د روزنې AI ماډلونه د ټیټ لګښت AI پراختیا لټون

د انځور کریډیټ:

ایسته

د AI ماډلونو روزنه: د ټیټ لګښت AI پراختیا لپاره لټون

د مصنوعي استخباراتو ماډلونه د جوړولو او روزنې لپاره خورا ګران دي، دا د ډیری څیړونکو او کاروونکو لپاره د لاسرسي څخه لرې کوي.

لیکونکی:
د لیکوال نوم
Quantumrun وړاندوینه
د مارچ په 21، 2023

ژوره زده کړه (DL) د مصنوعي استخباراتو (AI) پراختیا کې د ډیری ننګونو لپاره د وړ حل په توګه ثابته شوې. په هرصورت، DL هم ډیر ګران کیږي. د ژورو عصبي شبکو چلول د پروسس کولو لوړ سرچینو ته اړتیا لري، په ځانګړې توګه د روزنې دمخه. تر دې هم بدتر، دا د انرژي متمرکزه پروسه پدې معنی ده چې دا اړتیاوې د لوی کاربن د پښو نښانونو پایله لري، د AI څیړنې سوداګریز کولو ESG درجه بندي ته زیان رسوي.

د AI ماډلونو شرایطو روزنه

مخکینۍ روزنه اوس د لوی پیمانه عصبي شبکو جوړولو لپاره ترټولو مشهوره طریقه ده، او دا د کمپیوټر لید (CV) او د طبیعي ژبې پروسس (NLP) کې لوی بریالیتوب ښودلی دی. په هرصورت، د لوی DL ماډلونو رامینځته کول خورا ګران شوي. د مثال په توګه، د OpenAI د تولیدي پری روزل شوي ټرانسفارمر 3 (GPT-3) روزنه، چې 175 ملیارد پیرامیټرې لري او د لوړ پوړ ګرافیک کارتونو سره لوی سرور کلسترونو ته لاسرسی ته اړتیا لري، د 12 ملیون ډالرو اټکل شوي لګښت درلود. د ماډل چلولو لپاره یو پیاوړی سرور او په سلګونو ګیګابایټ ویډیو تصادفي لاسرسي حافظې (VRAM) ته هم اړتیا ده.

پداسې حال کې چې لوی تخنیکي شرکتونه ممکن د دې وړتیا ولري چې دا ډول روزنې لګښتونه برداشت کړي، دا د کوچنیو پیل او څیړنیزو سازمانونو لپاره ممنوع کیږي. درې فکتورونه دا لګښت چلوي.

1. پراخه محاسبه لګښتونه، چې د زرګونو ګرافیک پروسس کولو واحدونو (GPUs) سره به څو اونیو ته اړتیا ولري.

2. ښه جوړ شوي ماډلونه لوی ذخیره کولو ته اړتیا لري، معمولا په سلګونو ګیګابایټ (GBs) اخلي. سربیره پردې ، د مختلف کارونو لپاره ډیری ماډلونه زیرمه کولو ته اړتیا لري.

3. د لویو ماډلونو روزنه دقیق کمپیوټري ځواک او هارډویر ته اړتیا لري. که نه نو، پایلې ممکن مثالي نه وي.

د ممنوع لګښتونو له امله، د AI څیړنه په زیاتیدونکې توګه سوداګریزه شوې، چیرې چې د لوی ټیک شرکتونه په ساحه کې د مطالعاتو مشري کوي. دا شرکتونه هم د دوی د موندنو څخه ډیره ګټه ترلاسه کوي. په ورته وخت کې، د څیړنې موسسې او غیر انتفاعي اکثرا باید د دې سوداګرۍ سره همکاري وکړي که دوی غواړي په ساحه کې خپلې پلټنې ترسره کړي.

ګډوډي اغیزې

داسې شواهد شتون لري چې وړاندیز کوي عصبي شبکې "پریپ" کیدی شي. دا پدې مانا ده چې د سپرسیز شوي عصبي شبکو دننه، یوه کوچنۍ ډله کولی شي د اصلي AI ماډل په څیر دقت ورته کچه ترلاسه کړي پرته له دې چې په فعالیت باندې د درنو اغیزو څخه. د مثال په توګه، په 2020 کې، د سوارتمور کالج او د لاس الاموس ملي لابراتوار کې د AI څیړونکو څرګنده کړه چې که څه هم د DL پیچلي ماډل کولی شي د ریاضي پوه جان کانوی د ژوند لوبې کې د راتلونکي ګامونو وړاندوینې زده کړي، تل یو کوچنی عصبي شبکه شتون لري چې درس ورکول کیدی شي. د ورته کار کولو لپاره.

