


Industri mengatakan carian gaya ChatGPT akan meningkatkan kos Google sepuluh kali ganda, membelanjakan berbilion-bilion lagi setiap tahun
Berita pada 23 Februari, memandangkan alat sembang kecerdasan buatan ChatGPT terus popular, syarikat yang menyediakan perkhidmatan carian seperti Google dan Microsoft telah mula memasukkan carian antara muka dalam antara muka carian mereka. Integrasikan fungsi chatbot kecerdasan buatan. Tetapi bagi gergasi teknologi ini, enjin carian gaya chatbot ini akan meningkatkan kos operasi sebanyak 10 kali ganda, mengakibatkan perbelanjaan sehingga berbilion dolar.
Eksekutif di seluruh industri teknologi sedang membincangkan kos tinggi untuk mengendalikan kecerdasan buatan seperti ChatGPT. Sam Altman, Ketua Pegawai Eksekutif OpenAI, pernah berkata di Twitter bahawa kos pengiraan ChatGPT setiap perbualan dengan pengguna adalah setinggi beberapa sen atau lebih, yang "tidak dapat ditanggung."
John Hennessy, pengerusi syarikat induk Google Alphabet, berkata dalam temu bual bahawa walaupun penalaan halus dapat membantu mengurangkan kos dengan cepat, "kos pertukaran maklumat dengan kecerdasan buatan seperti model bahasa besar mungkin lebih lengkap daripada 10 kali ganda fungsi carian kata kunci standard."
Keuntungan bersih Alphabet pada 2022 akan mencecah hampir AS$60 bilion. Walaupun perniagaan carian berasaskan chatbot menjana pendapatan pengiklanan, teknologi itu boleh menjejaskan keuntungan Alphabet dan menimbulkan kos tambahan berbilion dolar, kata penganalisis.
Bank pelaburan Morgan Stanley menganggarkan bahawa kos 3.3 trilion pertanyaan carian Google tahun lepas adalah kira-kira 0.55 sen bagi setiap pertanyaan. Nombor ini hanya akan lebih atau kurang bergantung pada jumlah teks yang akan dijana oleh kecerdasan buatan. Penganalisis meramalkan bahawa jika "chatbot AI seperti ChatGPT boleh mengendalikan separuh daripada pertanyaan carian hari ini dengan jawapan 50 perkataan," ia akan menelan belanja Google $6 bilion lebih setahun menjelang 2024.
Penganalisis lain mempunyai pandangan yang sama. SemiAnalysis, firma penyelidikan dan penasihat yang menumpukan pada teknologi cip, berkata menambah kecerdasan buatan gaya ChatGPT untuk mencari boleh menelan kos tambahan $3 bilion kepada Alphabet, memandangkan Unit Pemprosesan Tensor baharu Google dan pengoptimuman lain.
Sebab mengapa kecerdasan buatan jenis ini lebih mahal daripada enjin carian tradisional adalah kerana kuasa pengkomputeran yang lebih tinggi yang terlibat. Penganalisis berkata kecerdasan buatan jenis ini bergantung pada cip yang menelan belanja berbilion dolar, dan kos yang sepadan perlu disebarkan selama beberapa tahun hayat perkhidmatan. Tenaga elektrik yang digunakan juga akan meningkatkan tekanan ke atas kos operasi korporat dan penunjuk pelepasan karbon.
Proses memproses pertanyaan carian kecerdasan buatan dipanggil "inferens". Dengan setiap carian, rangkaian saraf besar yang meniru otak manusia dilancarkan, menghasilkan sekumpulan teks dan mungkin menanyakan indeks carian besar untuk maklumat fakta. .
Hannis dari Alphabet berkata, "Anda perlu mengurangkan kos inferens," yang katanya "akan mengambil masa beberapa tahun dalam kes yang paling teruk."
Walaupun perbelanjaan operasinya tinggi, Alphabet masih perlu mempertimbangkan cara untuk bertindak balas terhadap cabaran daripada syarikat teknologi lain. Awal bulan ini, pesaing Microsoft menunjukkan rancangan untuk membenamkan chatbot kecerdasan buatan ke dalam enjin carian Bingnya. Similarweb menganggarkan bahawa eksekutif Microsoft menyasarkan 91% bahagian pasaran carian Google.
Ketua Pegawai Kewangan Microsoft Amy Hood memberitahu penganalisis bahawa apabila Bing yang dipertingkatkan disiarkan secara langsung, faedah peningkatan bilangan pengguna dan hasil pengiklanan telah mengatasi kos. Hood berkata, "Bagi kami, walaupun pada kos perkhidmatan yang kami bincangkan, margin kasar meningkat."
Richard, Ketua Pegawai Eksekutif pesaing Google yang lain, enjin carian You.com Richard Socher berkata menambah sembang kecerdasan buatan pengalaman serta grafik, video dan aplikasi teknologi generatif lain akan meningkatkan perbelanjaan operasi sebanyak 30% hingga 50%. Tetapi dia berkata, "Seiring berjalannya waktu, teknologi akan menjadi lebih murah dan lebih murah
Sumber yang rapat dengan Google memberi amaran bahawa masih terlalu awal untuk menentukan kos khusus chatbot, Kerana kecekapan operasi dan penggunaan akan." berbeza-beza bergantung pada teknologi yang terlibat, dan produk carian telah lama menggunakan kecerdasan buatan untuk menyediakan sokongan teknikal.
Ketua Pegawai Teknologi Accenture Paul Daugherty berkata bahawa kos adalah salah satu daripada dua sebab utama mengapa gergasi carian dengan berbilion-bilion pengguna tidak segera melancarkan chatbot kecerdasan buatan.
"Satu ialah ketepatan, dan dua ialah anda perlu menskalakan dengan cara yang betul," katanya
Selama bertahun-tahun, penyelidik di Alphabet dan syarikat lain telah mengkaji cara membuat skala yang lebih rendah. Kos untuk melatih dan menjalankan model bahasa yang besar.
Model yang lebih besar biasanya memerlukan lebih banyak cip untuk inferens dan oleh itu kos yang lebih tinggi untuk dijalankan. Model di sebalik kecerdasan buatan yang menarik pengguna agak besar Contohnya, model di sebalik ChatGPT mempunyai 175 bilion parameter, dan kos setiap operasi akan terus berubah mengikut panjang pertanyaan pengguna.
Seorang eksekutif kanan teknologi berkata masih terlalu mahal untuk mendapatkan berjuta-juta pengguna menggunakan kecerdasan buatan ini. "Model ini sangat mahal, jadi fasa kemajuan seterusnya akan mengurangkan kos latihan model ini dan inferens supaya ia boleh digunakan dalam setiap aplikasi," kata eksekutif itu, yang enggan dikenali "
Seorang yang biasa dengan perkara itu berkata bahawa saintis komputer di OpenAI kini telah memikirkan cara untuk mengoptimumkan kos inferens melalui kod yang kompleks, dengan itu meningkatkan kecekapan operasi cip.
Masalah yang sudah lama wujud ialah cara mengurangkan bilangan parameter dalam model kecerdasan buatan sebanyak 10 kali atau bahkan 100 kali tanpa menjejaskan ketepatan.
"Cara menghapuskan (parameter) dengan paling berkesan masih menjadi persoalan terbuka," kata Naveen Rao, yang pernah mengetuai projek cip kecerdasan buatan Intel.
Pada masa yang sama, beberapa syarikat sedang mempertimbangkan untuk membayar untuk menggunakan carian kecerdasan buatan, seperti perkhidmatan ChatGPT yang dinaik taraf OpenAI, yang mengenakan yuran langganan bulanan sebanyak $20. Pakar teknologi juga mengatakan bahawa satu penyelesaian ialah menggunakan model AI yang lebih kecil kepada tugas yang lebih mudah, pendekatan yang sedang diterokai oleh Alphabet.
Alphabet mengatakan bulan ini bahawa "versi yang lebih kecil" model kecerdasan buatan LaMDAnya akan menjana kuasa chatbot Bard, "memerlukan kuasa pengkomputeran yang kurang ketara, membolehkan kami membuat skala kepada lebih ramai pengguna."
Apabila ditanya tentang chatbots seperti ChatGPT dan Bader pada persidangan minggu lepas, Hannes berkata bahawa model yang lebih disasarkan dan bukannya sistem maha kuasa akan membantu "mengurangkan kos."
Atas ialah kandungan terperinci Industri mengatakan carian gaya ChatGPT akan meningkatkan kos Google sepuluh kali ganda, membelanjakan berbilion-bilion lagi setiap tahun. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



