Uddannelsesomkostninger for AI-modeller forventes at stige fra $100 millioner til $500 millioner i 2030
Kort sagt
Ifølge en nylig OpenAI rapport, vil omkostningerne ved at træne store AI-modeller stige fra $100 millioner til $500 millioner i 2030.
Behovet for flere data er en af de vigtigste faktorer, der driver omkostningerne ved at træne maskinlæringsmodeller op.
AI-investeringer er stærkt påvirket af omkostningerne ved at træne maskinlæringsmodeller.
En nylig rapport fra OpenAI har fundet ud af, at omkostningerne ved at træne store AI-modeller forventes at stige fra $100 millioner til $500 millioner i 2030. Dette er en svimlende stigning, og det betyder, at kun de rigeste virksomheder og enkeltpersoner vil have råd til at udvikle og bruge AI-teknologier .
Rapporten fandt, at omkostningerne ved at træne en enkelt stor AI-model kan variere fra $3 millioner til $12 millioner. Omkostningerne ved at træne en model på et stort datasæt kan være endnu højere og nå op til $30 millioner.
OpenAI anslår, at omkostningerne ved at træne en model på et stort datasæt vil stige til 500 millioner dollars i 2030. Dette skyldes den stigende størrelse af datasæt, samt behovet for flere regnekraft til at træne større modeller.
I øjeblikket udføres det meste af AI-forskning af store teknologivirksomheder og organisationer, såsom Google, Facebook og Microsoft. Men med de stigende omkostninger ved AI-modeltræning vil kun de rigeste virksomheder og enkeltpersoner sandsynligvis have råd til at udvikle og bruge AI-teknologier i fremtiden.
Dette kan have en række implikationer for den fremtidige udvikling af kunstig intelligens. For det første kan det føre til en koncentration af AI-udvikling i hænderne på nogle få store virksomheder. For det andet kunne det skabe et skel mellem dem, der har råd til at bruge AI-teknologier, og dem, der ikke kan.
De stigende omkostninger ved AI-udvikling kan også have negative konsekvenser for samfundet som helhed. For eksempel kan det føre til udvikling af kunstig intelligens-teknologier, der kun gavner de velhavende, og det kan forværre uligheden. Dette kan sætte samfund i fare.
Det er vigtigt at bemærke, at omkostningerne ved AI-udvikling ikke er den eneste faktor, der bestemmer, hvem der har råd til at bruge AI-teknologier.
I hvis hænder vil AI være om fem år?
Omkostningerne ved at træne maskinlæringsmodeller har været støt stigende. Rapporten med titlen "Tendenser i dollaromkostningerne ved træning af maskinlæringssystemer” blev udgivet af forskere på OpenAI, et forskningslaboratorium for kunstig intelligens. Den analyserede omkostningerne ved at træne forskellige maskinlæringsmodeller i løbet af de sidste fem år og fandt ud af, at omkostningerne er steget med en eksponentiel hastighed.
En af de vigtigste faktorer, der driver omkostningerne ved at træne maskinlæringsmodeller op, er behovet for flere data. Efterhånden som modeller bliver mere komplekse, kræver de flere data for at lære præcist. Dette har ført til et "dataræs", da virksomheder konkurrerer om at indsamle og mærke stadig større datasæt.
Den anden vigtige faktor, der driver omkostningerne ved at træne maskinlæringsmodeller, er behovet for mere computerkraft. Træning af en model kræver enorme mængder processorkraft, og mængden af krævet strøm er steget eksponentielt.
Rapporten forudsiger, at omkostningerne ved at træne en enkelt maskinlæringsmodel vil nå op på 500 millioner dollars i 2030. Dette er en væsentlig stigning fra de nuværende omkostninger på 100 millioner dollars. Men rapporten bemærker også, at fremskridt i GPU'er kan reducere omkostningerne noget, hvilket bringer omkostningerne ned til $200 millioner i begyndelsen af 2030.
Denne tendens har store konsekvenser for kunstig intelligens-industrien. Investeringer i AI afhænger i høj grad af omkostningerne ved at træne maskinlæringsmodeller. Hvis udgifterne til uddannelse fortsætter med at stige i den nuværende takt, vil det blive stadig sværere for virksomheder for at retfærdiggøre investering i kunstig intelligens.
AI-investeringer er afhængige af denne pris afhængigt af forholdet mellem udgifter til udvikling og træning af AI og indtægter fra AI-systemer. Hvem har så råd til de ovenfor angivne uddannelsesudgifter? Vektoren af AI vækst bliver så tydelig i dens orientering.
Læs mere om AI:
Ansvarsfraskrivelse
I tråd med den Trust Project retningslinjer, bemærk venligst, at oplysningerne på denne side ikke er beregnet til at være og ikke skal fortolkes som juridiske, skattemæssige, investeringsmæssige, finansielle eller nogen anden form for rådgivning. Det er vigtigt kun at investere, hvad du har råd til at tabe, og at søge uafhængig finansiel rådgivning, hvis du er i tvivl. For yderligere information foreslår vi at henvise til vilkårene og betingelserne samt hjælpe- og supportsiderne fra udstederen eller annoncøren. MetaversePost er forpligtet til nøjagtig, objektiv rapportering, men markedsforholdene kan ændres uden varsel.
Om forfatteren
Damir er teamleder, produktchef og redaktør på Metaverse Post, der dækker emner som AI/ML, AGI, LLM'er, Metaverse og Web3-relaterede felter. Hans artikler tiltrækker et massivt publikum på over en million brugere hver måned. Han ser ud til at være en ekspert med 10 års erfaring i SEO og digital markedsføring. Damir er blevet nævnt i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto og andre publikationer. Han rejser mellem UAE, Tyrkiet, Rusland og SNG som en digital nomade. Damir tog en bachelorgrad i fysik, som han mener har givet ham de kritiske tænkningskompetencer, der er nødvendige for at få succes i internettets evigt skiftende landskab.
Flere artikler
Damir er teamleder, produktchef og redaktør på Metaverse Post, der dækker emner som AI/ML, AGI, LLM'er, Metaverse og Web3-relaterede felter. Hans artikler tiltrækker et massivt publikum på over en million brugere hver måned. Han ser ud til at være en ekspert med 10 års erfaring i SEO og digital markedsføring. Damir er blevet nævnt i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto og andre publikationer. Han rejser mellem UAE, Tyrkiet, Rusland og SNG som en digital nomade. Damir tog en bachelorgrad i fysik, som han mener har givet ham de kritiske tænkningskompetencer, der er nødvendige for at få succes i internettets evigt skiftende landskab.
