今天分享的是行业报告:《人工智能行业:面向将来的前沿人工智能监管(英译中)》
(内容出品方:新美国安全中心)
报告共计:59页
人工智能科学的基本突破,只需扩展当今的技术,在更加多的数据和计算上训练更大的模型。
在接下来的十年中,用于训练前沿AI模型的计算量(计算)可能会大大增多。到2020年代末或2030年代初,用于训练前沿AI模型的计算量大约是用于训练GPT-4的1000倍。
在预期的成本和硬件限制下,增长似乎是可能的。在无政府干涉的状况下,这种规模的改进是可能的,完全由当今大型科技机构规模的私营机构帮助。它们亦不必须芯片制造或设计方面的基本性突破。超出当今私营机构限制的支出增多,或从基本上说,新的计算范式可能会引起更大的计算增长。
训练前沿 AI模型的成本提升可能会推动科研前沿的寡头垄断但能力可能会快速扩散。日前,算法的进步和硬件的改进快速降低了训练以前最先进的模型的成本。根据日前的趋势,在五年内,在任何给定能力水平下训练模型的成本都会降低
大约增多了1000倍,或大约是原始成本的0.1%,这使得培训变得更加便宜,并且增多了可及性。
The U.S.政府已然对运往中国的先进人工智能芯片实施了出口管理并且拒绝参与者得到硬件改进,随着时间的推移,相对能力的差距越来越大。拒绝得到硬件改进的演员将火速被定价,没法跟上前沿科研的步伐。到2027年,倘若出口管理保持在当前的技术门槛并最大限度地有效,运用较旧的、符合出口需求的芯片可能会引起大约十倍的培训成本损失。
然而,任何给定水平的人工智能能力的扩散只会再推迟几年。日前在任何给定的AI能力水平下,训练模型的成本都因为算法的进步而快速下降。倘若算法改进继续广泛可用,则硬件受限的参与者将能够训练拥有相当于曾经前沿模型的功能的模型,仅比前沿模型落后两到三年。
返回外链论坛:http://www.fok120.com/,查看更加多
责任编辑:网友投稿
|