成人小说亚洲一区二区三区,亚洲国产精品一区二区三区,国产精品成人精品久久久,久久综合一区二区三区,精品无码av一区二区,国产一级a毛一级a看免费视频,欧洲uv免费在线区一二区,亚洲国产欧美中日韩成人综合视频,国产熟女一区二区三区五月婷小说,亚洲一区波多野结衣在线

首頁 500強(qiáng) 活動 榜單 商業(yè) 科技 領(lǐng)導(dǎo)力 專題 品牌中心
雜志訂閱

人工智能淘金熱陷入“瓶頸”,可能給谷歌和Meta帶來災(zāi)難

一項最新研究發(fā)現(xiàn),在不久的將來,人工智能發(fā)展“瓶頸”可能會給山姆·阿爾特曼的OPENAI造成傷害。

文本設(shè)置
小號
默認(rèn)
大號
Plus(0條)

ChatGPT等人工智能系統(tǒng)可能很快就要耗盡讓它們變得更加智能的資源——人們在網(wǎng)絡(luò)上編寫和分享的數(shù)十萬億詞匯。

研究機(jī)構(gòu)Epoch AI在上周四發(fā)布的一項最新研究預(yù)測,大約到這個十年之交,即2026年到2032年之間,科技公司將耗盡人工智能語言模型所需的公開訓(xùn)練數(shù)據(jù)。

該研究報告的作者塔馬伊·貝西羅格盧將其與耗盡有限自然資源的 “淘金熱”進(jìn)行比較。他表示,一旦人工智能領(lǐng)域耗盡了人類創(chuàng)造的文字儲備,保持目前的發(fā)展速度可能會面臨挑戰(zhàn)。

在短期內(nèi),ChatGPT的開發(fā)者OpenAI和谷歌(Google)等科技公司正在競相獲取高質(zhì)量的數(shù)據(jù)源,有時甚至為這些數(shù)據(jù)付費,用來訓(xùn)練它們的人工智能大語言模型,例如,通過簽署協(xié)議來獲取Reddit論壇和新聞媒體上源源不斷的語句。

從長遠(yuǎn)來看,不會有足夠多的新博客、新聞報道和社交媒體評論來維持當(dāng)前的人工智能發(fā)展軌跡,這將給公司帶來壓力,迫使它們利用現(xiàn)在被視為隱私的敏感數(shù)據(jù)(如電子郵件或短信),或者依靠聊天機(jī)器人自己輸出的可靠性較低的“合成數(shù)據(jù)”。

貝西羅格盧表示:“這方面存在一個嚴(yán)重的瓶頸。如果可用的數(shù)據(jù)量受到限制,你就無法再高效擴(kuò)展你的模型。而擴(kuò)展模型規(guī)??赡苁窃鰪?qiáng)模型能力和提高輸出質(zhì)量的最重要方式?!?/p>

兩至八年低谷期

兩年前,也就是ChatGPT首次亮相前不久,研究人員在一篇工作論文中首次提出了他們的預(yù)測,認(rèn)為高質(zhì)量文本數(shù)據(jù)在2026年就會枯竭。在那之后,許多事情發(fā)生了變化,包括新技術(shù)讓人工智能研究人員能夠更好地利用已有數(shù)據(jù),有時還能對同一數(shù)據(jù)源進(jìn)行多次“過度訓(xùn)練”。

但這是有限度的,經(jīng)過進(jìn)一步研究,Epoch現(xiàn)在預(yù)計在未來兩到八年的某個時候,公共文本數(shù)據(jù)將會耗盡。

該團(tuán)隊的最新研究已通過同行評審,并將在今年夏天于奧地利維也納舉行的國際機(jī)器學(xué)習(xí)大會(International Conference on Machine Learning)上發(fā)表。Epoch是一家非營利性研究機(jī)構(gòu),由總部位于舊金山的Rethink Priorities主辦,并由“有效利他主義”的支持者提供資金。有效利他主義是一種慈善運動,已投入大量資金減少人工智能最嚴(yán)重的風(fēng)險。

