Технологии глубокого машинного обучения могут перестать в ближайшее время развиваться с интенсивностью прошлых лет. Скоро будет экономически невыгодно и экологически невыгодно продолжать наращивать масштабы таких систем. Об этом сообщили исследователи Массачусетского технологического института после анализа 1000 научных статей.
Эксперты пришли к выводу, что для продолжения развития технологий искусственного интеллекта необходимо радикальное обновление алгоритмов. Это может быть из-за изменений в глубоком машинном обучении или переход на другие методы машинного обучения.
Підписуйтесь на наш канал у Telegram: https://t.me/techtodayua
Вот сравнительная таблица с ценой и влиянием на экологию популярных нейросетей. Для каждой нейросети в первой строке приведены текущие показатели ее погрешностей в работе, а также выбросы СО2 и стоимость. Ведь обучение нейросетей – это длительный процесс, который требует больших вычислительных мощностей, на работу которых расходуется много электроэнергии. Следующие строки – оценка увеличения экологического воздействия и стоимости тренировки при достижении заданного уровня погрешностей нейросети.
Эксперты надеются, что ученые смогут придумать лучшие алгоритмы и методы машинного обучения, чтобы технология смогла развиваться при текущих вычислительных мощностях.
Нейросети сегодня стали большим бизнесом, но всю их историю, начиная с 1950-х годов, они сталкиваются с нехваткой вычислительной мощности. Уже были периоды, когда на десятилетия их развитие останавливалось из-за нехватки вычислительных мощностей. Ситуацию спасло изобретение новых алгоритмов для их тренировки.
