Зображення показує, що обчислювальна потужність штучного інтелекту зросла в 670 мільйонів разів за понад 70 років. У майбутньому штучний інтелект перевершить людей у всіх аспектах своїх можливостей. Що справді захоплююче, так це те, що індустрія штучного інтелекту щойно увійшла в ембріональний стан стадія перед спалахом.
Електронні комп’ютери з’явилися в 1940-х роках, і протягом 10 років після появи комп’ютерів з’явилася перша в історії людства програма ШІ.
Понад 70 років потому моделі штучного інтелекту тепер можуть не тільки писати вірші, але й створювати зображення на основі текстових підказок і навіть допомагати людям відкривати невідомі структури білка.
Отже, що стало причиною експоненціального зростання технології ШІ за такий короткий період часу?
Довга діаграма з «Нашого світу в даних» простежує історію розвитку ШІ через зміни обчислювальної потужності, яка використовується для навчання моделей ШІ як масштабу.
Велике зображення високої чіткості:
Джерелом даних на малюнку є стаття, опублікована дослідниками з MIT та інших університетів.
Адреса паперу:
Окрім статті, є також дослідницька група, яка склала візуальну таблицю на основі даних цієї статті.Іконки можна збільшувати та зменшувати для отримання детальних даних.
Адреса форми:
Автор діаграми в основному оцінює обчислення обсягу навчання кожної моделі шляхом розрахунку кількості операцій і часу GPU.Що стосується того, яку модель вибрати як представника важливої моделі, автор в основному визначає через три властивості:
Важлива важливість: система має значний історичний вплив, значно покращує SOTA або її цитували понад 1000 разів.
Актуальність: автор включає лише документи, які містять експериментальні результати та ключові компоненти машинного навчання, а мета статті — сприяти розвитку існуючої SOTA.
Унікальність: якщо інший документ, що описує ту саму систему, є більш впливовим, цей документ буде виключено з набору даних автора.
Три епохи розвитку ШІ
У 1950-х роках американський математик Клод Шеннон навчив роботизовану мишу на ім’я Тесей орієнтуватися в лабіринті та запам’ятовувати шляхи — перший приклад штучного навчання.
Тезей побудований на 40 операціях з плаваючою комою (FLOP). FLOP зазвичай використовується як міра обчислювальної продуктивності комп’ютерного обладнання. Чим більше число FLOP, тим більша обчислювальна потужність і потужніша система.
Обчислювальна потужність, доступні навчальні дані та алгоритми є трьома основними елементами прогресу ШІ. У перші десятиліття розвитку ШІ необхідна обчислювальна потужність зростала відповідно до закону Мура – обчислювальна потужність подвоїлася приблизно за 20 місяців.
Однак до того часу, як 2012 рік став початком ери глибокого навчання з AlexNet, штучним інтелектом для розпізнавання зображень, цей час подвоєння значно скоротився до шести місяців, оскільки дослідники інвестували більше в обчислення та процесори.
З появою в 2015 році AlphaGo — комп’ютерної програми, яка перемогла професійних людей-гравців у Go — дослідники відкрили третю еру: еру великомасштабних моделей ШІ з більшими обчислювальними вимогами, ніж усі попередні системи ШІ.
Майбутній прогрес технології ШІ
Озираючись назад за останнє десятиліття, обчислювальна потужність зросла настільки швидко, що це майже вражає.
Наприклад, обчислювальна потужність, використана для навчання Minerva, штучного інтелекту, який може вирішувати складні математичні проблеми, була майже в 6 мільйонів разів більшою, ніж для навчання AlexNet десять років тому.
Це зростання обчислювальної техніки в поєднанні з величезною кількістю доступних наборів даних і кращих алгоритмів дозволило ШІ досягти значного прогресу за надзвичайно короткий період часу. Сьогодні штучний інтелект може не тільки досягти рівня продуктивності людини, але навіть перевершити людей у багатьох сферах.
Здатності штучного інтелекту й надалі перевершуватимуть людські в усіх аспектах
Як видно з діаграми вище, штучний інтелект вже перевершив продуктивність людини в багатьох сферах і незабаром також перевершить її в інших.
На малюнку нижче показано, у якому році штучний інтелект досяг або перевищив рівень людських здібностей у повсякденній роботі та житті.
### Потенціал розвитку технології ШІ достатній
Важко сказати, чи збережеться зростання обчислювальної техніки такими ж темпами. Для навчання великомасштабних моделей потрібно все більше і більше обчислювальної потужності. Якщо пропозиція обчислювальної потужності не може продовжувати зростати, це може уповільнити прогрес у розвитку технології ШІ.
Подібним чином використання всіх наявних даних для навчання моделей штучного інтелекту також може перешкодити розробці та впровадженню нових моделей.
Однак у 2023 році велика кількість капіталу виллється в індустрію ШІ, особливо генеративний ШІ, представлений великими мовними моделями. Можливо, незабаром з’являться нові прориви.Схоже, що вищевказані три елементи, які сприяють розвитку технології штучного інтелекту, будуть оптимізовані та вдосконалені в майбутньому.
У першому півріччі 2023 року обсяг фінансування стартапів в індустрії штучного інтелекту сягнув 14 мільярдів доларів США, що навіть перевищує загальний обсяг фінансування, отриманого за останні чотири роки.