貝西羅格盧表示,人工智能研究人員早在十多年前就意識到,積極擴(kuò)展兩個關(guān)鍵要素——算力和海量互聯(lián)網(wǎng)數(shù)據(jù),可以顯著提高人工智能系統(tǒng)的性能。

Epoch的研究顯示,輸入人工智能語言模型的文本數(shù)據(jù)量每年增長約2.5倍,而計算能力每年增長約4倍。Facebook母公司Meta Platforms最近聲稱,他們即將推出的Llama 3模型(尚未發(fā)布)的最大版本已經(jīng)在多達(dá)15萬億個詞塊上進(jìn)行了訓(xùn)練,每個詞塊可以代表一個詞匯的一個片段。

但是,擔(dān)心數(shù)據(jù)瓶頸到底有多大的價值還值得商榷。

多倫多大學(xué)(University of Toronto)計算機(jī)工程系助理教授、非營利組織人工智能矢量研究所(Vector Institute for Artificial Intelligence)的研究員尼古拉斯·帕珀諾特表示:“我認(rèn)為,重要的是要記住,我們并不一定需要訓(xùn)練越來越大的模型。”

“再復(fù)印復(fù)印件”

帕珀諾特沒有參與Epoch的研究。他表示,還可以通過對特定任務(wù)更加專業(yè)的訓(xùn)練模型,創(chuàng)建更熟練的人工智能系統(tǒng)。但他擔(dān)心的是,生成式人工智能系統(tǒng)使用其自身輸出的結(jié)果進(jìn)行訓(xùn)練,會導(dǎo)致系統(tǒng)性能下降,即所謂的“模型坍塌”。

帕珀諾特表示,使用人工智能生成的數(shù)據(jù)進(jìn)行訓(xùn)練“就像你復(fù)印一張紙,然后再復(fù)印復(fù)印件。你會丟失一些信息?!辈粌H如此,帕珀諾特的研究還發(fā)現(xiàn),這樣做會把信息生態(tài)系統(tǒng)中現(xiàn)存的錯誤、偏見和不公平進(jìn)一步編碼。

如果真正由人類創(chuàng)造的語句依舊是一種重要的人工智能數(shù)據(jù)源,那么最受青睞的信息庫的管理者,如Reddit和維基百科(Wikipedia)等網(wǎng)站,以及新聞和圖書出版商等,就必須認(rèn)真思考該如何使用這些數(shù)據(jù)。

維基百科運營方維基媒體基金會(Wikimedia Foundation)的首席產(chǎn)品和技術(shù)官塞琳娜·德克爾曼開玩笑說:“也許你不必追求完美?,F(xiàn)在,我們正在就人類創(chuàng)建的數(shù)據(jù)進(jìn)行與自然資源類似的對話,這是一個有趣的問題。我不應(yīng)該嘲笑它,但我確實覺得有點不可思議?!?/p>

雖然有些機(jī)構(gòu)往往在數(shù)據(jù)被無償使用后,才試圖阻止他們的數(shù)據(jù)被用于訓(xùn)練人工智能,,但維基百科對于人工智能公司如何使用志愿者撰寫的詞條,幾乎沒有任何限制。盡管如此,德克爾曼表示,她希望能鼓勵人們繼續(xù)貢獻(xiàn)詞條,尤其是在大量廉價的自動生成的“垃圾內(nèi)容”開始污染互聯(lián)網(wǎng)的時候。

她表示,人工智能公司應(yīng)該“關(guān)注人類生成的內(nèi)容如何繼續(xù)存在并且可以繼續(xù)訪問”。

從人工智能開發(fā)者的角度來看,Epoch的研究稱,向數(shù)百萬人付費生成人工智能模型所需的文本,“不太可能是一種經(jīng)濟(jì)的方式”來提高技術(shù)性能。

