Teknologi AI meletup secara eksponen: kuasa pengkomputeran meningkat 680 juta kali dalam 70 tahun, disaksikan dalam 3 peringkat sejarah

Komputer elektronik dilahirkan pada tahun 1940-an, dan dalam masa 10 tahun kemunculan komputer, aplikasi AI pertama dalam sejarah manusia muncul.

Model AI telah dibangunkan selama lebih daripada 70 tahun dan kini bukan sahaja boleh mencipta puisi, tetapi juga menjana imej berdasarkan gesaan teks, malah membantu manusia menemui struktur protein yang tidak diketahui

Dalam tempoh yang singkat , teknologi AI telah mencapai hasil eksponen Pertumbuhan tahap, apakah sebabnya?

Gambar panjang daripada "Dunia Kita dalam Data" menjejaki sejarah pembangunan AI melalui perubahan dalam kuasa pengkomputeran yang digunakan untuk melatih model AI sebagai skala.

Gambar besar definisi tinggi: https://www.visualcapitalist.com/wp-content/uploads/2023/09/01.-CP_AI-Computation-History_Full Kandungan yang perlu ditulis semula ialah: Pautan gambar besar definisi tinggi: https://www.visualcapitalist.com/wp-content/uploads/2023/09/01.-CP_AI-Computation-History_Full-Sized.html

Data ini Sumber ialah kertas kerja yang diterbitkan oleh penyelidik dari MIT dan universiti lain

Pautan kertas: https://arxiv.org/pdf/2202.05924.pdf

Pasukan penyelidik lain menghasilkan jadual visual berdasarkan data dalam kertas ini. Pengguna boleh mengezum masuk dan keluar carta sesuka hati untuk mendapatkan data yang lebih terperinci

Kandungan yang perlu ditulis semula ialah: Alamat meja: https://epochai.org/blog/compute-trends#compute -trend-lebih perlahan -daripada-dilaporkan sebelum ini

Pengarang carta terutamanya menganggarkan jumlah pengiraan latihan setiap model dengan mengira bilangan operasi dan masa GPU Bagi model yang akan dipilih sebagai wakil model penting, pengarang terutamanya menggunakan 3 sifat untuk menganggarkan Kenal pasti:

Kepentingan yang ketara: Sistem mempunyai kesan sejarah yang ketara, meningkatkan SOTA dengan ketara, atau telah disebut lebih daripada 1,000 kali.

Perkaitan: Pengarang hanya menyertakan kertas kerja yang mengandungi hasil percubaan dan komponen pembelajaran mesin utama, dan matlamat kertas itu adalah untuk mempromosikan pembangunan SOTA sedia ada.

Keunikan: Jika terdapat satu lagi kertas yang lebih berpengaruh yang menerangkan sistem yang sama, maka kertas itu akan dialih keluar daripada dataset pengarang

Tiga era pembangunan AI

0s Dalam 19 ma American Shanthematic, Clau American Shanthematic. melatih tetikus robot bernama Theseus untuk mengemudi labirin dan mengingati laluannya. Ini adalah contoh pertama pembelajaran buatan

Theseus dibina di atas 40 operasi titik terapung (FLOP). FLOP biasanya digunakan sebagai ukuran prestasi pengkomputeran perkakasan komputer. Lebih tinggi bilangan FLOP, lebih besar kuasa pengkomputeran dan lebih berkuasa sistem.

Kemajuan AI bergantung pada tiga elemen utama: kuasa pengkomputeran, data latihan yang tersedia dan algoritma. Dalam dekad awal pembangunan AI, permintaan untuk kuasa pengkomputeran terus berkembang mengikut Undang-undang Moore, yang bermaksud kuasa pengkomputeran meningkat dua kali ganda lebih kurang setiap 20 bulan

Namun, apabila AlexNet (imej) dilancarkan pada 2012 Dengan kemunculan Recognition Artificial Intelligence (AI) yang menandakan permulaan era pembelajaran mendalam, masa penggandaan ini dipendekkan dengan ketara kepada enam bulan apabila penyelidik meningkatkan pelaburan dalam pengkomputeran dan pemproses

Dengan AlphaGo 2015 Dengan kemunculan Go —program komputer yang mengalahkan pemain Go manusia profesional—penyelidik telah menemui era ketiga: kedatangan model AI berskala besar, yang permintaan pengiraannya lebih besar daripada semua sistem AI sebelumnya.

