Самые важные машины нашего поколения в настоящее время строятся, и в следующие десять лет или около того новая технологическая парадигма вступит в силу и, как обычно, оставит некоторые позади. Основным препятствием для этой новой технологии являются расходуемые ресурсы (деньги венчурного капитала), необходимые для обучения, которых нам не хватает, поскольку экономика частично финансируется за счет долга и не может экспериментировать.

К счастью, на индивидуальном уровне у некоторых из нас есть шанс в этой новой отрасли. В этой области ведется множество активных исследований, и их участие должно быть полезным для вас и всей экосистемы в целом.

Вот некоторые затраты на обучение хорошей модели ИИ:

  • Распознавание изображений. Стоимость обучения модели распознавания изображений может варьироваться от 10 000 до 1 миллиона долларов в зависимости от размера набора данных и используемых вычислительных ресурсов.
  • Обработка естественного языка. Стоимость обучения модели обработки естественного языка может варьироваться от 100 000 до 10 миллионов долларов в зависимости от размера набора данных и используемых вычислительных ресурсов.
  • Распознавание речи. Стоимость обучения модели распознавания речи может варьироваться от 1 до 100 миллионов долларов в зависимости от размера набора данных и используемых вычислительных ресурсов.

Примечание. Стоимость указана приблизительно.

Текущая стоимость электроэнергии в Кении за кВтч колеблется близко к ценам ниже [1]:

  • Внутренний (DC): 22,95 шиллинга за первые 30 единиц, 26,10 шиллинга за единицы 31–100 и 33,54 шиллинга за единицы более 100.
  • Малый коммерческий (SC1): 21,59 шиллинга за первые 30 единиц, 24,59 шиллинга за единицы 31–100 и 32,18 шиллинга за единицы более 100.
  • Большой коммерческий (LC): 18,81 шиллинга за первые 30 единиц, 20,02 шиллинга за единицы 31–100 и 28,62 шиллинга за единицы более 100.
  • Промышленный (I): 19,74 шиллинга за первые 30 единиц, 20,95 шиллинга за единицы 31–100 и 29,50 шиллинга за единицы более 100.

Основным сопоставимым показателем для нас в этой гонке являются энергозатраты на тренировку моделей, маленькие и большие модели на данный момент потребляют нагрузки ниже:

Меньшие модели стоят от 36 МВтч до 100 МВтч, в то время как большие модели используют 450 МВтч и более.
Чтобы рассчитать стоимость в шиллингах для заданных нагрузок, нам необходимо определить количество единиц, потребляемых для каждой нагрузки, исходя из ставок тарифа на электроэнергию. .

Дано: Средняя стоимость за кВтч = 29,50 KES.

Таким образом, стоимость грузов составляет:

  • Нагрузка 36 МВтч стоит 1 062 000 KES.
  • Нагрузка 59 МВтч стоит 1 741 500 KES.
  • Нагрузка 450 МВтч стоит 13 305 000 KES.

Если добавить все остальные затраты на оборудование, такие как GPU или TPU, которые просто специализируются на параллельных вычислениях, то стоимость передовых технологий увеличится до миллионов или даже миллиардов долларов[2][3].

Однако есть несколько способов снизить стоимость обучения моделей ИИ. Один из способов — использовать предварительно обученные модели. Предварительно обученные модели — это модели, которые уже были обучены на большом наборе данных. Это означает, что вы можете использовать их в качестве отправной точки для обучения собственной модели, что сэкономит вам много времени и денег.

Поощрения частного сектора

Именно здесь частный сектор должен проложить путь и воспользоваться преимуществами доступных предварительно обученных моделей. Во-первых, частный сектор обладает необходимыми ресурсами, опытом и гибкостью для внедрения инноваций и эффективного внедрения решений ИИ. Частные компании могут инвестировать в исследования и разработки, привлекать лучших специалистов и использовать свое положение на рынке для быстрого масштабирования технологий искусственного интеллекта.

