El CEO de Anthropic afirma que el costo para entrenar IA podría ascender a 100 mil millones de dólares en los próximos tres años
- Los costos de entrenamiento de IA están destinados a dispararse en los próximos años.
- Los modelos avanzados de IA, como ChatGPT-4, requieren alrededor de 100 millones de dólares para su entrenamiento.
- Las principales empresas tecnológicas están invirtiendo grandes sumas de dinero en el avance de la IA.
El costo de entrenar modelos de inteligencia artificial (IA) se está disparando, con proyecciones que sugieren un aumento significativo en los próximos años. Dario Amodei, CEO de la startup de IA Anthropic, destacó estos gastos crecientes durante un episodio reciente del podcast “In Good Company”.
También leer: Trabajadores de Samsung entran en huelga exigiendo salarios más altos durante la creciente competencia de la IA
Los modelos avanzados de IA actuales, como ChatGPT-4, requieren alrededor de 100 millones de dólares para su entrenamiento. Pero, según Amodei, esto podría aumentar entre 10.000 millones y 100.000 millones de dólares en los próximos tres años.
El desarrollo de la inteligencia general artificial impulsa los costos al alza
El aumento pronunciado se debe al cambio de la IA generativa, como ChatGPT, a la inteligencia general artificial (AGI). El progreso hacia la AGI busca desarrollar sistemas que puedan comprender, adquirir y utilizar el conocimiento de una manera similar a la mente humana.
“Creo que si llegamos a 10.000 o 100.000 millones de dólares, y creo que eso sucederá en 2025, 2026, tal vez 2027… entonces creo que hay una buena posibilidad de que para entonces podamos obtener modelos que sean mejores que la mayoría de los humanos en la mayoría de las cosas.”
Amodei
Según Tom’s Hardware, el marco existente para estos avances es masivo en este momento. Por ejemplo, para entrenar ChatGPT se necesitaron más de 30.000 GPUs, y cada chip de IA Nvidia B200 cuesta entre 30.000 y 40.000 dólares. Esta inversión en hardware es uno de los elementos que podría estar causando el aumento de los gastos.
Los recursos computacionales aumentan los costos de entrenamiento de IA
Hay varias razones por las que el costo de entrenar IA está en aumento. La razón principal es que la cantidad de recursos computacionales necesarios es inmensa. Con el avance de los modelos de aprendizaje profundo, se necesitan GPUs potentes y otro hardware especialmente diseñado. Se enviaron más de 3,8 millones de GPUs a centros de datos en 2023, lo que demuestra la magnitud de la infraestructura requerida.
También leer: La Inteligencia Artificial afectará una amplia gama de servicios públicosgama de servicios públicos
Otro factor importante es el consumo de energía. El consumo de energía de todas las GPUs vendidas el año pasado sería suficiente para alimentar a 1,3 millones de hogares. Este alto consumo de energía no solo conduce a altos gastos para la empresa, sino que también plantea problemas sobre los efectos en el medio ambiente y la conservación. Según un informe reciente de Google, las emisiones de la empresa aumentaron casi un 50% en cuatro años, principalmente debido a la energía requerida para el aprendizaje de IA.
Las gigantes tecnológicas invierten fuertemente en infraestructura de IA
Además, las principales empresas tecnológicas están invirtiendo mucho dinero en el avance de la inteligencia artificial. Por ejemplo, Elon Musk quiere comprar 300.000 de los chips de IA más avanzados de Nvidia. Del mismo modo, se dice que Microsoft y OpenAI están trabajando en un centro de datos de 100.000 millones de dólares para el avance de la IA.
También leer: Wimbledon emplea IA para combatir el abuso en línea
A pesar de estos costos crecientes, hay intentos de optimizar los costos de entrenamiento de IA. DeepMind de Google ha presentado recientemente una técnica llamada Selección de Ejemplos Conjuntos (JEST) que afirma reducir el número de iteraciones por un factor de 13 y los recursos computacionales necesarios por un factor de 10. Esto ayuda a reducir los recursos a utilizar y el tiempo necesario.
Sin embargo, incluso con estos avances, la dirección general es hacia costos más altos debido al avance de la AGI. De la IA generativa a la AGI, los modelos deben interpretar grandes conjuntos de datos, aprender de ellos, anticipar diferentes situaciones y resolver problemas que requieren pensamiento crítico.
Reportaje de Cryptopolitan por Brenda Kanana
No te limites a leer noticias sobre criptomonedas. Entiéndelas. Suscríbete a nuestro boletín. Es gratis.
Aviso de responsabilidad. La información proporcionada no es un consejo de trading. Cryptopolitan.com no asumimos responsabilidad alguna por las inversiones realizadas basándose en la información proporcionada en esta página. Recomendamos encarecidamente la investigación independiente y/o la consulta con un profesional calificado antes de tomar cualquier decisión de inversión.
Brenda Kanana
Brenda cuenta con más de 4 años de experiencia especializada en criptomonedas, inteligencia artificial y tecnologías emergentes. Ha trabajado en Zycrypto, Blockchain Reporter y The Coin Republic, y ahora tiene a Cryptopolitan como su hogar. Su licenciatura en Sociología de la Universidad Técnica de Mombasa la mantiene alineada con las necesidades de sus lectores.