隨著OpenAI 開始訓(xùn)練其下一代GPT大語言模型,其CEO山姆·阿爾特曼在上個月的一次聯(lián)合國活動上表示,OpenAI已經(jīng)嘗試過“生成大量合成數(shù)據(jù)”進(jìn)行訓(xùn)練。

阿爾特曼表示:“我認(rèn)為你需要的是高質(zhì)量的數(shù)據(jù)。有低質(zhì)量的合成數(shù)據(jù)。也有低質(zhì)量的人類數(shù)據(jù)?!钡珜τ谶^度依賴合成數(shù)據(jù)而非其他技術(shù)方法來改進(jìn)人工智能模型的做法,他也持保留意見。

阿爾特曼表示:“如果訓(xùn)練模型的最佳方法只是生成千萬億詞塊的合成數(shù)據(jù)并將其反饋到模型,那就太奇怪了。從某種程度上來說,這似乎效率不高?!保ㄘ敻恢形木W(wǎng))

翻譯:劉進(jìn)龍

審校:汪皓

ChatGPT等人工智能系統(tǒng)可能很快就要耗盡讓它們變得更加智能的資源——人們在網(wǎng)絡(luò)上編寫和分享的數(shù)十萬億詞匯。

研究機(jī)構(gòu)Epoch AI在上周四發(fā)布的一項最新研究預(yù)測,大約到這個十年之交,即2026年到2032年之間,科技公司將耗盡人工智能語言模型所需的公開訓(xùn)練數(shù)據(jù)。

該研究報告的作者塔馬伊·貝西羅格盧將其與耗盡有限自然資源的 “淘金熱”進(jìn)行比較。他表示,一旦人工智能領(lǐng)域耗盡了人類創(chuàng)造的文字儲備,保持目前的發(fā)展速度可能會面臨挑戰(zhàn)。

在短期內(nèi),ChatGPT的開發(fā)者OpenAI和谷歌(Google)等科技公司正在競相獲取高質(zhì)量的數(shù)據(jù)源,有時甚至為這些數(shù)據(jù)付費,用來訓(xùn)練它們的人工智能大語言模型,例如,通過簽署協(xié)議來獲取Reddit論壇和新聞媒體上源源不斷的語句。

從長遠(yuǎn)來看,不會有足夠多的新博客、新聞報道和社交媒體評論來維持當(dāng)前的人工智能發(fā)展軌跡,這將給公司帶來壓力,迫使它們利用現(xiàn)在被視為隱私的敏感數(shù)據(jù)(如電子郵件或短信),或者依靠聊天機(jī)器人自己輸出的可靠性較低的“合成數(shù)據(jù)”。

貝西羅格盧表示:“這方面存在一個嚴(yán)重的瓶頸。如果可用的數(shù)據(jù)量受到限制,你就無法再高效擴(kuò)展你的模型。而擴(kuò)展模型規(guī)??赡苁窃鰪?qiáng)模型能力和提高輸出質(zhì)量的最重要方式。”

兩至八年低谷期

兩年前,也就是ChatGPT首次亮相前不久,研究人員在一篇工作論文中首次提出了他們的預(yù)測,認(rèn)為高質(zhì)量文本數(shù)據(jù)在2026年就會枯竭。在那之后,許多事情發(fā)生了變化,包括新技術(shù)讓人工智能研究人員能夠更好地利用已有數(shù)據(jù),有時還能對同一數(shù)據(jù)源進(jìn)行多次“過度訓(xùn)練”。

但這是有限度的,經(jīng)過進(jìn)一步研究,Epoch現(xiàn)在預(yù)計在未來兩到八年的某個時候,公共文本數(shù)據(jù)將會耗盡。

該團(tuán)隊的最新研究已通過同行評審,并將在今年夏天于奧地利維也納舉行的國際機(jī)器學(xué)習(xí)大會(International Conference on Machine Learning)上發(fā)表。Epoch是一家非營利性研究機(jī)構(gòu),由總部位于舊金山的Rethink Priorities主辦,并由“有效利他主義”的支持者提供資金。有效利他主義是一種慈善運動,已投入大量資金減少人工智能最嚴(yán)重的風(fēng)險。