Во-вторых, у частного сектора есть сильный мотив получения прибыли, который может послужить катализатором для внедрения ИИ. Используя искусственный интеллект, предприятия могут получить конкурентное преимущество, оптимизировать свою деятельность и повысить прибыль. Этот финансовый стимул побуждает частные компании инвестировать в технологии искусственного интеллекта, разрабатывать новые приложения и интегрировать их в свои существующие рабочие процессы.

Более того, способность частного сектора экспериментировать и идти на риск делает его идеальным кандидатом на ведущее внедрение ИИ. Внедрение ИИ часто связано с пробами и ошибками, поскольку компаниям необходимо точно настроить алгоритмы, оценить производительность и отработать свои решения. Гибкость частного сектора позволяет быстро создавать прототипы, тестировать и итерировать, обеспечивая более быстрый прогресс в разработке и развертывании ИИ[4].

ИИ моделирует специализацию и этику.

Специализация в области искусственного интеллекта имеет решающее значение для обеспечения этичного и ответственного использования технологии. Системы искусственного интеллекта могут влиять на различные аспекты жизни общества, от занятости до конфиденциальности и безопасности. Имея специализированных специалистов, мы можем лучше контролировать, управлять и регулировать ИИ, чтобы снизить потенциальные риски и обеспечить соблюдение этических стандартов [5].

ИИ требует специализации, чтобы эффективно работать на нас, используя наши данные для нашей выгоды, модели, как правило, имеют компромиссную динамику при рассмотрении экономических, культурных и этических аспектов общества. Модель, подготовленная для выполнения какой-то нишевой функции в сердце Европы, может быть ужасной для нас, поскольку люди, создающие ее, обязательно добавят свои предубеждения и этические ценности, которые хороши для них, но не очень для нас. То же самое справедливо и для моделей, произведенных в США или даже Китае.

Было показано, что некоторые модели имеют очень расистские и сексистские результаты, о которых мы можем сделать вывод на основе использованных данных обучения [6]. Проблемы, с которыми мы столкнулись в последнее десятилетие, когда технологические гиганты неофициально владеют общественными площадями и используют их в качестве инструмента в обход демократического процесса, в будущем будут только усугубляться [7].

Заключение.

хотя существуют серьезные проблемы с точки зрения затрат, энергопотребления и этических соображений, разработка и внедрение моделей ИИ обладают огромным потенциалом для инноваций и прогресса. Содействуя сотрудничеству между отдельными лицами, частным сектором и регулирующими органами, мы можем работать над реализацией преимуществ ИИ, одновременно снижая связанные с ним риски и обеспечивая более инклюзивное и справедливое будущее.

Ссылки.

[1] 02 июня 2023 г., F. 2023 г., 1 июня. За первые девять месяцев пребывания президента Руто у власти стоимость электроэнергии выросла на 67 процентов. Business Daily. https://www.businessdailyafrica.com/bd/economy/electricity-costs-soar-by-67pc-in-president-ruto-s-f-office--4254694.

[2] Открытый ИИ. (2021). ГПТ-3.5. Получено с https://openai.com/

[3] Ли, Ю., Лю, Ю., Цао, К., Ли, З., Цао, З. и Ма, С. (2019). Энергетические и политические соображения для глубокого обучения в мобильных и встроенных устройствах. Доступ IEEE, 7, 108809–108821.

[4] Боскетти, Ф., и Лю, А. (2019). Эпоха ИИ: как компании могут научиться создавать умные машины. Джон Уайли и сыновья.

[5] Флориди, Л., и Коулз, Дж. (2019). Единая структура пяти принципов для ИИ в обществе. Гарвардский обзор науки о данных, 1(1).

[6] Буоламвини, Дж., и Гебру, Т. (2018). Гендерные оттенки: несоответствие точности пересечения в коммерческой гендерной классификации. Материалы 1-й конференции по справедливости, подотчетности и прозрачности, 77–91.

[7] Гиллеспи, Т. (2018). Хранители Интернета: платформы, модерация контента и скрытые решения, формирующие социальные сети. Издательство Йельского университета.