Растущие затраты на обучение моделей ИИ: раскрытие расходов в размере 78 миллионов долларов на GPT-4 и 191 миллион долларов на Gemini Ultra.

С развитием технологий искусственного интеллекта (ИИ) расходы на обучение передовых ИИ-моделей резко возрастают. Согласно последним данным, обучение модели GPT-4 от OpenAI стоит около 78 миллионов долларов, в то время как модель Gemini Ultra от Google достигает поразительных 191 миллиона долларов. Эта ситуация привлекает значительное внимание и подчеркивает огромные экономические и экологические затраты, связанные с технологиями ИИ.

GPT-4, мощная модель обработки естественного языка, разработанная OpenAI, установила новые рекорды по затратам на обучение. Между тем, почти 200 миллионов долларов, вложенные в модель Google Gemini Ultra, подчеркивают высокую стоимость прогресса в области ИИ. Эти расходы включают не только потребление вычислительных ресурсов, но и затраты на труд, данные и время. Обучение таких сложных ИИ-моделей требует огромных вычислительных кластеров, эффективных алгоритмов и обширных аннотированных наборов данных, что требует значительных финансовых и временных вложений.

Кроме того, нельзя игнорировать экологическое воздействие моделей ИИ. Исследования Стэнфордского университета выявляют значительные различия в выбросах углерода при выполнении задач по reasoning у разных моделей ИИ. С увеличением сложности модели и вычислительных требований возрастает и уровень выбросов углерода, что создает нагрузку на экологию.

В отчете указывается, что Китай лидирует по количеству патентов на ИИ, демонстрируя свои быстрые достижения в данной области. Это лидерство приносит не только новые возможности, но и увеличивает давление на Китай для решения экологических проблем.

Эксперты отрасли предполагают, что по мере распространения технологий ИИ будет критически важно снижать как расходы, так и экологические последствия обучения и использования моделей. Кроме того, международное сотрудничество может сыграть жизненно важную роль в содействии устойчивому развитию технологий ИИ.

В заключение, растущие затраты на обучение ИИ-моделей и их экологические последствия требуют срочного внимания. Балансирование экономических выгод с экологической устойчивостью имеет решающее значение для достижения долгосрочной жизнеспособности технологий ИИ.