Велика кількість (78%) генеративних стартапів ШІ все ще перебуває на дуже ранніх стадіях розвитку, і навіть 27% стартапів генеративного ШІ ще не залучили кошти.
Існує понад 360 компаній з генеративного штучного інтелекту, 27% з яких ще не залучили кошти. Більше половини є проектами на ранній стадії або ранніми, що вказує на те, що вся галузь генеративного штучного інтелекту все ще знаходиться на дуже ранній стадії.
Через капіталомісткий характер розробки великомасштабних мовних моделей категорія генеративної інфраструктури ШІ отримала понад 70% фінансування з третього кварталу 2022 року, що становить лише 10% від усього обсягу транзакцій генеративного ШІ. Значна частина фінансування надходить від інтересу інвесторів до нової інфраструктури, такої як базові моделі та API, MLOps (операції машинного навчання) і технології векторних баз даних.
Література:
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Обчислювальна потужність ШІ зросла в 680 мільйонів разів за 70 років, і три історичні етапи стали свідками експоненціального вибуху технології ШІ
**Джерело:**Xinzhiyuan
Електронні комп’ютери з’явилися в 1940-х роках, і протягом 10 років після появи комп’ютерів з’явилася перша в історії людства програма ШІ.
Понад 70 років потому моделі штучного інтелекту тепер можуть не тільки писати вірші, але й створювати зображення на основі текстових підказок і навіть допомагати людям відкривати невідомі структури білка.
Отже, що стало причиною експоненціального зростання технології ШІ за такий короткий період часу?
Довга діаграма з «Нашого світу в даних» простежує історію розвитку ШІ через зміни обчислювальної потужності, яка використовується для навчання моделей ШІ як масштабу.
Джерелом даних на малюнку є стаття, опублікована дослідниками з MIT та інших університетів.
Окрім статті, є також дослідницька група, яка склала візуальну таблицю на основі даних цієї статті.Іконки можна збільшувати та зменшувати для отримання детальних даних.
Автор діаграми в основному оцінює обчислення обсягу навчання кожної моделі шляхом розрахунку кількості операцій і часу GPU.Що стосується того, яку модель вибрати як представника важливої моделі, автор в основному визначає через три властивості:
Важлива важливість: система має значний історичний вплив, значно покращує SOTA або її цитували понад 1000 разів.
Актуальність: автор включає лише документи, які містять експериментальні результати та ключові компоненти машинного навчання, а мета статті — сприяти розвитку існуючої SOTA.
Унікальність: якщо інший документ, що описує ту саму систему, є більш впливовим, цей документ буде виключено з набору даних автора.
Три епохи розвитку ШІ
У 1950-х роках американський математик Клод Шеннон навчив роботизовану мишу на ім’я Тесей орієнтуватися в лабіринті та запам’ятовувати шляхи — перший приклад штучного навчання.
Тезей побудований на 40 операціях з плаваючою комою (FLOP). FLOP зазвичай використовується як міра обчислювальної продуктивності комп’ютерного обладнання. Чим більше число FLOP, тим більша обчислювальна потужність і потужніша система.
Обчислювальна потужність, доступні навчальні дані та алгоритми є трьома основними елементами прогресу ШІ. У перші десятиліття розвитку ШІ необхідна обчислювальна потужність зростала відповідно до закону Мура – обчислювальна потужність подвоїлася приблизно за 20 місяців.
З появою в 2015 році AlphaGo — комп’ютерної програми, яка перемогла професійних людей-гравців у Go — дослідники відкрили третю еру: еру великомасштабних моделей ШІ з більшими обчислювальними вимогами, ніж усі попередні системи ШІ.
Майбутній прогрес технології ШІ
Озираючись назад за останнє десятиліття, обчислювальна потужність зросла настільки швидко, що це майже вражає.
Наприклад, обчислювальна потужність, використана для навчання Minerva, штучного інтелекту, який може вирішувати складні математичні проблеми, була майже в 6 мільйонів разів більшою, ніж для навчання AlexNet десять років тому.
Здатності штучного інтелекту й надалі перевершуватимуть людські в усіх аспектах
На малюнку нижче показано, у якому році штучний інтелект досяг або перевищив рівень людських здібностей у повсякденній роботі та житті.
Важко сказати, чи збережеться зростання обчислювальної техніки такими ж темпами. Для навчання великомасштабних моделей потрібно все більше і більше обчислювальної потужності. Якщо пропозиція обчислювальної потужності не може продовжувати зростати, це може уповільнити прогрес у розвитку технології ШІ.
Подібним чином використання всіх наявних даних для навчання моделей штучного інтелекту також може перешкодити розробці та впровадженню нових моделей.
Однак у 2023 році велика кількість капіталу виллється в індустрію ШІ, особливо генеративний ШІ, представлений великими мовними моделями. Можливо, незабаром з’являться нові прориви.Схоже, що вищевказані три елементи, які сприяють розвитку технології штучного інтелекту, будуть оптимізовані та вдосконалені в майбутньому.
У першому півріччі 2023 року обсяг фінансування стартапів в індустрії штучного інтелекту сягнув 14 мільярдів доларів США, що навіть перевищує загальний обсяг фінансування, отриманого за останні чотири роки.
Література: