Périphériques technologiques
IA
À l'ère des « grandes constructions », où ira la puissance de calcul de l'IA ?
À l'ère des « grandes constructions », où ira la puissance de calcul de l'IA ?
La puissance de calcul est synonyme de productivité, et ceux qui disposent de la puissance de calcul gagnent le monde.
Avec le développement rapide et les percées de la nouvelle génération de technologie d'intelligence artificielle, la demande en puissance de calcul de l'IA, principalement basée sur le mode informatique d'apprentissage profond, a augmenté de façon exponentielle.
Les données montrent qu'entre 1960 et 2010, la complexité informatique de l'IA a doublé tous les deux ans ; entre 2010 et 2020, la complexité informatique de l'IA a augmenté 10 fois par an.
Face à des modèles aussi volumineux et à des calculs aussi complexes, il est urgent d’améliorer la puissance de calcul de l’IA.
Après tout, parmi les trois éléments du développement de l'intelligence artificielle : les données, les algorithmes et la puissance de calcul, les données et les algorithmes sont indissociables du support de la puissance de calcul.
Alors, d'où vient la puissance de calcul de l'IA ?
La puissance de calcul de l'IA est entrée dans une période de « grande construction »
Le rôle important de la puissance de calcul de l'IA dans l'amélioration de la compétitivité de base des économies nationales et régionales est devenu un consensus industriel.
Le « Rapport d'évaluation de l'indice mondial de puissance informatique 2020 » montre que pour chaque augmentation de l'indice de puissance de calcul d'un point en moyenne, l'économie numérique et le PIB augmenteront respectivement de 3,3‰ et 1,8‰. L'effet moteur visible sur le numérique. L'économie est devenue nationale et locale La logique interne de l'augmentation de la puissance de calcul de l'IA par le gouvernement
À l'échelle internationale, dans le cadre du modèle axé sur les investissements du gouvernement, les États-Unis s'appuient sur les six laboratoires nationaux du ministère de l'Énergie pour l'informatique intelligente. centres soutenus par la National Science Foundation et les centres de recherche de la NASA. Les trois principaux systèmes du Super Computing Center ont vigoureusement encouragé le « développement » des capacités informatiques intelligentes dans les plates-formes informatiques ; l'Union européenne a construit 8 plates-formes informatiques à grande échelle ; en Europe grâce au « Plan EuroHPC » et a activement promu l'intégration de la technologie de l'intelligence artificielle
La construction de la puissance de calcul de l'IA en Chine entre également dans une période de « grande construction »
Depuis que le Conseil d'État a publié le « Plan de développement de l'intelligence artificielle de nouvelle génération ». " En 2017, la Chine a adopté des coentreprises gouvernementales-entreprises et d'autres modèles axés sur les investissements gouvernementaux et les entreprises.
Ces dernières années, avec le lancement du projet « Eastern Digital and Western Calculation » et la construction de centres de calcul intelligents, une intégration efficace de la structure des ressources a été réalisée au niveau national. Actuellement, il existe 8 sites à travers le pays. La construction de nœuds nationaux de puissance de calcul a été lancée et 10 clusters de centres de données nationaux ont été prévus pour promouvoir l'intégration. construction d'une infrastructure de puissance de calcul intensive, verte, économe en énergie, sûre et stable
Dans le même temps, avec l'encouragement et le soutien de nouvelles infrastructures et d'autres politiques, les gouvernements locaux mènent également activement la construction de centres de calcul d'intelligence artificielle. (AIDC)
Selon les statistiques de Zhidongxi, entre janvier 2021 et février 2022, 10 centres de calcul d'intelligence artificielle sont prévus, en construction et mis en service dans tout le pays. Plus de 20 centres de calcul d'intelligence artificielle ont été construits et mis en service. opération dans 8 villes. La puissance de calcul fournie ou prévue par l'AIDC dans divers endroits est généralement de 100PFLOPS, ce qui équivaut à la puissance de calcul de 50 000 ordinateurs hautes performances.
Par exemple, la première phase de l'AIDC de Wuhan peut fournir 100PFLOPS de puissance de calcul. De mai à décembre 2021, il a attiré plus de 100 entreprises et a élaboré plus de 50 types de solutions basées sur des scénarios. La puissance de calcul quotidienne moyenne est utilisée à plus de 90 % Avec la puissance de calcul de Wuhan AIDC. utilisation proche de la saturation, elle a achevé fin 2021 la deuxième phase du projet d'expansion, qui peut fournir une puissance de calcul totale de 200 PFLOPS, et prévoit la troisième phase du projet d'expansion Dans l'industrialisation de l'IA. En tant qu'IA industrielle et gouvernance gouvernementale intelligente, la puissance de calcul de l'IA de la Chine est en plein essor. Selon le « Rapport d'évaluation du développement de la puissance de calcul de l'intelligence artificielle en Chine 2022-2023 » publié conjointement par IDC et Inspur Information, la puissance de calcul de l'IA de la Chine est en plein essor. continue de croître rapidement, l'échelle de la puissance de calcul intelligente atteignant 268 exaflops par seconde (EFLOPS) en 2022, dépassant l'échelle de la puissance de calcul générale On s'attend à ce que le taux de croissance annuel composé de la puissance de calcul intelligente de la Chine atteigne 52,3 % au cours des cinq prochaines années, alors que le taux de croissance composé de l'échelle générale de la puissance de calcul au cours de la même période était de 18,5 %. étapes d’exploration, avec des normes de construction incohérentes et une question confuse sur les prix de l’industrie. Ces problèmes deviennent des freins au développement de cette nouvelle plateforme. Dans le livre blanc « Recherche sur le développement d'une infrastructure de puissance de calcul d'intelligence artificielle de nouvelle génération », le Centre national de recherche sur le développement de la sécurité de l'information industrielle a résolu quatre problèmes dans la construction d'une infrastructure de puissance de calcul d'IA : la construction de systèmes nationaux de haut niveau et les systèmes standards ne sont toujours pas unifiés ; les puces d'IA nationales et d'autres technologies logicielles et matérielles sont toujours limitées par les pays étrangers. Les centres informatiques intelligents à grande échelle sont confrontés à une duplication de la construction et à une consommation d'énergie élevée. pour couvrir les besoins de différents scénarios d’application.Prenant comme exemple les normes de prix chaotiques dans l'industrie, Huang Peng, ingénieur en chef adjoint du Centre national de recherche sur le développement de la sécurité de l'information industrielle et directeur de l'Institut de politique de l'information, a souligné que l'investissement dans la construction de deux centres informatiques intelligents dotés de fonctions similaires et des échelles similaires différaient de plus de 6 fois.
Du coût de construction de la puissance de calcul de l'IA, il peut être divisé en infrastructures telles que les usines, en équipements et produits tels que les serveurs et les puces informatiques, en coûts de post-exploitation et de maintenance et en factures d'électricité.
En termes de coût des infrastructures, de factures d'électricité, de personnel, etc., il peut y avoir des différences entre l'est et l'ouest, mais la différence n'atteint pas 6 fois.
Cela montre également que notre pays en est encore au stade initial du développement d'une puissance de calcul intelligente et n'a pas encore formé de modèle standardisé.
Huang Peng estime que la construction de centres informatiques intelligents peut faire référence au plan standard de prix de la puissance de calcul lancé par l'Alliance pour l'innovation entre l'industrie de l'intelligence artificielle, les universités et la recherche de l'Académie chinoise des sciences - stockage complet, consommation d'énergie, développement, personnalisation, planification des données et d'autres facteurs et les remplacer clairement. Après la norme d'algorithme, il est conclu que le prix de l'infrastructure du centre informatique intelligent est d'environ 100 millions à 150 millions de yuans.
Huang Peng a suggéré que les gouvernements locaux devraient mener suffisamment de recherches et de démonstrations avant de construire une plate-forme de puissance de calcul d'IA afin d'éviter « une duplication de faible niveau de la construction » et une « inadéquation avec les besoins de développement local ».
Si des problèmes tels que la « confusion des concepts », la « confusion des prix » et « l'accent mis sur la construction plutôt que sur l'application » peuvent être évités grâce à des recherches et des démonstrations suffisantes, certains problèmes profondément enracinés dans la construction de la puissance de calcul de l'IA nécessitent encore les efforts du l'ensemble de la chaîne industrielle, comme l'IA, les technologies logicielles et matérielles sont limitées par les pays étrangers, la consommation d'énergie excessive et les coûts élevés des centres de calcul d'IA à grande échelle, etc.
Le niveau de l'entreprise devrait explorer activement la recherche et le développement des technologies d'IA et l'innovation de modèles, en particulier accroître la recherche et le développement indépendants de technologies de base telles que les puces d'IA, travailler en amont et en aval pour améliorer la cohésion et la compatibilité écologique de la chaîne industrielle, et en même temps, renforcer la compréhension des algorithmes, des cadres, La recherche et le développement de plates-formes logicielles et d'applications telles que les modèles prennent le développement technologique en main.
La mise en œuvre de scénarios favorise le développement de la puissance de calcul de l'IA
Il est indéniable que plus la puissance de calcul d'un pays est grande, plus le niveau de développement économique est élevé.
L'échelle de puissance de calcul et le niveau de développement économique des pays du monde entier ont montré une corrélation positive significative.
L'arrivée de l'ère de l'interconnexion intelligente de toutes choses et la mise en œuvre de scénarios intelligents d'IA généreront des quantités massives de données inimaginables. Ces données stimuleront davantage la demande de puissance de calcul de l’IA.
Le « Rapport d'évaluation du développement de la puissance de calcul de l'intelligence artificielle en Chine 2022-2023 » montre que les cinq principaux secteurs ayant une pénétration des applications dans l'industrie chinoise de l'intelligence artificielle en 2022 sont Internet, la finance, le gouvernement, les télécommunications et la fabrication.
Par rapport à 2021, la pénétration de l'IA dans l'industrie a considérablement augmenté.
Parmi eux, l'industrie Internet est toujours l'industrie avec la pénétration et l'investissement les plus élevés dans les applications d'intelligence artificielle ;
La pénétration de l'intelligence artificielle dans le secteur financier est passée de 55 % en 2021 à 62 %, y compris le service client intelligent ; les robots physiques, les points de vente intelligents et l'Internet cloud, etc. sont devenus une application typique de l'intelligence artificielle dans le secteur financier
La pénétration de l'intelligence artificielle dans le secteur des télécommunications passera de 45 % à 51 % en 2021. la technologie est intégrée dans la construction et l'optimisation des réseaux de télécommunications et constitue la base de la construction de la prochaine génération de réseaux intelligents. Fournir un soutien
La pénétration de l'intelligence artificielle dans l'industrie manufacturière est passée de 40 % à 45 %. On s'attend à ce que d'ici fin 2023, 50 % des maillons de la chaîne d'approvisionnement manufacturière chinoise utiliseront l'intelligence artificielle.
À mesure que l'utilisation et le développement de nouvelles technologies et de nouveaux scénarios d'application continuent d'augmenter, cela a également apporté un flux constant de puissance au développement de la puissance de calcul de l'IA.
Premièrement, les modèles d'IA cloud se développent à grande échelle et la construction d'infrastructures de puissance de calcul est devenue un élément clé de la concurrence.
Le grand modèle BERT lancé par Google en 2019 comporte 340 millions de paramètres, utilise 64 TPU et coûte 15 000 $ US pour s'entraîner à la précision de la cible.
En 2020, le grand modèle GPT-3 lancé par OpenAI compte 175 milliards de paramètres et le coût de formation a atteint 12 millions de dollars.
En 2021, Microsoft et NVIDIA ont utilisé 4 480 GPU pour entraîner un grand modèle MT-NLG avec 530 milliards de paramètres, et son coût de formation s'élevait à 85 millions de dollars.
Deuxièmement, la demande de puissance de calcul de l’IA à la périphérie augmente rapidement.
Les scénarios d'application émergents tels que les jeux dans le cloud et la conduite autonome ont mis en avant des exigences plus élevées en matière de vitesse et d'ampleur de la transmission des données. Le déploiement de terminaux de périphérie entre les terminaux et les nuages pour former une « extrémité du cloud » est devenu un développement technologique futur. " architecture de communication. direction principale.
La demande croissante d’informatique de pointe stimulera efficacement le développement de la puissance de calcul de l’IA.
Troisièmement, les voitures connectées intelligentes ont accru la demande de puissance de calcul de l’IA.
Le taux de pénétration des voitures autonomes continue d'augmenter et les systèmes de contrôle de conduite automobile évoluent vers des fonctions intelligentes telles que « perception-reconnaissance-interaction ».
Par conséquent, le modèle d'IA de conduite intelligente joue un rôle important dans le passage de la voiture de l'étape de conduite assistée L1/L2 à l'étape de conduite autonome L3/L4, et réalise finalement les fonctions de « prise de décision intelligente et de contrôle en temps réel ». ".
Avec l'augmentation de la quantité de divers types de données de conduite qui doivent être entraînées et la demande croissante de développement de modèles d'IA de conduite intelligente, la demande en puissance de calcul de l'IA augmentera considérablement à l'avenir.
Quatrièmement, la construction du monde de la réalité virtuelle nécessite le soutien de la puissance de calcul de l'IA.
La technologie IA fournit une autonomisation intelligente telle que l'automatisation de la modélisation et des méthodes d'interaction intelligentes pour le monde de la réalité virtuelle, ce qui devrait améliorer l'efficacité de la production de contenu VR et l'expérience immersive des utilisateurs.
La volonté des fournisseurs de contenu VR de créer rapidement des scènes virtuelles et d’améliorer l’expérience sensorielle des utilisateurs a stimulé leur demande en puissance de calcul de l’IA.
Conclusion
Une nouvelle révolution de la puissance de calcul s'accélère.
En tant que nouvelle force productive, la puissance de calcul est encore confrontée à de nombreux défis. Il est nécessaire de mettre en œuvre la fonction inclusive de la puissance de calcul centralisée et de véritablement jouer le rôle de « l'électricité » et du « pétrole ».
Après tout, les ressources informatiques « disponibles, abordables et bien utilisées » sont la véritable infrastructure qui change la productivité.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA
Jun 28, 2024 am 03:51 AM
Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine
Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag
Jun 10, 2024 am 11:08 AM
Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.
Sept questions d'entretien technique Cool GenAI et LLM
Jun 07, 2024 am 10:06 AM
Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte
Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations
Jun 11, 2024 pm 03:57 PM
Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.
Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG.
Jul 25, 2024 am 06:42 AM
L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes
Cinq écoles d'apprentissage automatique que vous ne connaissez pas
Jun 05, 2024 pm 08:51 PM
L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.
Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire
Jul 17, 2024 pm 06:37 PM
Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S
AlphaFold 3 est lancé, prédisant de manière exhaustive les interactions et les structures des protéines et de toutes les molécules de la vie, avec une précision bien plus grande que jamais
Jul 16, 2024 am 12:08 AM
Editeur | Radis Skin Depuis la sortie du puissant AlphaFold2 en 2021, les scientifiques utilisent des modèles de prédiction de la structure des protéines pour cartographier diverses structures protéiques dans les cellules, découvrir des médicaments et dresser une « carte cosmique » de chaque interaction protéique connue. Tout à l'heure, Google DeepMind a publié le modèle AlphaFold3, capable d'effectuer des prédictions de structure conjointe pour des complexes comprenant des protéines, des acides nucléiques, de petites molécules, des ions et des résidus modifiés. La précision d’AlphaFold3 a été considérablement améliorée par rapport à de nombreux outils dédiés dans le passé (interaction protéine-ligand, interaction protéine-acide nucléique, prédiction anticorps-antigène). Cela montre qu’au sein d’un cadre unique et unifié d’apprentissage profond, il est possible de réaliser
