AI-modellutbildningskostnaderna förväntas stiga från 100 miljoner dollar till 500 miljoner dollar fram till 2030
I korthet
Enligt en färsk OpenAI rapport kommer kostnaden för att träna stora AI-modeller att stiga från 100 miljoner dollar till 500 miljoner dollar år 2030.
Behovet av mer data är en av de viktigaste faktorerna som driver upp kostnaden för att träna maskininlärningsmodeller.
AI-investeringar påverkas kraftigt av kostnaden för att träna maskininlärningsmodeller.
En ny rapport från OpenAI har funnit att kostnaden för att träna stora AI-modeller förväntas stiga från 100 miljoner dollar till 500 miljoner dollar år 2030. Detta är en svindlande ökning, och det betyder att endast de rikaste företagen och individerna kommer att ha råd att utveckla och använda AI-tekniker .
| Relaterade inlägg: Shutterstock belönar artister som bidrar till generativa AI-modeller |
Rapporten fann att kostnaden för att träna en enda stor AI-modell kan variera från $3 miljoner till $12 miljoner. Kostnaden för att träna en modell på en stor datamängd kan bli ännu högre och nå upp till 30 miljoner dollar.
OpenAI uppskattar att kostnaden för att träna en modell på en stor datamängd kommer att öka till 500 miljoner dollar till 2030. Detta beror på den ökande storleken på datamängder, samt behovet av fler datorkraft för att träna större modeller.
För närvarande utförs den mesta AI-forskningen av stora teknikföretag och organisationer, som Google, Facebook och Microsoft. Men med de stigande kostnaderna för AI-modellutbildning kommer troligen bara de rikaste företagen och individerna att ha råd att utveckla och använda AI-teknik i framtiden.
Detta kan få ett antal konsekvenser för den framtida utvecklingen av AI. För det första kan det leda till en koncentration av AI-utveckling i händerna på några få stora företag. För det andra kan det skapa en klyfta mellan de som har råd att använda AI-teknik och de som inte kan.
De stigande kostnaderna för AI-utveckling kan också få negativa konsekvenser för samhället som helhet. Det kan till exempel leda till utvecklingen av AI-teknik som bara gynnar de rika, och det kan förvärra ojämlikheten. Detta kan sätta samhället i riskzonen.
Det är viktigt att notera att kostnaden för AI-utveckling inte är den enda faktorn som avgör vem som har råd att använda AI-teknik.
| Relaterade inlägg: Columbia University: AI kommer att kunna tänka under de kommande två åren |
I vems händer kommer AI att vara om fem år?
Kostnaden för att träna maskininlärningsmodeller har stadigt stigit. Rapporten, med titeln "Trender i dollarkostnaden för utbildning av maskininlärningssystem”, publicerades av forskare på OpenAI, ett forskningslabb för artificiell intelligens. Den analyserade kostnaden för att träna olika maskininlärningsmodeller under de senaste fem åren och fann att kostnaden har ökat i en exponentiell takt.
En av de viktigaste faktorerna som driver upp kostnaden för att träna maskininlärningsmodeller är behovet av mer data. När modellerna blir mer komplexa kräver de mer data för att lära sig exakt. Detta har lett till en "datarace" när företag tävlar om att samla in och märka allt större datamängder.
Den andra viktiga faktorn som driver kostnaden för att träna maskininlärningsmodeller är behovet av mer beräkningskraft. Att träna en modell kräver enorma mängder processorkraft, och mängden ström som krävs har ökat exponentiellt.
Rapporten förutspår att kostnaden för att träna en enskild maskininlärningsmodell kommer att nå 500 miljoner dollar år 2030. Detta är en betydande ökning från den nuvarande kostnaden på 100 miljoner dollar. Men rapporten noterar också att framsteg inom GPU:er kan minska kostnaderna något, vilket kan sänka kostnaden till 200 miljoner dollar i början av 2030.
Denna trend har stora konsekvenser för AI-branschen. Investeringar i AI är mycket beroende av kostnaden för att träna maskininlärningsmodeller. Om utbildningskostnaderna fortsätter att stiga i nuvarande takt kommer det att bli allt svårare för företag för att motivera investeringar i AI.
AI-investeringar är beroende av detta pris beroende på förhållandet mellan kostnader för utveckling och utbildning av AI och intäkter från AI-system. Vem har då råd med de utbildningskostnader som anges ovan? Vektorn av AI-tillväxt blir då tydlig i dess orientering.
Läs mer om AI:
Villkor
I linje med den Riktlinjer för Trust Project, vänligen notera att informationen på den här sidan inte är avsedd att vara och inte ska tolkas som juridisk, skattemässig, investerings-, finansiell eller någon annan form av rådgivning. Det är viktigt att bara investera det du har råd att förlora och att söka oberoende finansiell rådgivning om du har några tvivel. För ytterligare information föreslår vi att du hänvisar till villkoren samt hjälp- och supportsidorna som tillhandahålls av utfärdaren eller annonsören. MetaversePost är engagerad i korrekt, opartisk rapportering, men marknadsförhållandena kan ändras utan föregående meddelande.
Om författaren
Damir är teamledare, produktchef och redaktör på Metaverse Post, som täcker ämnen som AI/ML, AGI, LLMs, Metaverse och Web3-relaterade områden. Hans artiklar lockar en massiv publik på över en miljon användare varje månad. Han verkar vara en expert med 10 års erfarenhet av SEO och digital marknadsföring. Damir har nämnts i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto och andra publikationer. Han reser mellan Förenade Arabemiraten, Turkiet, Ryssland och OSS som en digital nomad. Damir tog en kandidatexamen i fysik, som han tror har gett honom de kritiska tänkande färdigheter som behövs för att bli framgångsrik i det ständigt föränderliga landskapet på internet.
fler artiklar
Damir är teamledare, produktchef och redaktör på Metaverse Post, som täcker ämnen som AI/ML, AGI, LLMs, Metaverse och Web3-relaterade områden. Hans artiklar lockar en massiv publik på över en miljon användare varje månad. Han verkar vara en expert med 10 års erfarenhet av SEO och digital marknadsföring. Damir har nämnts i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto och andra publikationer. Han reser mellan Förenade Arabemiraten, Turkiet, Ryssland och OSS som en digital nomad. Damir tog en kandidatexamen i fysik, som han tror har gett honom de kritiska tänkande färdigheter som behövs för att bli framgångsrik i det ständigt föränderliga landskapet på internet.
