Технології глибокого машинного навчання можуть перестати найближчим часом розвиватися з інтенсивністю минулих років. Скоро буде економічно невигідно та екологічно невигідно продовжувати нарощувати масштаби таких систем. Про це повідомили дослідники Массачусетського технологічного інституту після аналізу 1000 наукових статей.
Експерти дійшли висновку, що для продовження розвитку технологій штучного інтелекту необхідно радикальне оновлення алгоритмів. Це може бути внаслідок змін до глибокого машинного навчання або перехід на інші методи машинного навчання.
Підписуйтесь на наш канал у Telegram: https://t.me/techtodayua
Ось порівняльна таблиця з ціною та впливом на екологію популярних нейромереж. Для кожної нейромережі в першому рядку наведено поточні показники її похибок у роботі, а також викиди СО2 та вартість. Адже навчання нейромереж – це тривалий процес, який потребує великих обчислювальних потужностей, на роботу яких витрачається багато електроенергії. Наступні рядки – оцінка збільшення екологічного впливу та вартості тренування при досягненні заданого рівня похибок нейромережі.
Експерти сподіваються, що науковці зможуть придумати кращі алгоритми та методи машинного навчання, щоб технологія змогла розвиватися при поточних обчислювальних потужностях.
Нейромережі сьогодні стали великим бізнесом, але всю їхню історію, починаючи з 1950-х років, вони стикаються з браком обчислювальної потужності. Уже були періоди, коли на десятиліття їхній розвиток зупинявся через брак обчислювальних потужностей. Ситуацію врятувало винайдення нових алгоритмів для їхнього тренування.
