Генеральный директор Anthropic говорит, что стоимость обучения ИИ может вырасти до 100 млрд долларов в ближайшие три года

Стоимость обучения моделей искусственного интеллекта (ИИ) стремительно растет, и прогнозы предполагают значительное увеличение в ближайшие несколько лет. Дарио Амодеи, генеральный директор ИИ-стартапа Anthropic, выделил эти растущие расходы во время недавнего выпуска подкаста «In Good Company».

Также читайте: Работники Samsung забастовывают, требуя более высокой зарплаты на фоне растущей конкуренции со стороны ИИ

Современные продвинутые ИИ-модели, такие как ChatGPT-4, требуют около 100 миллионов долларов на обучение. Но, согласноАмодеи, эта сумма может вырасти до 10–100 миллиардов долларов в течение следующих трех лет.

Разработка искусственного общего интеллекта (AGI) повышает затраты

Резкий рост обусловлен переходом от генеративного ИИ, такого как ChatGPT, к искусственному общему интеллекту (AGI). Прогресс в направлении AGI направлен на создание систем, которые могут понимать, приобретать и использовать знания аналогично человеческому разуму.

"Я думаю, что если мы дойдем до 10 или 100 миллиардов долларов, и я думаю, что это произойдет в 2025, 2026, возможно, 2027 годах… то я думаю, что есть хороший шанс, что к тому времени мы сможем получить модели, которые лучше большинства людей во многих вещах." 

Амодеи

Согласно Tom’s Hardware, существующая инфраструктура для этих достижений в настоящее время огромна. Например, для обучения ChatGPT потребовалось более 30 000 GPU, и каждый чип Nvidia B200 для ИИ стоит от 30 000 до 40 000 долларов. Эти инвестиции в оборудование являются одним из элементов, которые могут вызывать рост расходов. 

Вычислительные ресурсы увеличивают стоимость обучения ИИ

Существует несколько причин, по которым стоимость обучения искусственного интеллекта растет. Главная из них — колоссальный объем необходимых вычислительных ресурсов. С развитием моделей глубокого обучения требуются мощные графические процессоры (GPU) и другое специализированное оборудование. В 2023 году в центры обработки данных было поставлено более 3,8 млн GPU, что демонстрирует масштаб необходимой инфраструктуры. 

Также читайте: Искусственный интеллект повлияет на широкий спектргосударственных услуг

Еще один важный фактор — потребление энергии. Энергопотребление всех GPU, проданных в прошлом году, было бы достаточно для обеспечения электричеством 1,3 млн домов. Такое высокое энергопотребление не только ведет к значительным расходам для бизнеса, но и поднимает вопросы о влиянии на окружающую среду и сохранении ресурсов. Согласно недавнему отчету Google, выбросы компании выросли почти на 50% за четыре года, в основном из-за энергии, необходимой для обучения ИИ.

Технологические гиганты активно инвестируют в инфраструктуру ИИ

Более того, ведущие технологические компании вкладывают огромные средства в развитие искусственного интеллекта. Например, Илон Маск планирует приобрести 300 000 новейших чипов Nvidia для ИИ. Аналогично, сообщается, что Microsoft и OpenAI работают над созданием дата-центра стоимостью 100 млрд долларов для развития ИИ.

Также читайте: Уимблдон использует ИИ для борьбы с онлайн-травлей

Несмотря на растущие затраты, предпринимаются попытки оптимизировать стоимость обучения ИИ. Google DeepMind недавно представил технику под названием Joint Example Selection (JEST), которая, по утверждениям, позволяет сократить количество итераций в 13 раз и потребность в вычислительных ресурсах в 10 раз. Это помогает сократить используемые ресурсы и время, затрачиваемое на процесс.

Однако, даже с учетом этих достижений, общий тренд направлен на рост затрат из-за развития AGI (общего искусственного интеллекта). От генеративного ИИ к AGI модели требуются для интерпретации больших наборов данных, обучения на них, прогнозирования различных ситуаций и решения задач, требующих критического мышления. 

Репортаж Cryptopolitan от Бренды Канааны