مدیرعامل آنتروپیک: هزینه تعلیم هوش مصنوعی به ۱۰۰ میلیارد دلار خواهد رسید

دوشنبه ۱۸ تیر ۱۴۰۳ - ۲۰:۱۰
مطالعه 2 دقیقه
ربات هوش مصنوعی در گوشی
مدیرعامل آنتروپیک پیش‌بینی کرده است که هزینه‌ی تعلیم هوش مصنوعی در سال‌های آینده به ۱۰ یا حتی ۱۰۰ میلیارد دلار برسد.
تبلیغات

داریو امودی، مدیرعامل استارتاپ آنتروپیک، در مصاحبه با پادکست Good Company گفت تعلیم مدل‌های هوش مصنوعی که امروزه در حال توسعه هستند، ممکن است تا یک‌میلیارد دلار هزینه داشته باشد. مدل‌های فعلی نظیر GPT-4o حدود ۱۰۰ میلیون دلار هزینه دارند؛ با‌این‌حال، امودی انتظار دارد که هزینه‌ی توسعه‌ی مدل‌های جدید تا سه سال دیگر به ۱۰ یا حتی ۱۰۰ میلیارد دلار برسد.

مدیرعامل آنتروپیک گفت: «امروزه مدل‌هایی در حال توسعه هستند که هزینه‌‌شان نزدیک به یک‌‌میلیارد دلار است. فکر می‌کنم که تا سال ۲۰۲۵ یا ۲۰۲۶ یا شاید ۲۰۲۷، مدل‌های ۱۰ یا ۱۰۰ میلیاردی خواهیم داشت و بهبودهای الگوریتمیک و بهبودهای تراشه با سرعت ادامه خواهند یافت. فکر می‌کنم که احتمال دارد تا آن زمان مدل‌هایی داشته باشیم که در اکثر کارها از اکثر انسان‌ها بهتر هستند.»

مصاحبه‌ی داریو امودی روی روند مهاجرت از هوش مصنوعی مولد (نظیر ChatGPT) به هوش جامع مصنوعی یا همان هوش انسان‌گونه متمرکز بود. او گفت قرار نیست که به‌یک‌باره به هوش جامع مصنوعی دست پیدا کنیم؛ بلکه قرار است شاهد پیشرفتی تدریجی باشیم؛ جایی که مدل‌های هوش مصنوعی بر‌پایه‌ی پیشرفت‌های مدل‌های پیشین ساخته می‌شوند؛ چیزی شبیه نحوه‌ی یادگیری کودکان.

براساس پیش‌بینی امودی، اگر مدل‌های هوش مصنوعی هر سال ۱۰ برابر پیشرفت کنند، باید انتظار داشته باشیم که سخت‌افزار موردنیاز برای تعلیم آن‌ها نیز ۱۰ برابر قوی‌تر شود. بدین‌ترتیب، قطعات سخت‌افزاری ممکن است به اصلی‌ترین دلیل افزایش هزینه‌ی تعلیم هوش مصنوعی تبدیل شوند.

در سال ۲۰۲۳، گفته شد ChatGPT به بیش‌ از ۳۰٬۰۰۰ تراشه‌ی گرافیکی نیاز دارد و سم آلتمن، مدیرعامل OpenAI، تأیید کرد که هزینه‌ی توسعه‌ی مدل GPT-4 به ۱۰۰ میلیون دلار می‌رسد.

سال گذشته بیش‌ از ۳٫۸ میلیون تراشه‌ی گرافیکی به دیتاسنترها تحویل داده شدند. با درنظر‌گرفتن اینکه قیمت گرافیک B200 انویدیا به حدود ۳۰٬۰۰۰ تا ۴۰٬۰۰۰ دلار می‌رسد، می‌توانیم پیش‌بینی کنیم که تخمین میلیارد دلاری مدیرعامل آنتروپیک واقعا عملی شود.

اگر پیشرفت هوش مصنوعی و تراشه‌های گرافیکی با سرعت امروزی ادامه یابد، احتمالاً به فناوری‌های جدیدی برای ساخت تراشه‌های بسیار بهینه‌تر نیاز خواهیم داشت.

تبلیغات
داغ‌ترین مطالب روز
تبلیغات

نظرات