Yapay zeka ve enerji santrallerinin ortak noktası nedir?


Transform 2022’yi 19 Temmuz’da ve neredeyse 20 – 28 Temmuz’da geri getirmekten heyecan duyuyoruz. Bilgili görüşmeler ve heyecan verici ağ oluşturma fırsatları için yapay zeka ve veri liderlerine katılın. Bugün kayıt Ol!


Son beş yılda yapay zeka (AI) gelişiminin hikayesine ölçek hakim oldu. Doğal dil işleme (NLP), görüntü anlama, ses tanıma ve daha pek çok alanda 2010’ların ortalarında geliştirilen stratejileri alarak ve arkalarına daha fazla bilgi işlem gücü ve daha fazla veri koyarak büyük ilerleme kaydedildi. Bu, yapay zeka sistemlerinin kullanımı ve dağıtımında ilginç bir güç dinamiği ortaya çıkardı; AI’yı elektrik şebekesine çok benzeyen bir şey.

NLP için, daha büyük gerçekten daha iyidir

NLP’deki mevcut en son teknoloji, terabaytlarca metin üzerinde eğitilmiş milyarlarca parametreye sahip sinir ağları tarafından desteklenmektedir. Bu ağları basitçe bellekte tutmak, birden fazla son teknoloji GPU gerektirir ve bu ağları eğitmek, en büyük kuruluşlar dışında herkesin erişemeyeceği süper bilgisayar kümeleri gerektirir.

Aynı teknikleri kullanarak, önemli ölçüde daha küçük bir sinir ağını önemli ölçüde daha az metin üzerinde eğitebilir, ancak performans önemli ölçüde daha kötü olurdu. Hatta o kadar kötü ki, sadece bir derece farkı olmaktan çıkıp türde bir farka dönüşüyor; büyük dil modellerinin üstün olduğu ve küçük dil modellerinin şanstan daha iyi performans göstermediği metin sınıflandırma, özetleme ve varlık çıkarma gibi görevler vardır.

Yaklaşık on yıldır sinir ağlarıyla çalışan biri olarak, bu gelişme beni gerçekten şaşırttı. Bir sinir ağındaki parametre sayısını artırmanın, yetenekte bu kadar ciddi bir gelişmeye yol açacağı teknik açıdan açık değildir. Bununla birlikte, 2022’de, sinir ağlarını ilk kez 2017’de yayınlanan mimarilerle neredeyse aynı şekilde eğitiyoruz, ancak büyüklük sıraları ile daha fazla hesaplama ve daha iyi sonuçlar elde ediyoruz.

Bu, alanda yeni ve ilginç bir dinamiğe işaret ediyor. Son teknoloji modeller, neredeyse her şirket için – bırakın bir bireyi – oluşturmak ve hatta dağıtmak için hesaplama açısından çok pahalıdır. Bir şirketin bu tür modellerden yararlanabilmesi için, bugün elektriğin oluşturulma ve dağıtılma şekline benzer şekilde, bir başkası tarafından oluşturulan ve barındırılan birini kullanması gerekir.

Yapay zekayı ölçülü bir yardımcı programmış gibi paylaşmak

Her ofis binasının elektriğe ihtiyacı vardır, ancak hiçbir ofis binası kendi elektriğini üretmek için gerekli altyapıyı barındıramaz. Bunun yerine, merkezi bir elektrik şebekesine bağlanırlar ve kullandıkları güç için ödeme yaparlar.

Aynı şekilde, çok az şirket kendi AI modellerini oluşturacak kaynaklara sahip olsa da, NLP’yi operasyonlarına entegre etmekten yararlanabilir. İşte tam da bu nedenle şirketler büyük AI modelleri oluşturmuş ve bunları kullanımı kolay bir API aracılığıyla kullanıma sunmuştur. İşletmelere ünlü NLP elektrik şebekesine “bağlanma” için bir yol sunarak, bu büyük ölçekli son teknoloji modellerin eğitim maliyeti, çeşitli müşteriler üzerinden amorti edilir ve böylece bu son teknolojiye erişmelerini sağlar. , son teknoloji altyapı olmadan.

