روش جدید دیپ مایند گوگل برای داشتن یک هوش مصنوعی بهتر
سرویس علم و فناوری - آزمایشگاه تحقیقات هوش مصنوعی دیپ‌مایند (DeepMind)، متعلق به گوگل، به‌تازگی روشی نوین برای آموزش مدل‌های هوش مصنوعی معرفی کرده است که به گفته‌ی این آزمایشگاه، به طور قابل‌توجهی سرعت آموزش را افزایش و مصرف انرژی را کاهش می‌دهد.

به گزارش سرویس علم و فناوری خبر ناب به نقل از همشهری - و تک ناک، دیپ مایند بر روی روشی به نام JEST کار می کند که داده های آموزشی را بهینه سازی کرده و ادعا می شود که این روش تا ۱۳ برابر کارایی بهتر و ۱۰ برابر مصرف انرژی کمتر از روش های معمول دارد.

با توجه به افزایش نگرانی ها در مورد تأثیرات زیست محیطی مراکز داده ی هوش مصنوعی، معرفی روش JEST در زمان مناسبی صورت گرفته است. روش JEST برخلاف شیوه های سنتی که بر نقاط داده ای منفرد متمرکز هستند، بر اساس دسته بندی های داده آموزش می بیند.

در این روش، ابتدا یک مدل هوش مصنوعی کوچک ایجاد می شود که کیفیت داده ها را از منابع بسیار با کیفیت ارزیابی کرده و دسته ها را بر اساس کیفیت رتبه بندی می کند. سپس این رتبه بندی با مجموعه ای بزرگ تر و با کیفیت کمتر مقایسه می شود. مدل کوچک JEST، دسته های مناسب برای آموزش را تعیین کرده و سپس یک مدل بزرگ تر با استفاده از یافته های مدل کوچک تر آموزش می بیند.

پژوهشگران دیپ مایند در مقاله ی خود تأکید کرده اند که توانایی هدایت فرایند انتخاب داده ها به سوی توزیع مجموعه داده های کوچک تر و مدیریت شده، برای موفقیت روش JEST ضروری است. همچنین، این سیستم به شدت به کیفیت داده های آموزشی متکی است؛ زیرا بدون داشتن مجموعه داده های با کیفیت بالا که توسط انسان مدیریت شده باشد، تکنیک بوت استرپینگ از هم فرو می پاشد.

تحقیقات JEST درست در زمانی به ثمر رسیده است که صنعت فناوری و دولت ها درباره ی تقاضای انرژی بالای هوش مصنوعی به بحث و گفتگو پرداخته اند. در سال ۲۰۲۳، حجم کاری هوش مصنوعی حدود ۴.۳ گیگاوات انرژی مصرف کرده است که این میزان تقریباً برابر با مصرف سالانه ی برق کشور قبرس است.

بر اساس گزارش ها، یک درخواست از ChatGPT ده برابر بیشتر از جستجوی گوگل انرژی مصرف می کند و مدیرعامل شرکت ARM برآورد کرده است که هوش مصنوعی تا سال ۲۰۳۰ یک چهارم از شبکه ی برق ایالات متحده را مصرف خواهد کرد.

اینکه روش JEST توسط بازیگران اصلی هوش مصنوعی پذیرفته شود یا نه، هنوز مشخص نیست. گفته می شود که آموزش GPT-4o حدود ۱۰۰ میلیون دلار هزینه داشته است و مدل های بزرگ تر جدید احتمالاً به مرز میلیارد دلاری خواهند رسید. بنابراین، شرکت ها ممکن است به دنبال راه هایی برای کاهش هزینه های خود در این بخش باشند.

برخی معتقدند که روش های JEST می توانند با مصرف انرژی کمتر، نرخ بهره وری آموزش فعلی را حفظ کرده و به کاهش هزینه های هوش مصنوعی و حفظ محیط زیست کمک کنند. با این حال، احتمالاً ماشین سرمایه گذاری همچنان با تمام قدرت به کار خود ادامه خواهد داد و از روش های JEST برای حفظ حداکثر مصرف انرژی و دستیابی به خروجی آموزشی سریع تر استفاده خواهد کرد.

این خبر توسط سایت همشهری آنلاین منتشر شده و خبر ناب صرفا آن را به اشتراک گذاشته است.

منبع : همشهری آنلاین

اخبار گوناگون در خبر ناب