2023年10月12日金融快訊Market Briefing
谷歌 (GOOG) 的人工智慧部門近幾個月提交了一項專利申請，該系統在人工智慧訓練過程中在模型大小和訓練資料之間分配計算資源。從本質上講，DeepMind 的工具可以幫助開發人員預算電力和培訓資源。
它的工作原理如下：首先，該系統會獲得一個“計算預算”，即用戶在訓練人工智慧模型來完成特定任務時願意消耗的資源量。然後，系統會經歷一個稱為分配映射的過程，本質上是在訓練模型時將某些資源分配給不同的任務。文件指出，該映射透過測量不同條件下模型的預測性能來考慮不同的試驗分配。
因此，該系統會輸出兩個關鍵資訊：在給定預算下您的模型可以有多大，以及實現它需要多少訓練資料。此系統給出的目標模型大小可以指導決策，例如使用多少參數，或建立神經網路的層數或神經元數量。DeepMind 的方法最後是根據系統參數實例」機器學習模型，這只是測試它的工作效果。 該公司指出，該系統預計將“優化機器學習模型在機器學習任務上的性能”，因為它只佔用其確切需要的培訓資源。
微軟和英特爾等科技公司一直在尋找人工智慧耗能問題的答案。DeepMind 的母公司Google也一直在尋找一種擴散模型的專利，以提高準確性並減少計算資源的消耗。
但根據阿姆斯特丹自由大學商業與經濟學院博士生分析，到2027 年，用於人工智慧開發的伺服器每年可能會消耗85 至134 太瓦時，即0.5佔全球年度能源使用量的百分比，與幾個國家持平。人工智慧資料中心消耗的能源如此之多，以至於公用事業公司正在背棄綠色能源承諾來滿足需求。
谷歌花費了大量的精力，無論是字面上的還是像徵意義上的躋身人工智慧領域的頂尖企業之列。該公司不斷申請與人工智慧相關的專利，將人工智慧整合到其工作空間套件中，向Anthropic和Hugging Face等新創公司投入資金，並與晶片巨頭 Nvidia合作。
但如此規模的建設是有代價的。人工智慧訓練引擎ThirdAI的產品主管表示，雖然這項技術不會減緩谷歌或 DeepMind 人工智慧開發的步伐，但它肯定有助於減少過度消耗。該系統對於像谷歌這樣同時建立和訓練大量模型的大型組織特別有幫助。人工智慧開發的真正問題在於用於開發人工智慧的 GPU，它比 CPU 等其他硬體消耗一個數量級的能量。
在如此動蕩的金融市場中，你會選擇怎樣投資？
一起深入了解資深投資者的美股交易策略。在投入股市之前，多認識美股市場，才可提高投資回報率。關注狂呼“個股分析”欄目，緊密跟蹤美股走勢，尋找更多投資機會。
點擊此處了解更多