Somut bir örnek vermek gerekirse, diyelim ki yasal belgeleri saklayan bir şirket, elindeki her belgenin bir özetini göstermek istiyor. Her belgeyi tek başına okuyup özetlemeleri için birkaç hukuk öğrencisi tutabilirler veya bir sinir ağından yararlanabilirler. Bir hukuk öğrencisinin iş akışıyla birlikte çalışan büyük ölçekli sinir ağları, özetlemede verimliliği önemli ölçüde artıracaktır. Yine de sıfırdan birini eğitmek, daha fazla hukuk öğrencisini işe almaktan çok daha pahalıya mal olur, ancak söz konusu şirketin ağ tabanlı bir API aracılığıyla son teknoloji bir sinir ağına erişimi olsaydı, sadece yapabilirlerdi. AI “güç şebekesine” bağlanın ve özetleme kullanımı için ödeme yapın.

Mantıksal uç noktasına kadar takip edersek, bu analojinin bazı ilginç sonuçları olur. Elektrik, su ve ulaşım altyapısı gibi bir kamu hizmetidir. Bu hizmetler toplumumuzun işleyişi için o kadar önemlidir ki, Ontario’da (yazdığım yerden) kraliyet şirketleri (federal veya eyalet hükümetlerinin sahibi olduğu ve düzenlediği) tarafından başarıyla sürdürülür. Bu taç şirketler yalnızca altyapı ve dağıtımdan değil, aynı zamanda su kalitesi testi gibi değerlendirme ve kalite güvencesinden de sorumludur.

AI kullanımının düzenlenmesi de anahtardır

Ayrıca, tıpkı elektrik gibi, bu teknoloji de kötüye kullanılabilir. Ayrıca çeşitli sınırlamalara ve potansiyel kötüye kullanımlara sahip olduğu gösterilmiştir. Bu modellerin halı kaplama ve önyargıların yayılması yoluyla potansiyel olarak nasıl zarara yol açabileceği konusunda birçok araştırma yapıldı. Bu teknolojinin çalışma şeklimizi temelden dönüştürmeye hazır olduğu göz önüne alındığında, yönetim organı ve düzenlemesinin dikkate alınması önemlidir. Bu NLP API’lerinin birkaç sağlayıcısı yakın zamanda bu modelleri dağıtmak için bir dizi en iyi uygulama yayınladı, ancak bu açıkçası, bu önceki çalışmayı temel alan ilk adımdır.

Andrew Ng ünlü dedi “AI yeni elektriktir.” Elektriğin getirilmesiyle aynı ölçekte etkiyle ekonomimizin işleyişi için çok önemli hale gelen bir ilerleme ve yenilik dalgasına güç vereceğini kastettiğine inanıyorum. Bu ifade belki biraz abartılı ama ilk başta düşündüğümden daha uygun olabilir. AI yeni elektrik ise, yeni bir dizi elektrik santrali tarafından etkinleştirilmesi gerekecektir.

Nick Frosst, şirketin kurucu ortağıdır. tutarlı.

DataDecisionMakers

VentureBeat topluluğuna hoş geldiniz!

DataDecisionMakers, veri işi yapan teknik kişiler de dahil olmak üzere uzmanların verilerle ilgili içgörüleri ve yenilikleri paylaşabileceği yerdir.

En yeni fikirleri ve güncel bilgileri, en iyi uygulamaları ve veri ve veri teknolojisinin geleceğini okumak istiyorsanız DataDecisionMakers’da bize katılın.

Kendi makalenize katkıda bulunmayı bile düşünebilirsiniz!

DataDecisionMakers’dan Daha Fazlasını Okuyun



Kaynak : https://venturebeat.com/2022/07/15/what-ai-and-power-plants-have-in-common/

Yorum yapın