貝西羅格盧表示,人工智能研究人員早在十多年前就意識到,積極擴(kuò)展兩個關(guān)鍵要素——算力和海量互聯(lián)網(wǎng)數(shù)據(jù),可以顯著提高人工智能系統(tǒng)的性能。

Epoch的研究顯示,輸入人工智能語言模型的文本數(shù)據(jù)量每年增長約2.5倍,而計算能力每年增長約4倍。Facebook母公司Meta Platforms最近聲稱,他們即將推出的Llama 3模型(尚未發(fā)布)的最大版本已經(jīng)在多達(dá)15萬億個詞塊上進(jìn)行了訓(xùn)練,每個詞塊可以代表一個詞匯的一個片段。

但是,擔(dān)心數(shù)據(jù)瓶頸到底有多大的價值還值得商榷。

多倫多大學(xué)(University of Toronto)計算機(jī)工程系助理教授、非營利組織人工智能矢量研究所(Vector Institute for Artificial Intelligence)的研究員尼古拉斯·帕珀諾特表示:“我認(rèn)為,重要的是要記住,我們并不一定需要訓(xùn)練越來越大的模型?!?/p>

“再復(fù)印復(fù)印件”

帕珀諾特沒有參與Epoch的研究。他表示,還可以通過對特定任務(wù)更加專業(yè)的訓(xùn)練模型,創(chuàng)建更熟練的人工智能系統(tǒng)。但他擔(dān)心的是,生成式人工智能系統(tǒng)使用其自身輸出的結(jié)果進(jìn)行訓(xùn)練,會導(dǎo)致系統(tǒng)性能下降,即所謂的“模型坍塌”。

帕珀諾特表示,使用人工智能生成的數(shù)據(jù)進(jìn)行訓(xùn)練“就像你復(fù)印一張紙,然后再復(fù)印復(fù)印件。你會丟失一些信息。”不僅如此,帕珀諾特的研究還發(fā)現(xiàn),這樣做會把信息生態(tài)系統(tǒng)中現(xiàn)存的錯誤、偏見和不公平進(jìn)一步編碼。

如果真正由人類創(chuàng)造的語句依舊是一種重要的人工智能數(shù)據(jù)源,那么最受青睞的信息庫的管理者,如Reddit和維基百科(Wikipedia)等網(wǎng)站,以及新聞和圖書出版商等,就必須認(rèn)真思考該如何使用這些數(shù)據(jù)。

維基百科運營方維基媒體基金會(Wikimedia Foundation)的首席產(chǎn)品和技術(shù)官塞琳娜·德克爾曼開玩笑說:“也許你不必追求完美?,F(xiàn)在,我們正在就人類創(chuàng)建的數(shù)據(jù)進(jìn)行與自然資源類似的對話,這是一個有趣的問題。我不應(yīng)該嘲笑它,但我確實覺得有點不可思議?!?/p>

雖然有些機(jī)構(gòu)往往在數(shù)據(jù)被無償使用后,才試圖阻止他們的數(shù)據(jù)被用于訓(xùn)練人工智能,,但維基百科對于人工智能公司如何使用志愿者撰寫的詞條,幾乎沒有任何限制。盡管如此,德克爾曼表示,她希望能鼓勵人們繼續(xù)貢獻(xiàn)詞條,尤其是在大量廉價的自動生成的“垃圾內(nèi)容”開始污染互聯(lián)網(wǎng)的時候。

她表示,人工智能公司應(yīng)該“關(guān)注人類生成的內(nèi)容如何繼續(xù)存在并且可以繼續(xù)訪問”。

從人工智能開發(fā)者的角度來看,Epoch的研究稱,向數(shù)百萬人付費生成人工智能模型所需的文本,“不太可能是一種經(jīng)濟(jì)的方式”來提高技術(shù)性能。

