


Die Industrie sagt, dass die Suche im ChatGPT-Stil die Kosten von Google verzehnfachen wird und jedes Jahr mehr Milliarden ausgibt
Nachrichten vom 23. Februar: Da das Chat-Tool für künstliche Intelligenz ChatGPT weiterhin beliebt ist, haben Unternehmen, die Suchdienste anbieten, wie Google und Microsoft, damit begonnen, Funktionen von Chat-Robotern mit künstlicher Intelligenz in die Suchoberfläche zu integrieren. Aber für diese Technologiegiganten wird diese Suchmaschine im Chatbot-Stil die Betriebskosten um das Zehnfache erhöhen, was zu Ausgaben von bis zu Milliarden Dollar führen wird.
Führungskräfte in der gesamten Technologiebranche diskutieren über die hohen Kosten für den Betrieb einer KI wie ChatGPT. Sam Altman, CEO von OpenAI, sagte einmal auf Twitter, dass die Rechenkosten von ChatGPT pro Konversation mit Benutzern ein paar Cent oder mehr betragen, was „unerträglich“ sei.
John Hennessy, Vorsitzender der Google-Muttergesellschaft Alphabet, sagte in einem Interview, dass eine Feinabstimmung zwar dazu beitragen kann, die Kosten schnell zu senken, „die Kosten für den Informationsaustausch mit künstlicher Intelligenz wie großen Sprachmodellen für die Vervollständigung von Standardschlüsselwörtern jedoch mehr als 10 betragen können.“ mal die Suchfunktion.“
Der Nettogewinn von Alphabet wird im Jahr 2022 bei fast 60 Milliarden US-Dollar liegen. Selbst wenn das Chatbot-basierte Suchgeschäft Werbeeinnahmen generiert, könnte sich die Technologie nachteilig auf das Geschäftsergebnis von Alphabet auswirken und zusätzliche Kosten in Milliardenhöhe verursachen, sagen Analysten.
Die Investmentbank Morgan Stanley schätzt, dass die Kosten für die 3,3 Billionen Suchanfragen von Google im vergangenen Jahr etwa 0,55 Cent pro Suchanfrage betrugen. Diese Zahl wird nur mehr oder weniger betragen, je nachdem, wie viel Text durch künstliche Intelligenz generiert wird. Analysten sagen voraus, dass Google bis 2024 6 Milliarden US-Dollar mehr pro Jahr kosten wird, wenn „ein KI-Chatbot wie ChatGPT die Hälfte der heutigen Suchanfragen mit 50-Wörter-Antworten bewältigen kann“.
Andere Analysten haben ähnliche Ansichten. SemiAnalysis, ein auf Chip-Technologie spezialisiertes Forschungs- und Beratungsunternehmen, sagte, dass das Hinzufügen künstlicher Intelligenz im ChatGPT-Stil zur Suche Alphabet angesichts der neuen Tensor-Verarbeitungseinheiten und anderer Optimierungen zusätzliche 3 Milliarden US-Dollar kosten könnte.
Der Grund, warum diese Art von künstlicher Intelligenz teurer ist als herkömmliche Suchmaschinen, liegt in der höheren Rechenleistung. Analysten sagen, dass diese Art von künstlicher Intelligenz auf Chips basiert, die Milliarden Dollar kosten und die entsprechenden Kosten über mehrere Jahre Nutzungsdauer verteilt werden müssen. Der verbrauchte Strom wird auch den Druck auf die Betriebskosten und CO2-Emissionsindikatoren der Unternehmen erhöhen.
Der Prozess der Verarbeitung von Suchanfragen mit künstlicher Intelligenz wird als „Inferenz“ bezeichnet. Bei jeder Suche wird ein riesiges neuronales Netzwerk gestartet, das das menschliche Gehirn nachahmt, eine Menge Text generiert und möglicherweise große Suchindizes nach sachlichen Informationen abfragt. Hannis von
Alphabet sagte: „Man muss die Kosten für Schlussfolgerungen reduzieren“, was seiner Meinung nach „im schlimmsten Fall Jahre dauern wird.“
Trotz seiner hohen Betriebskosten muss Alphabet noch darüber nachdenken, wie es auf die Herausforderungen anderer Technologieunternehmen reagieren kann. Anfang des Monats präsentierte der Konkurrent Microsoft Pläne, Chatbots mit künstlicher Intelligenz in seine Bing-Suchmaschine einzubetten. Similarweb schätzt, dass Microsoft-Führungskräfte den Suchmarktanteil von Google von 91 % anstreben.
Amy Hood, Chief Financial Officer von Microsoft, sagte den Analysten, dass mit der Einführung des verbesserten Bing die Vorteile erhöhter Benutzerzahlen und Werbeeinnahmen die Kosten überwogen hätten. Hood sagte: „Für uns ist die Bruttomarge selbst bei den Kosten der von uns diskutierten Dienstleistungen gestiegen.“ Erfahrung sowie Diagramm-, Video- und andere generative Technologieanwendungen werden die Betriebskosten um 30 bis 50 % erhöhen. Aber er sagte: „Mit der Zeit wird die Technologie immer billiger.“
Eine Quelle in der Nähe von Google warnte, dass es noch zu früh sei, um die konkreten Kosten des Chatbots zu bestimmen, da die betriebliche Effizienz und die Nutzung stark variieren würden von der Technologie abhängen und Suchprodukte basieren schon lange auf künstlicher Intelligenz.
Paul Daugherty, Chief Technology Officer von Accenture, sagte, dass die Kosten einer der beiden Hauptgründe seien, warum der Suchriese mit Milliarden von Nutzern nicht sofort einen Chatbot mit künstlicher Intelligenz auf den Markt gebracht habe.
„Eins ist Genauigkeit, und zweitens muss man richtig skalieren“, sagte er
Seit Jahren untersuchen Forscher bei Alphabet und anderen Unternehmen, wie man große Sprachmodelle kostengünstiger trainieren und betreiben kann.
Größere Modelle erfordern normalerweise mehr Chips für die Inferenz und sind daher teurer im Betrieb. Die Modelle hinter der künstlichen Intelligenz, die Verbraucher dazu bringen, darauf zuzugreifen, sind ziemlich umfangreich. Das Modell hinter ChatGPT verfügt beispielsweise über 175 Milliarden Parameter, und die Kosten jeder Operation ändern sich weiterhin mit der Länge der Benutzeranfrage.
Ein leitender Technologiemanager sagt, es sei immer noch zu teuer, Millionen von Verbrauchern dazu zu bringen, diese Art von künstlicher Intelligenz zu nutzen. „Diese Modelle sind sehr teuer, daher wird die nächste Weiterentwicklungsstufe die Kosten für das Training dieser Modelle und die Inferenz senken, sodass sie in jeder Anwendung verwendet werden können“, sagte der ungenannte Manager Wissenschaftler von OpenAI haben nun herausgefunden, wie man die Inferenzkosten durch komplexe Codes optimieren kann, um die Effizienz des Chipbetriebs zu verbessern.
Eine seit langem bestehende Frage ist, wie man die Anzahl der Parameter in einem Modell der künstlichen Intelligenz um das Zehnfache oder sogar Hundertfache reduzieren kann, ohne die Genauigkeit zu beeinträchtigen.
„Wie man (Parameter) am effektivsten eliminiert, ist immer noch eine offene Frage“, sagte Naveen Rao, der einst Intels Chip-Projekt für künstliche Intelligenz leitete.
Gleichzeitig erwägen einige Unternehmen, für die Nutzung künstlicher Intelligenz zu zahlen, beispielsweise den aktualisierten ChatGPT-Dienst von OpenAI, für den eine monatliche Abonnementgebühr von 20 US-Dollar erhoben wird. Technologieexperten sagen auch, dass eine Lösung darin besteht, kleinere KI-Modelle auf einfachere Aufgaben anzuwenden, ein Ansatz, den Alphabet erforscht.
Alphabet sagte diesen Monat, dass eine „kleinere Version“ seines LaMDA-Modells für künstliche Intelligenz den Chatbot Bard antreiben wird, „der deutlich weniger Rechenleistung erfordert, sodass wir auf mehr Benutzer skalieren können
In der letzten Woche auf die Frage nach Chatbots.“ Wie ChatGPT und Bader sagte Hannis auf einer Konferenz, dass zielgerichtetere Modelle statt allmächtiger Systeme dazu beitragen würden, „Kosten zu senken“.
Das obige ist der detaillierte Inhalt vonDie Industrie sagt, dass die Suche im ChatGPT-Stil die Kosten von Google verzehnfachen wird und jedes Jahr mehr Milliarden ausgibt. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



DALL-E 3 wurde im September 2023 offiziell als deutlich verbessertes Modell gegenüber seinem Vorgänger eingeführt. Er gilt als einer der bisher besten KI-Bildgeneratoren und ist in der Lage, Bilder mit komplexen Details zu erstellen. Zum Start war es jedoch exklusiv

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

Laut Nachrichten dieser Website vom 1. August hat SK Hynix heute (1. August) einen Blogbeitrag veröffentlicht, in dem es ankündigt, dass es am Global Semiconductor Memory Summit FMS2024 teilnehmen wird, der vom 6. bis 8. August in Santa Clara, Kalifornien, USA, stattfindet viele neue Technologien Generation Produkt. Einführung des Future Memory and Storage Summit (FutureMemoryandStorage), früher Flash Memory Summit (FlashMemorySummit), hauptsächlich für NAND-Anbieter, im Zusammenhang mit der zunehmenden Aufmerksamkeit für die Technologie der künstlichen Intelligenz wurde dieses Jahr in Future Memory and Storage Summit (FutureMemoryandStorage) umbenannt Laden Sie DRAM- und Speicheranbieter und viele weitere Akteure ein. Neues Produkt SK Hynix wurde letztes Jahr auf den Markt gebracht

Laut Nachrichten dieser Website vom 5. Juli veröffentlichte GlobalFoundries am 1. Juli dieses Jahres eine Pressemitteilung, in der die Übernahme der Power-Galliumnitrid (GaN)-Technologie und des Portfolios an geistigem Eigentum von Tagore Technology angekündigt wurde, in der Hoffnung, seinen Marktanteil in den Bereichen Automobile und Internet auszubauen Anwendungsbereiche für Rechenzentren mit künstlicher Intelligenz, um höhere Effizienz und bessere Leistung zu erforschen. Da sich Technologien wie generative künstliche Intelligenz (GenerativeAI) in der digitalen Welt weiterentwickeln, ist Galliumnitrid (GaN) zu einer Schlüssellösung für nachhaltiges und effizientes Energiemanagement, insbesondere in Rechenzentren, geworden. Auf dieser Website wurde die offizielle Ankündigung zitiert, dass sich das Ingenieurteam von Tagore Technology im Rahmen dieser Übernahme mit GF zusammenschließen wird, um die Galliumnitrid-Technologie weiterzuentwickeln. G
