سیاست‌گذاران باید برای دنیایی با سیستم‌های هوش مصنوعی بسیار قدرتمندتر در دهه آینده آماده شوند. این پیشرفت‌ها می‌توانند بدون پیشرفت‌های اساسی در علم هوش مصنوعی، صرفاً با مقیاس‌بندی تکنیک‌های امروزی برای آموزش مدل‌های بزرگ‌تر با داده و محاسبات بیشتر رخ دهند. میزان محاسباتی (compute) که برای آموزش مدل‌های هوش مصنوعی پیشرفته استفاده می‌شود، می‌تواند در دهه آینده به طور قابل توجهی افزایش یابد. تا اواخر دهه ۲۰۲۰ یا اوایل دهه ۲۰۳۰، میزان محاسباتی که برای آموزش مدل‌های هوش مصنوعی پیشرفته استفاده می‌شود، می‌تواند تقریباً ۱۰۰۰ برابر میزان محاسباتی باشد که برای آموزش GPT-۴ استفاده شده است. با در نظر گرفتن پیشرفت‌های الگوریتمی، میزان محاسبات مؤثر می‌تواند تقریباً یک میلیون برابر میزان محاسباتی باشد که برای آموزش GPT-۴ استفاده شده است. در مورد زمان رسیدن به این آستانه‌ها ابهاماتی وجود دارد، اما این سطح از رشد در محدودیت‌های پیش‌بینی‌شده هزینه و سخت‌افزار امکان‌پذیر به نظر می‌رسد. بهبودهایی با این بزرگی بدون مداخله دولت و به طور کامل توسط شرکت‌های خصوصی در مقیاس شرکت‌های بزرگ فناوری امروزی قابل تامین مالی است. همچنین نیازی به پیشرفت‌های اساسی در ساخت یا طراحی تراشه‌ها ندارند. افزایش هزینه‌ها فراتر از محدودیت‌های شرکت‌های خصوصی امروزی یا الگوهای محاسباتی اساساً جدید می‌تواند منجر به رشد محاسباتی حتی بیشتر شود. افزایش هزینه‌های آموزش مدل‌های هوش مصنوعی پیشرفته ممکن است باعث ایجاد یک الیگارشی در مرز تحقیقات شود، اما احتمالاً قابلیت‌ها به سرعت تکثیر می‌شوند. در حال حاضر، پیشرفت‌های الگوریتمی و بهبود سخت‌افزار به سرعت هزینه آموزش مدل‌های پیشرفته قبلی را کاهش می‌دهند. در عرض پنج سال با روندهای فعلی، هزینه آموزش یک مدل در هر سطح معینی از قابلیت تقریباً به میزان ۱۰۰۰ برابر کاهش می‌یابد، یا به حدود ۰.۱ درصد از هزینه اولیه می‌رسد، که آموزش را بسیار ارزان‌تر و دسترسی را افزایش می‌دهد. دولت ایالات متحده کنترل‌های صادراتی را بر روی تراشه‌های پیشرفته هوش مصنوعی که به…
دریافت اشتراک
جهت مشاهده این مطلب لطفا اشتراک تهیه کنید یا با حساب کاربری سازمانی وارد شوید.
در رصدخونه می توانید به ازاء به اشتراک گذاری رصدهای اقتصادی، سیاسی، فرهنگی و…به رصد سایر افراد دسترسی داشته باشید.