La potencia informática de la IA ha aumentado 680 millones de veces en 70 años, y tres etapas históricas han sido testigos de la explosión exponencial de la tecnología de la IA.
Una imagen muestra que la potencia informática de la IA se ha desarrollado 670 millones de veces en más de 70 años. En el futuro, la IA superará a los humanos en todos los aspectos de sus capacidades. Lo que es realmente emocionante es que la industria de la IA acaba de entrar en la etapa embrionaria. etapa anterior al brote.
Las computadoras electrónicas nacieron en la década de 1940 y, diez años después de su aparición, apareció la primera aplicación de IA en la historia de la humanidad.
Más de 70 años después, los modelos de IA ahora no solo pueden escribir poemas, sino también generar imágenes basadas en indicaciones de texto e incluso ayudar a los humanos a descubrir estructuras proteicas desconocidas.
Entonces, ¿qué ha impulsado el crecimiento exponencial de la tecnología de IA en tan poco tiempo?
Un largo gráfico de "Nuestro mundo en datos" rastrea la historia del desarrollo de la IA a través de los cambios en la potencia informática utilizada para entrenar modelos de IA a escala.
Imagen grande de alta definición:
La fuente de los datos de la figura proviene de un artículo publicado por investigadores del MIT y otras universidades.
Dirección del papel:
Además del artículo, también hay un equipo de investigación que ha elaborado una tabla visual basada en los datos de este artículo. Los íconos se pueden acercar y alejar para obtener datos detallados.
Dirección del formulario:
El autor del gráfico estima principalmente la cantidad de cálculo de entrenamiento de cada modelo calculando el número de operaciones y el tiempo de GPU. En cuanto a qué modelo elegir como representante de un modelo importante, el autor lo determina principalmente a través de tres propiedades:
Importancia significativa: un sistema tiene un impacto histórico significativo, mejora significativamente SOTA o ha sido citado más de 1000 veces.
Relevancia: el autor solo incluye artículos que contienen resultados experimentales y componentes clave del aprendizaje automático, y el objetivo del artículo es promover el desarrollo de SOTA existente.
Unicidad: si otro artículo que describe el mismo sistema es más influyente, ese artículo será excluido del conjunto de datos del autor.
Tres eras del desarrollo de la IA
En la década de 1950, el matemático estadounidense Claude Shannon entrenó a un ratón robótico llamado Teseo para recorrer un laberinto y recordar sus caminos: el primer ejemplo de aprendizaje artificial.
Theseus se basa en 40 operaciones de punto flotante (FLOP). Los FLOP se utilizan comúnmente como medida del rendimiento informático del hardware de la computadora. Cuanto mayor sea el número de FLOP, mayor será la potencia informática y más potente será el sistema.
La potencia informática, los datos de entrenamiento disponibles y los algoritmos son los tres elementos principales del progreso de la IA. En las primeras décadas del desarrollo de la IA, la potencia informática necesaria creció según la Ley de Moore: la potencia informática se duplicó en unos 20 meses.
Sin embargo, cuando 2012 marcó el comienzo de la era del aprendizaje profundo con AlexNet, una IA de reconocimiento de imágenes, ese tiempo de duplicación se había acortado significativamente a seis meses a medida que los investigadores invertían más en informática y procesadores.
Con la aparición de AlphaGo en 2015, un programa informático que derrotó a los jugadores profesionales de Go humanos, los investigadores descubrieron una tercera era: la era de los modelos de IA a gran escala con mayores demandas computacionales que todos los sistemas de IA anteriores.
Progreso futuro de la tecnología de IA
Si miramos retrospectivamente la última década, la potencia informática ha crecido tan rápido que resulta casi alucinante.
Por ejemplo, la potencia informática utilizada para entrenar a Minerva, una IA que puede resolver problemas matemáticos complejos, fue casi 6 millones de veces mayor que la utilizada para entrenar a AlexNet hace una década.
Este crecimiento de la informática, junto con la gran cantidad de conjuntos de datos disponibles y mejores algoritmos, ha permitido a la IA avanzar mucho en un período de tiempo extremadamente corto. Hoy en día, la IA no sólo puede alcanzar los niveles de rendimiento humano, sino que incluso puede superar a los humanos en muchos campos.
Las capacidades de la IA seguirán superando a los humanos en todos los aspectos
Como se desprende claramente del gráfico anterior, la IA ya ha superado el desempeño humano en muchas áreas y pronto también lo superará en otras.
La siguiente figura muestra en qué año la IA alcanzó o superó los niveles humanos en capacidades comunes utilizadas en el trabajo y la vida diaria.
### El potencial de desarrollo de la tecnología de IA es suficiente
Es difícil decir si el crecimiento de la informática mantendrá el mismo ritmo. Los modelos a gran escala requieren cada vez más potencia informática para entrenarse y, si la oferta de potencia informática no puede seguir creciendo, puede ralentizar el progreso del desarrollo de la tecnología de IA.
Del mismo modo, utilizar todos los datos actualmente disponibles para entrenar modelos de IA también podría obstaculizar el desarrollo y la implementación de nuevos modelos.
Sin embargo, en 2023, una gran cantidad de capital se destinará a la industria de la IA, especialmente la IA generativa representada por grandes modelos de lenguaje. Quizás estén a punto de aparecer más avances. Parece que los tres elementos anteriores que promueven el desarrollo de la tecnología de inteligencia artificial se optimizarán y desarrollarán aún más en el futuro.
En el primer semestre de 2023, la escala de financiación de las nuevas empresas de la industria de la IA alcanzó los 14.000 millones de dólares, cifra que supera incluso la financiación total recibida en los últimos cuatro años.
