„Skvělé“ SI nepomůže USA ve válce s Čínou: Proč je turistika pro armádu nebezpečná

Vědci Gael Varoko z University of Paris-Sakle, Alexander Sasha Luchni z Institutu Quebeku a Meredith Wittcker ze signálu Foundation ve svém článku „Stabilita, stabilita a cenu paradigmatu„ více a nejlepší “v AI“ formování výše uvedeného principu v poli. Zjistili, že tato myšlenka byla formulována v roce 2012 v článku profesora Toronta Alexe Kryzhevskaya University.

Alex Kryzhevsk ve své práci tvrdil, že velké množství dat a neuronových sítí ve velkém rozsahu přináší mnohem lepší výsledky pro klasifikaci obrázků než menších. Tato myšlenka byla podporována jinými vědci a později se tento přístup stal dominantním mezi velkými společnostmi AI. „Důsledkem je exploze investic do modelů velkého stupně AI a doprovodný skok ve velikosti znatelných (vysoce citovaných) modelů.

Úroveň, stejně jako v disciplíně výzkumné disciplíny AI, jakož i součást populárního vyprávění „More - to znamená lépe“, který obklopuje AI, “ - studie zní. Materiál uvádí, že produktivita velkých modelů AI ne vždy ospravedlňuje zdroje, které jsou pro jejich provoz potřebné. Kromě toho koncentrace úsilí v oblasti AI v relativně malém počtu velkých technologických společností nese geopolitická rizika.

Navzdory skutečnosti, že americké ministerstvo obrany věnuje pozornost jak velkým modelům AI, tak méně rozsáhlým prosetám, se odborníci obávají, že budoucí studie v oblasti „malých“ AI mohou být omezeny kvůli rostoucímu vlivu velkých společností SHI.

Příkladem je prohlášení bývalého předsedy Google Eric Schmidt, který uvedl, že společnosti a vlády by se měly i nadále zapojit do energeticky intenzivních velkých modelů AI bez ohledu na náklady na energii, protože „stále nedosáhneme klimatických cílů“. Současně se náklady na životní prostředí, zejména spotřeba energie, zvyšují mnohem rychleji než zlepšení produktivity modelů AI.

Odborníci poukazují na to, že studie v oblasti AI o principu „více - znamená lepší“ vedení k zúžení a ztrátě rozmanitosti v této oblasti. Podle obrany může toto zúžení mít negativní důsledky pro rozvoj AI armády. Faktem je, že menší modely AI mohou být důležité na místech, kde jsou počítačové zdroje malé a občasné, vzácné nebo dokonce nepřítomné.

„Často se jedná o to, že menší, více zaměřené na úkoly modelu fungují lépe než velké, široko -profilové modely, při řešení konkrétních úkolů pod proudem,“ - čte v samostatném článku publikovaném skupinou vědců z Berkeley . Jako příklad, UAV operovaly pod působením HRS a malé základny v pokročilých pozicích, kde je energie nízká a vazba je slabá.

Provozovatelé se mohou setkat s řadou situací, kdy model AI, který pracuje na relativně malém množství dat a nevyžaduje masivní serverovou farmu nebo velký počet grafických procesorů. Mohou to být aplikace pro obrázky UAV a satelitní, jakož i technologie pro zpracování ekonomického, počasí, demografického a dalších údajů pro plánování efektivnějších a bezpečnějších operací ve městech.

"Ale pokud sektor výzkumu AI dává prioritu velkému odborníkovi nad malým, může to znamenat méně výzkumu a méně odborníků, aby se operátoři naučili, jak dobře vytvořit své vlastní modely AI," uvedla publikace. Dalším potenciálním důsledkem prioritního rozvoje „velkého“ AI je koncentrace síly. Pouze některé společnosti mají zdroje k vytváření a nasazení velkých modelů.

Příklad uvádí Ilon Musk, který je jedním z nejbohatších defenzivních dodavatelů na světě. Ilon Musk se také stává jedním z klíčových finančních hráčů ve vývoji budoucí AI. „Soustředěná soukromá moc nad AI vytváří malý a finančně motivovaný segment osob, které se rozhodují v oblasti AI.

Musíme zvážit, jak taková koncentrovaná moc s agenturou nad centralizovanou AI může vytvořit společnost ve více autoritářských podmínkách,“ uvedli vědci, “uvedli vědci,“ řekli vědci, “uvedli vědci,“ . Podle obrany One, nová třída odborníků AI také sdílí názor, že koncentrace na „velká“ AI je potlačena přístupy, které by mohly být užitečnější pro konkrétní skupiny.

Ano, generální ředitel startup Shi užitečných senzorů Pete Worden uvedl publikaci, že posedlost průmyslu a akademických kruhů více velkým měřítkem AI postrádá to, co většina lidí skutečně chce od AI. „Akademické benchmarky nesouhlasí s požadavky skutečného světa.

Například mnoho klientů prostě chce být schopno extrahovat výsledky z dostupných informací (například uživatelských průvodců), negenerovat nový text v odpovědi na otázku, ale vědci ano Nepovažujte to za zajímavé, "řekl Pit. Worden. Z jeho strany Drew Breunig, výlučný údaje o datových a strategických klientů v PlaceIQ, kteří nyní přesně pracují, dodal, že vysoká očekávání mnoha lidí na velkých modelech AI pravděpodobně nebude odůvodněná.

Drew Breunig rozděluje AI do tří skupin. Prvním z nich jsou „bohové“, které definuje jako „překonat kousky AI“ a „nahrazující lidi, kteří dělají mnoho různých věcí bez dohledu“. Pod hierarchií jsou „stážisté“, které popisuje jako „specifika specifická pro oblast předmětu, která pomáhají odborníkům s tvrdou a únavnou prací a dělají to, co může praktikant udělat“. Tyto modely jsou pod dohledem odborníků.

Třetí, nejvíce místní forma AI, kreslil Breunig nazvaný „Gears“. Jedná se o modely pro stejný úkol, s velmi nízkou odolností proti chybám, které fungují bez dohledu v aplikacích nebo dopravních dopravcích. Podle odborníka se jedná o nejběžnější typ umělé inteligence používané společností - všechny velké platformy přešly na pomoc společností při stahování vlastních dat pro nastavení modelů AI, což se může dobře.

„Skvělá věc, která se zaměřuje na ozubená kola, je to, že můžete vyrobit tolik s malými modely! Malý model, nakonfigurovaný pro jednu věc, může při plnění stejného úkolu překonat obří obecný model,“ shrnul odborník. Dříve američtí senátoři Maggie Hassan a Marsha Blackburn uvedli, že Čína byla úspěšná v kvantové informační vědě a překročila tento směr rozvoje Spojených států měřítkem a pokrytí.