隨著OpenAI 開始訓(xùn)練其下一代GPT大語言模型,其CEO山姆·阿爾特曼在上個月的一次聯(lián)合國活動上表示,OpenAI已經(jīng)嘗試過“生成大量合成數(shù)據(jù)”進(jìn)行訓(xùn)練。

阿爾特曼表示:“我認(rèn)為你需要的是高質(zhì)量的數(shù)據(jù)。有低質(zhì)量的合成數(shù)據(jù)。也有低質(zhì)量的人類數(shù)據(jù)?!钡珜τ谶^度依賴合成數(shù)據(jù)而非其他技術(shù)方法來改進(jìn)人工智能模型的做法,他也持保留意見。

阿爾特曼表示:“如果訓(xùn)練模型的最佳方法只是生成千萬億詞塊的合成數(shù)據(jù)并將其反饋到模型,那就太奇怪了。從某種程度上來說,這似乎效率不高?!保ㄘ敻恢形木W(wǎng))

翻譯:劉進(jìn)龍

審校:汪皓

Artificial intelligence systems like ChatGPT could soon run out of what keeps making them smarter—the tens of trillions of words people have written and shared online.

A new study released Thursday by research group Epoch AI projects that tech companies will exhaust the supply of publicly available training data for AI language models by roughly the turn of the decade—sometime between 2026 and 2032.

Comparing it to a “l(fā)iteral gold rush” that depletes finite natural resources, Tamay Besiroglu, an author of the study, said the AI field might face challenges in maintaining its current pace of progress once it drains the reserves of human-generated writing.

In the short term, tech companies like ChatGPT-maker OpenAI and Google are racing to secure and sometimes pay for high-quality data sources to train their AI large language models–for instance, by signing deals to tap into the steady flow of sentences coming out of Reddit forums and news media outlets.

In the longer term, there won’t be enough new blogs, news articles and social media commentary to sustain the current trajectory of AI development, putting pressure on companies to tap into sensitive data now considered private—such as emails or text messages—or relying on less-reliable “synthetic data” spit out by the chatbots themselves.

“There is a serious bottleneck here,” Besiroglu said. “If you start hitting those constraints about how much data you have, then you can’t really scale up your models efficiently anymore. And scaling up models has been probably the most important way of expanding their capabilities and improving the quality of their output.”

A 2- to 8-year cliff

The researchers first made their projections two years ago—shortly before ChatGPT’s debut—in a working paper that forecast a more imminent 2026 cutoff of high-quality text data. Much has changed since then, including new techniques that enabled AI researchers to make better use of the data they already have and sometimes “overtrain” on the same sources multiple times.

But there are limits, and after further research, Epoch now foresees running out of public text data sometime in the next two to eight years.

The team’s latest study is peer-reviewed and due to be presented at this summer’s International Conference on Machine Learning in Vienna, Austria. Epoch is a nonprofit institute hosted by San Francisco-based Rethink Priorities and funded by proponents of effective altruism—a philanthropic movement that has poured money into mitigating AI’s worst-case risks.

Besiroglu said AI researchers realized more than a decade ago that aggressively expanding two key ingredients—computing power and vast stores of internet data—could significantly improve the performance of AI systems.

The amount of text data fed into AI language models has been growing about 2.5 times per year, while computing has grown about 4 times per year, according to the Epoch study. Facebook parent company Meta Platforms recently claimed the largest version of their upcoming Llama 3 model—which has not yet been released—has been trained on up to 15 trillion tokens, each of which can represent a piece of a word.

But how much it’s worth worrying about the data bottleneck is debatable.

“I think it’s important to keep in mind that we don’t necessarily need to train larger and larger models,” said Nicolas Papernot, an assistant professor of computer engineering at the University of Toronto and researcher at the nonprofit Vector Institute for Artificial Intelligence.

‘You photocopy the photocopy’

Papernot, who was not involved in the Epoch study, said building more skilled AI systems can also come from training models that are more specialized for specific tasks. But he has concerns about training generative AI systems on the same outputs they’re producing, leading to degraded performance known as “model collapse.”