Un gran número (78%) de nuevas empresas de IA generativa todavía se encuentran en las primeras etapas de desarrollo, e incluso el 27% de las nuevas empresas de IA generativa aún no han recaudado fondos.
Hay más de 360 empresas de inteligencia artificial generativa, el 27% de las cuales aún no han recaudado fondos. Más de la mitad son proyectos en etapa inicial o anteriores, lo que indica que toda la industria de la IA generativa se encuentra todavía en una etapa muy temprana.
Debido a la naturaleza intensiva en capital del desarrollo de grandes modelos lingüísticos, la categoría de infraestructura de IA generativa ha recibido más del 70% de la financiación desde el tercer trimestre de 2022, lo que representa solo el 10% de todo el volumen de transacciones de IA generativa. Gran parte de la financiación proviene del interés de los inversores en infraestructura emergente, como modelos subyacentes y API, MLOps (operaciones de aprendizaje automático) y tecnología de bases de datos vectoriales.
Referencias:
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
La potencia informática de la IA ha aumentado 680 millones de veces en 70 años, y tres etapas históricas han sido testigos de la explosión exponencial de la tecnología de la IA.
**Fuente:**Xinzhiyuan
Las computadoras electrónicas nacieron en la década de 1940 y, diez años después de su aparición, apareció la primera aplicación de IA en la historia de la humanidad.
Más de 70 años después, los modelos de IA ahora no solo pueden escribir poemas, sino también generar imágenes basadas en indicaciones de texto e incluso ayudar a los humanos a descubrir estructuras proteicas desconocidas.
Entonces, ¿qué ha impulsado el crecimiento exponencial de la tecnología de IA en tan poco tiempo?
Un largo gráfico de "Nuestro mundo en datos" rastrea la historia del desarrollo de la IA a través de los cambios en la potencia informática utilizada para entrenar modelos de IA a escala.
La fuente de los datos de la figura proviene de un artículo publicado por investigadores del MIT y otras universidades.
Además del artículo, también hay un equipo de investigación que ha elaborado una tabla visual basada en los datos de este artículo. Los íconos se pueden acercar y alejar para obtener datos detallados.
El autor del gráfico estima principalmente la cantidad de cálculo de entrenamiento de cada modelo calculando el número de operaciones y el tiempo de GPU. En cuanto a qué modelo elegir como representante de un modelo importante, el autor lo determina principalmente a través de tres propiedades:
Importancia significativa: un sistema tiene un impacto histórico significativo, mejora significativamente SOTA o ha sido citado más de 1000 veces.
Relevancia: el autor solo incluye artículos que contienen resultados experimentales y componentes clave del aprendizaje automático, y el objetivo del artículo es promover el desarrollo de SOTA existente.
Unicidad: si otro artículo que describe el mismo sistema es más influyente, ese artículo será excluido del conjunto de datos del autor.
Tres eras del desarrollo de la IA
En la década de 1950, el matemático estadounidense Claude Shannon entrenó a un ratón robótico llamado Teseo para recorrer un laberinto y recordar sus caminos: el primer ejemplo de aprendizaje artificial.
Theseus se basa en 40 operaciones de punto flotante (FLOP). Los FLOP se utilizan comúnmente como medida del rendimiento informático del hardware de la computadora. Cuanto mayor sea el número de FLOP, mayor será la potencia informática y más potente será el sistema.
La potencia informática, los datos de entrenamiento disponibles y los algoritmos son los tres elementos principales del progreso de la IA. En las primeras décadas del desarrollo de la IA, la potencia informática necesaria creció según la Ley de Moore: la potencia informática se duplicó en unos 20 meses.
Con la aparición de AlphaGo en 2015, un programa informático que derrotó a los jugadores profesionales de Go humanos, los investigadores descubrieron una tercera era: la era de los modelos de IA a gran escala con mayores demandas computacionales que todos los sistemas de IA anteriores.
Progreso futuro de la tecnología de IA
Si miramos retrospectivamente la última década, la potencia informática ha crecido tan rápido que resulta casi alucinante.
Por ejemplo, la potencia informática utilizada para entrenar a Minerva, una IA que puede resolver problemas matemáticos complejos, fue casi 6 millones de veces mayor que la utilizada para entrenar a AlexNet hace una década.
Las capacidades de la IA seguirán superando a los humanos en todos los aspectos
La siguiente figura muestra en qué año la IA alcanzó o superó los niveles humanos en capacidades comunes utilizadas en el trabajo y la vida diaria.
Es difícil decir si el crecimiento de la informática mantendrá el mismo ritmo. Los modelos a gran escala requieren cada vez más potencia informática para entrenarse y, si la oferta de potencia informática no puede seguir creciendo, puede ralentizar el progreso del desarrollo de la tecnología de IA.
Del mismo modo, utilizar todos los datos actualmente disponibles para entrenar modelos de IA también podría obstaculizar el desarrollo y la implementación de nuevos modelos.
Sin embargo, en 2023, una gran cantidad de capital se destinará a la industria de la IA, especialmente la IA generativa representada por grandes modelos de lenguaje. Quizás estén a punto de aparecer más avances. Parece que los tres elementos anteriores que promueven el desarrollo de la tecnología de inteligencia artificial se optimizarán y desarrollarán aún más en el futuro.
En el primer semestre de 2023, la escala de financiación de las nuevas empresas de la industria de la IA alcanzó los 14.000 millones de dólares, cifra que supera incluso la financiación total recibida en los últimos cuatro años.
Referencias: