Ein OpenAI-Bericht aus dem Jahr 2018 ergab, dass die Rechenleistung zum Trainieren der größten KI-Modelle wächst
Neue Spezialausrüstung, CerebrasMit der Wafer Scale Engine des Systems können Sie viele leistungsstarke Computer ersetzen und einen kleinen Chip verwenden, der für das KI-Training geeignet ist. Allerdings kann es noch nicht in Massenproduktion hergestellt werden und die Forscher weisen darauf hin, dass es mehrere Millionen Dollar kosten würde.
„Das ist eine fantastische Leistungwird es Tausenden unabhängiger Forscher ermöglichen, die gleichen leistungsstarken Ergebnisse zu erzielen wie Teams großer Unternehmen. Darüber hinaus führen die für die Durchführung dieser Art von Forschung typischerweise erforderlichen Rechenressourcen zu einem großen CO2-Fußabdruck. Jetzt ist es uns gelungen, ihn loszuwerden.“
Forscher der University of Southern California
Bei dieser Methode wird der AI-Agent in eine Simulation eingefügtEine Umgebung, die Belohnungen für das Erreichen bestimmter Ziele bietet. Ihr Modell wird als Feedback für das weitere Lernen verwendet. Es umfasst drei Hauptberechnungsaufgaben: Modellierung der Umgebung und des Agenten; Entscheiden Sie anhand der erlernten Regeln, was als Nächstes zu tun ist, und verwenden Sie die Ergebnisse dieser Aktionen, um deren Verhalten zu aktualisieren.
Dies führte zu einer deutlichen Beschleunigung des Lernensverglichen mit anderen Ansätzen. Mit einem einzigen Computer, der mit einem 36-Kern-Prozessor ausgestattet war, konnten die Forscher während ihres Atari- und Doom-Videospieltrainings ungefähr 140.000 Bilder pro Sekunde verarbeiten. In der 3D-Trainingsumgebung des DeepMind Lab lieferten sie 40.000 Bilder pro Sekunde, was 15% besser als üblich ist.
Siehe auch:
- Schauen Sie sich die riesige "Wand" von Hunderttausenden von Galaxien hinter der Milchstraße an
- Der Komet NEOWISE ist in Russland sichtbar. Wo man es sieht, wo man schaut und wie man ein Foto macht
- Die NASA und die ESA veröffentlichen das detaillierteste Bild der Sonne