څیړونکو وموندله چې که دوی د DL ماډل ډیری پیرامیټرې د بشپړ روزنې پروسې بشپړولو وروسته له مینځه ویسي ، دوی کولی شي دا د خپل اصلي اندازې 10 سلنې ته راټیټ کړي او بیا هم ورته پایله ترلاسه کړي. ډیری تخنیکي شرکتونه لا دمخه خپل AI ماډلونه فشاروي ترڅو په وسیلو لکه لپټاپ او سمارټ فونونو کې ځای خوندي کړي. دا طریقه نه یوازې پیسې خوندي کوي بلکې سافټویر ته اجازه ورکوي چې د انټرنیټ اتصال پرته چل کړي او په ریښتیني وخت کې پایلې ترلاسه کړي.

داسې مثالونه هم شتون درلود کله چې د وړو عصبي شبکو څخه مننه د سولر بیټرۍ یا تڼۍ حجرو لخوا پرمخ وړل شوي وسیلو کې DL ممکن و. په هرصورت، د شاخه کولو میتود محدودیت دا دی چې ماډل لاهم باید په بشپړه توګه وروزل شي مخکې له دې چې کم شي. د عصبي فرعي سیټونو په اړه ځینې لومړني مطالعات شتون درلود چې پخپله روزل کیدی شي. په هرصورت، د دوی دقت د لوړ شوي عصبي شبکو په څیر ندي.

د AI ماډلونو روزنې اغیزې

د AI ماډلونو روزنې پراخه اغیزې ممکن پدې کې شامل وي:

د عصبي شبکو د روزنې په بیلابیلو میتودونو کې د څیړنې زیاتوالی؛ په هرصورت، پرمختګ ممکن د بودیجې د نشتوالي له امله ورو شي.
لوی ټیک د دوی د AI څیړنیزو لابراتوارونو تمویل ته دوام ورکوي ، چې په پایله کې د ګټو ډیر شخړه.
د AI پراختیا لګښتونه د انحصار لپاره شرایط رامینځته کوي ، د نوي AI پیل کولو وړتیا محدودوي ترڅو د تاسیس شوي ټیک شرکتونو سره په خپلواکه توګه سیالي وکړي. د سوداګرۍ رامینځته کیدونکی سناریو ممکن یو څو لوی تخنیکي شرکتونه وګوري چې د لوی ملکیت AI ماډلونه رامینځته کوي او کوچني AI شرکتونو ته یې د خدمت / کارونې په توګه اجاره ورکوي.
څیړنې موسسې، غیر انتفاعي، او پوهنتونونه د لوی ټیکنالوژۍ لخوا تمویل کیږي ترڅو د دوی په استازیتوب ځینې AI تجربې ترسره کړي. دا رجحان کولی شي د اکاډیمیا څخه کارپوریشنونو ته د مغزو د ډیریدو لامل شي.
د لوی ټیکنالوژۍ لپاره د دوی د AI اخالقي لارښودونو خپرولو او په منظم ډول تازه کولو لپاره فشار ډیر شوی ترڅو دوی د دوی د څیړنې او پراختیایی پروژو لپاره حساب ورکوونکي کړي.
د AI ماډلونو روزنه خورا ګران کیږي ځکه چې د کمپیوټر لوړ ځواک ته اړتیا په زیاتیدونکي توګه د کاربن اخراج لامل کیږي.
ځینې حکومتي ادارې هڅه کوي چې د دې لوی AI ماډلونو په روزنه کې کارول شوي معلومات تنظیم کړي. همدارنګه، د سیالۍ ادارې کولی شي قانون جوړ کړي چې د یوې ټاکلې اندازې AI ماډلونه اړوي چې کوچني کورني شرکتونو ته د لاسرسي وړ شي ترڅو د SME نوښت هڅوي.