En OpenAI-rapport fra 2018 viste, at computerkraften til at træne de største AI-modeller vokser
Nyt specialudstyr, CerebrasSystemets Wafer Scale Engine giver dig mulighed for at udskifte mange kraftfulde computere og bruge én lille chip, der er velegnet til AI-træning. Det kan dog endnu ikke masseproduceres, og forskerne bemærker, at det ville koste flere millioner dollars.
"Dette er en fantastisk præstationvil gøre det muligt for tusindvis af uafhængige forskere at opnå de samme kraftfulde resultater som teams af store virksomheder. Derudover resulterer de computerressourcer, der typisk kræves for at udføre denne type forskning, i et stort CO2-fodaftryk. Nu er det lykkedes os at slippe af med ham.”
Forskere fra University of South California
I denne metode anbringes AI-midlet i en simuleringet miljø, der giver fordele for at nå visse mål. Deres model bruges som feedback til videre læring. Det inkluderer tre vigtigste beregningsopgaver: modellering af miljøet og agenten; beslutte, hvad man skal gøre næste på baggrund af lærte regler og bruge resultaterne af disse handlinger til at opdatere deres adfærd.
Dette førte til en betydelig acceleration i læringsammenlignet med andre tilgange. Ved hjælp af en enkelt computer udstyret med en 36-core processor kunne forskerne behandle cirka 140.000 billeder pr. Sekund under deres Atari og Doom videospiltræning. I 3D-træningsmiljøet på DeepMind Lab leverede de en urhastighed på 40 tusind billeder i sekundet, hvilket er 15% bedre end normalt.
Se også:
- Se på den enorme "mur" af hundreder af tusinder af galakser bag Mælkevejen
- Comet NEOWISE er synlig i Rusland. Hvor man kan se det, hvor man skal se og hvordan man tager et foto
- NASA og ESA offentliggør det mest detaljerede billede af Solen