2023年10月12日金融快讯Market Briefing
谷歌(GOOG)的人工智慧部门近几个月提交了一项专利申请，该系统在人工智慧训练过程中在模型大小和训练资料之间分配计算资源。从本质上讲，DeepMind 的工具可以帮助开发人员预算电力和培训资源。
它的工作原理如下：首先，该系统会获得一个“计算预算”，即用户在训练人工智慧模型来完成特定任务时愿意消耗的资源量。然后，系统会经历一个称为分配映射的过程，本质上是在训练模型时将某些资源分配给不同的任务。文件指出，该映射透过测量不同条件下模型的预测性能来考虑不同的试验分配。
因此，该系统会输出两个关键资讯：在给定预算下您的模型可以有多大，以及实现它需要多少训练资料。此系统给出的目标模型大小可以指导决策，例如使用多少参数，或建立神经网路的层数或神经元数量。 DeepMind 的方法最后是根据系统参数实例」机器学习模型，这只是测试它的工作效果。 该公司指出，该系统预计将“优化机器学习模型在机器学习任务上的性能”，因为它只占用其确切需要的培训资源。
微软和英特尔等科技公司一直在寻找人工智慧耗能问题的答案。 DeepMind 的母公司Google也一直在寻找一种扩散模型的专利，以提高准确性并减少计算资源的消耗。
但根据阿姆斯特丹自由大学商业与经济学院博士生分析，到2027 年，用于人工智慧开发的伺服器每年可能会消耗85 至134 太瓦时，即0.5占全球年度能源使用量的百分比，与几个国家持平。人工智慧资料中心消耗的能源如此之多，以至于公用事业公司正在背弃绿色能源承诺来满足需求。
谷歌花费了大量的精力，无论是字面上的还是像征意义上的跻身人工智慧领域的顶尖企业之列。该公司不断申请与人工智慧相关的专利，将人工智慧整合到其工作空间套件中，向Anthropic和Hugging Face等新创公司投入资金，并与晶片巨头Nvidia合作。
但如此规模的建设是有代价的。人工智慧训练引擎ThirdAI的产品主管表示，虽然这项技术不会减缓谷歌或DeepMind 人工智慧开发的步伐，但它肯定有助于减少过度消耗。该系统对于像谷歌这样同时建立和训练大量模型的大型组织特别有帮助。人工智慧开发的真正问题在于用于开发人工智慧的GPU，它比CPU 等其他硬体消耗一个数量级的能量。
在如此动荡的金融市场中，你会选择怎样投资？
一起深入了解资深投资者的美股交易策略。在投入股市之前，多认识美股市场，才可提高投资回报率。关注狂呼“个股分析”栏目，紧密跟踪美股走势，寻找更多投资机会。
点击此处了解更多
