محققان DeepMind گوگل راهی جدید برای افزایش سرعت یافته اند آموزش هوش مصنوعی به گونه ای توسعه یافته است که می تواند منابع محاسباتی و زمان مورد نیاز برای انجام این کار را به میزان قابل توجهی کاهش دهد.
صنعت هوش مصنوعی انرژی زیادی مصرف می کند، سیستم های بزرگتر مانند ChatGPT به قدرت پردازش زیادی و همچنین انرژی و آب زیادی برای خنک کردن این سیستم ها نیاز دارند. به عنوان مثال، مصرف آب مایکروسافت از سال 2021 تا 2022 به دلیل افزایش تقاضای مرتبط با هوش مصنوعی، 34 درصد افزایش خواهد یافت. همچنین برای هر 5 تا 50 درخواست ChatGPT حدود نیم لیتر آب نیاز است.
با این حال، روش هایی مانند رویکرد گوگل به نام “آموزش رقابتی چندوجهی با انتخاب مثال مشترک” (JEST) راه حلی برای کاهش این چالش ها ارائه می دهد. گوگل در تحقیقات خود می گوید که JEST می تواند با بهبود فرآیند انتخاب داده برای آموزش هوش مصنوعی، تعداد تکرارها و قدرت محاسباتی مورد نیاز را به میزان قابل توجهی کاهش دهد. این می تواند مصرف انرژی کلی هوش مصنوعی را کاهش دهد.
فناوری جدید گوگل برای آموزش هوش مصنوعی چگونه کار می کند
روش کار JEST این است که با انتخاب مجموعه ای از داده های مکمل، توانایی یادگیری مدل هوش مصنوعی به حداکثر می رسد. برخلاف روش‌های سنتی که در آن از نمونه‌های جداگانه استفاده می‌شود، این الگوریتم ترکیب کل جمعیت را در نظر می‌گیرد.
به عنوان مثال، تصور کنید که در حال یادگیری چندین زبان هستید. با این تکنیک به جای یادگیری هر زبان به صورت جداگانه (مثلاً به ترتیب سختی)، از ترکیب آنها به گونه ای استفاده می شود که آموزش اثربخشی بیشتری داشته باشد و دانش مربوط به یک زبان به آموزش زبان دیگر کمک کند.
برای دستیابی به این هدف، محققان گوگل از رویکرد “آموزش متخاصم چند متغیره” استفاده کردند که در آن وابستگی بین نقاط داده شناسایی می شود.
اگر این فناوری در مقیاس بزرگ‌تری موفق شود، برای آموزش مدل‌های هوش مصنوعی تنها به مقدار کمی انرژی نیاز دارد. بنابراین، شرکت‌ها و استارت‌آپ‌ها می‌توانند با همان منابعی که در حال حاضر استفاده می‌کنند یا به منابع کمتری برای توسعه مدل‌های جدیدتر نیاز دارند، ابزارهای هوش مصنوعی قدرتمندتری تولید کنند.
منبع خبر: https://digiato.com/artificial-intelligence/new-ai-training-technique-is-drastically-faster-says-google
تحریریه ABS NEWS | ای بی اس نیوز