DALL-E 3 telah diperkenalkan secara rasmi pada September 2023 sebagai model yang jauh lebih baik daripada pendahulunya. Ia dianggap sebagai salah satu penjana imej AI terbaik setakat ini, mampu mencipta imej dengan perincian yang rumit. Walau bagaimanapun, semasa pelancaran, ia adalah tidak termasuk

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas

Menurut berita dari laman web ini pada 5 Julai, GlobalFoundries mengeluarkan kenyataan akhbar pada 1 Julai tahun ini, mengumumkan pemerolehan teknologi power gallium nitride (GaN) Tagore Technology dan portfolio harta intelek, dengan harapan dapat mengembangkan bahagian pasarannya dalam kereta dan Internet of Things dan kawasan aplikasi pusat data kecerdasan buatan untuk meneroka kecekapan yang lebih tinggi dan prestasi yang lebih baik. Memandangkan teknologi seperti AI generatif terus berkembang dalam dunia digital, galium nitrida (GaN) telah menjadi penyelesaian utama untuk pengurusan kuasa yang mampan dan cekap, terutamanya dalam pusat data. Laman web ini memetik pengumuman rasmi bahawa semasa pengambilalihan ini, pasukan kejuruteraan Tagore Technology akan menyertai GLOBALFOUNDRIES untuk membangunkan lagi teknologi gallium nitride. G