Kemajuan teknologi AI pada masa hadapan

Mengimbas kembali pada sepuluh tahun yang lalu, kadar pertumbuhan kuasa pengkomputeran sungguh luar biasa🎜🎜

Sebagai contoh, kuasa pengkomputeran yang digunakan untuk melatih Minerva, AI yang boleh menyelesaikan masalah matematik yang kompleks, hampir 6 juta kali digunakan untuk melatih AlexNet sedekad yang lalu.

Pertumbuhan dalam pengkomputeran ini, ditambah dengan sejumlah besar set data yang tersedia dan algoritma yang lebih baik, menjadikan AI sangat maju Banyak kemajuan telah dicapai dalam tempoh yang singkat. Hari ini, AI bukan sahaja boleh mencapai tahap prestasi manusia, malah mengatasi manusia dalam banyak bidang.

keupayaan AI akan terus mengatasi manusia dalam semua aspek

#🎜

#🎜🎜🎜 #🎜 🎜#Adalah jelas daripada rajah di atas bahawa kecerdasan buatan telah mengatasi prestasi manusia dalam banyak bidang dan tidak lama lagi akan mengatasi prestasi manusia di kawasan lain.

Rajah berikut menunjukkan pada tahun mana AI telah mencapai atau melebihi tahap manusia dalam kebolehan biasa yang digunakan oleh manusia dalam kerja dan kehidupan seharian.

Potensi pembangunan teknologi AI mencukupi

#🎜🎜🎜##🎜🎜🎜##🎜🎜 Pengkomputeran Sama ada pertumbuhan boleh mengekalkan kadar yang sama adalah sukar untuk ditentukan. Latihan model berskala besar memerlukan lebih banyak kuasa pengkomputeran Jika bekalan kuasa pengkomputeran tidak dapat terus berkembang, ia mungkin melambatkan pembangunan teknologi kecerdasan buatan

#🎜🎜. # Begitu juga, penggunaan Malah semua data yang tersedia pada masa ini untuk melatih model AI mungkin menghalang pembangunan dan pelaksanaan model baharu.

Pada tahun 2023, industri AI akan menyaksikan kemasukan modal, terutamanya AI generatif yang diwakili oleh model bahasa yang besar. Ini mungkin menunjukkan bahawa lebih banyak kejayaan akan datang Nampaknya tiga elemen di atas yang menggalakkan pembangunan teknologi AI akan terus dioptimumkan dan dibangunkan pada masa hadapan

2023 Dalam enam bulan lalu, skala pembiayaan syarikat pemula dalam industri AI telah mencecah AS$14 bilion, malah lebih daripada jumlah pembiayaan yang diterima dalam empat tahun lalu.

Dan sebilangan besar (78%) pemula AI generatif masih dalam peringkat awal pembangunan, malah 27% daripada pemula AI generatif belum lagi mengumpul dana.

Lebih daripada 360 syarikat kecerdasan buatan generatif, 27% masih belum mengumpul dana. Lebih separuh adalah projek Pusingan 1 atau lebih awal, menunjukkan bahawa keseluruhan industri AI generatif masih di peringkat awal.

Disebabkan sifat intensif modal membangunkan model bahasa besar, AI generatif telah Kategori infrastruktur telah menerima lebih 70% daripada pembiayaan dan menyumbang hanya 10% daripada semua volum transaksi AI generatif. Kebanyakan pembiayaan datang daripada minat pelabur dalam infrastruktur baru muncul seperti model asas dan API, MLOps (operasi pembelajaran mesin) dan teknologi pangkalan data vektor.

Atas ialah kandungan terperinci Teknologi AI meletup secara eksponen: kuasa pengkomputeran meningkat 680 juta kali dalam 70 tahun, disaksikan dalam 3 peringkat sejarah. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!