่มีราคาถูกกว่ามาก (ประมาณ 8.5 ดอลลาร์สำหรับการเรียกใช้ข้อความค้นหาพันล้านรายการ) ด้วยศักยภาพในการประมวลผลการค้นหา XNUMX พันล้านครั้งต่อวัน เทียบเท่ากับ Google Search

2. เพิ่มการใช้ Generative AI

ค่าใช้จ่ายในการฝึกอบรม AI ที่ลดลงได้นำไปสู่การพัฒนาและการใช้เทคโนโลยี generative AI ที่เพิ่มขึ้นอย่างรวดเร็ว ในปี 2022 มีการใช้ generative AI เพิ่มขึ้นอย่างมาก โดยได้แรงหนุนจากการเปิดตัวเครื่องมือ generative AI ที่เป็นนวัตกรรมใหม่ เช่น DALL-E 2, Meta Make-A-Video และ Stable Diffusion ในปี 2023 เราได้เห็นโมเดลที่ล้ำสมัยในรูปแบบของ GPT-4 แล้ว

นอกเหนือจากการสร้างรูปภาพและข้อความแล้ว AI กำเนิดยังช่วยนักพัฒนาในการเขียนโค้ด โปรแกรมเช่น GitHub Copilot สามารถช่วยเขียนโค้ดให้เสร็จภายในเวลาเพียงครึ่งเดียว

3. การใช้ข้อมูลการฝึกอบรมที่ดีขึ้น

ต้นทุนการฝึกอบรม AI ที่ลดลงคาดว่าจะช่วยให้สามารถใช้ประโยชน์จากข้อมูลการฝึกอบรมการเรียนรู้ของเครื่องได้ดีขึ้น ตัวอย่างเช่น รายงาน ARK Invest 2023 ชี้ให้เห็นว่าภายในปี 2030 ค่าใช้จ่ายในการฝึกอบรมโมเดลที่มีพารามิเตอร์มากกว่า 57 เท่าและโทเค็นมากกว่า 720 เท่าของ GPT-3 (พารามิเตอร์ 175B) คาดว่าจะลดลงจาก 17 พันล้านดอลลาร์เป็น 600,000 ดอลลาร์

ความพร้อมใช้งานและคุณภาพของข้อมูลจะเป็นปัจจัยจำกัดหลักสำหรับการพัฒนาโมเดลแมชชีนเลิร์นนิงขั้นสูงในโลกที่มีต้นทุนต่ำใบนี้ อย่างไรก็ตาม โมเดลการฝึกอบรมจะพัฒนาขีดความสามารถในการประมวลผลประมาณ 162 ล้านล้านคำ หรือ 216 ล้านล้านโทเค็น

อนาคตของ AI ดูสดใสมาก หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับแนวโน้มล่าสุดและการวิจัยในด้านปัญญาประดิษฐ์ โปรดไปที่ ยูไนเต็ด.ไอ.