Training on AI-generated data is “l(fā)ike what happens when you photocopy a piece of paper and then you photocopy the photocopy. You lose some of the information,” Papernot said. Not only that, but Papernot’s research has also found it can further encode the mistakes, bias and unfairness that’s already baked into the information ecosystem.

If real human-crafted sentences remain a critical AI data source, those who are stewards of the most sought-after troves—websites like Reddit and Wikipedia, as well as news and book publishers—have been forced to think hard about how they’re being used.

“Maybe you don’t lop off the tops of every mountain,” jokes Selena Deckelmann, chief product and technology officer at the Wikimedia Foundation, which runs Wikipedia. “It’s an interesting problem right now that we’re having natural resource conversations about human-created data. I shouldn’t laugh about it, but I do find it kind of amazing.”

While some have sought to close off their data from AI training—often after it’s already been taken without compensation—Wikipedia has placed few restrictions on how AI companies use its volunteer-written entries. Still, Deckelmann said she hopes there continue to be incentives for people to keep contributing, especially as a flood of cheap and automatically generated “garbage content” starts polluting the internet.

AI companies should be “concerned about how human-generated content continues to exist and continues to be accessible,” she said.

From the perspective of AI developers, Epoch’s study says paying millions of humans to generate the text that AI models will need “is unlikely to be an economical way” to drive better technical performance.

As OpenAI begins work on training the next generation of its GPT large language models, CEO Sam Altman told the audience at a United Nations event last month that the company has already experimented with “generating lots of synthetic data” for training.

“I think what you need is high-quality data. There is low-quality synthetic data. There’s low-quality human data,” Altman said. But he also expressed reservations about relying too heavily on synthetic data over other technical methods to improve AI models.

“There’d be something very strange if the best way to train a model was to just generate, like, a quadrillion tokens of synthetic data and feed that back in,” Altman said. “Somehow that seems inefficient.”

財富中文網(wǎng)所刊載內(nèi)容之知識產(chǎn)權(quán)為財富媒體知識產(chǎn)權(quán)有限公司及/或相關(guān)權(quán)利人專屬所有或持有。未經(jīng)許可,禁止進(jìn)行轉(zhuǎn)載、摘編、復(fù)制及建立鏡像等任何使用。
0條Plus
精彩評論
評論

撰寫或查看更多評論

請打開財富Plus APP

前往打開
熱讀文章
色鬼久久久777| 国产麻豆精品一区二区三区| 日韩麻豆国产精品欧美| 免费毛片手机在线播放| 在厨房拨开内裤进入毛片| 国内精品久久久久久99蜜桃| 人人狠狠综合88综合久久| 亚洲av永久无码精品秋霞电影影院| 中文字幕AV中文字无码亚| 国产精品久久久久精品香蕉| 国产精品麻豆成人AV| 国产午夜精品理论在线观看| 国产精品女同一区二区| 久久久久久国产精品免费免费男同| 国产最爽的乱婬视频国语对白| 在线看片无码免费人成视频| 久久精品国产福利一区二区| 91自慰喷水流白浆免费观看| 中文字幕女人妻热女人妻| 国产黑人在线播放| 国内一级片在线观看| 国产女人18毛片水真多| 精品久久人人爽人人玩人人妻| 亚洲∧v久久久无码精品小说| 久久精品国产99久久久古代| 国产AV无码专区亚洲精品| 久久黄色网站视频免费播| 精品亚洲AV无码一区二区| 嫩草嫩草嫩草久久水拉丝了| 午夜激情影院国产| 国产最爽的乱婬视频国语对白| 91久久精品无码一区二区| 天天精品色综合视频一区二区三区44| 国产激情精品一区二区三区| 无码精油按摩潮喷在| 人与动人物A级毛片中文| 国产l精品国产亚洲区久久| 国产成人亚洲精品影院| 人妻 日韩 欧美 综合 制服国产| 国产成人99久久亚洲综合精品| 中国老太卖婬HD播放|