هزینه اندک آموزش هوش مصنوعی دیپ سیک چین برملا شد
نهایت علم: شرکت چینی دیپ سیک در تحقیقی اعلام نمود ۲۴۹ هزار دلار صرف آموزش R۱، تازه ترین مدل هوش مصنوعی خود کرده که بسیار پایین تر از ارقام اعلام شده توسط رقبایش در آمریکا است.
به گزارش نهایت علم به نقل از رویترز، همین مورد بحث و گمانه زنی ها را در رابطه با جایگاه چین در رقابت برای توسعه هوش مصنوعی داغ کرده است.
این آپدیت نادر از شرکت چینی مستقر در هوانگژو در رابطه با هزینه های آموزش R۱ یک مقاله در ژورنال نیچر انتشار یافته است. انتشار هزینه های پایین تر آموزش سیستم های هوش مصنوعی دیپ سیک در ژانویه سال جاری سبب شد بازار سهام شرکت های فناوری با کاهشی شدید روبرو شود چونکه سرمایه گذاران بیم آن داشتند که مدلهای جدید سلطه رهبران این فناوری همچون انویدیا را بر بازار تهدید کنند.
از آن زمان تا حالا لیانگ ون فنگ بنیانگذار دیپ سیک اغلب از انظار عمومی دور شد و فقط برای عرضه محصولات جدید در فضای عمومی ظاهر می شود. طبق مقاله انتشار یافته در نیچر که لیانگ به عنوان یکی از مولفان ارشد ذکر شده، مدل استدلالی R۱ این شرکت با هزینه ۲۴۹ هزار دلار و تراشه های ۵۱۲ Nvidia H۸۰۰ آموزش دیده است. نسخه قبلی این مقاله در ژانویه ۲۰۲۵ میلادی منتشر شدو این اطلاعات در آن وجود نداشت.
پس از آن که آمریکا در اکتبر ۲۰۲۲ صادرات تراشه های هوش مصنوعی قدرتمندتر H۱۰۰ و A۱۰۰ خود به چین را برای انویدیا غیرقانونی اعلام کرد، این شرکت تراشه های H۸۰۰ که در این گزارش به آنها اشاره شده را برای بازار چین طراحی کرد.
هزینه آموزش مدلهای زبانی بزرگ که به عنوان زیرساخت چت بات های هوش مصنوعی عمل می کنند، شامل مخارج قابل توجهی جهت راه اندازی و اجرای خوشه های بزرگ از تراشه های قدرتمند طی هفته ها یا حتی ماه هاست که برای پردازش حجم عظیمی از متن و کد صرف می شود.
سم آلتمن، مدیرعامل شرکت آمریکایی اوپن ای آی در سال ۲۰۲۳ گفته بود آموزش مدلهای بنیادی بیش از ۱۰۰ میلیون دلار هزینه داشته است، هرچند ارقام دقیقی برای هیچ یک از نسخه های خود عرضه نکرده است. حرف آخر اینکه از آن زمان تا حالا لیانگ ون فنگ بنیانگذار دیپ سیک اغلب از انظار عمومی دور شد و فقط برای عرضه محصولات جدید در فضای عمومی ظاهر می شود. هزینه آموزش مدل های زبانی بزرگ که بعنوان زیرساخت چت بات های هوش مصنوعی عمل می کنند، شامل مخارج قابل توجهی جهت راه اندازی و اجرای خوشه های بزرگ از تراشه های قدرتمند طی هفته ها یا حتی ماه هاست که برای پردازش حجم عظیمی از متن و کد صرف می شود.
منبع: elmend.ir
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب