Papers & Forschung

OpenAI-Analyse: Benötigte Rechenleistung für neuronale Netze halbiert sich alle 16 Monate

Originaltitel:AI and efficiency

KI-Zusammenfassung

OpenAI veröffentlicht eine Analyse, wonach sich die für gleiche Leistung bei der ImageNet-Klassifikation benötigte Trainingsrechenleistung seit 2012 alle 16 Monate halbiert. Für AlexNet-Niveau ist heute 44-mal weniger Rechenleistung nötig als 2012, während das Mooresche Gesetz im selben Zeitraum nur 11-mal bessere Kosten ermöglicht; die Ergebnisse zeigen, dass bei KI-Aufgaben mit hohen Investitionen in jüngster Zeit algorithmische Fortschritte mehr bringen als herkömmliche Hardware-Effizienzsteigerungen.

Kernpunkte

  • OpenAI veröffentlicht eine Analyse,wonach sich die für gleiche Leistung bei der…
  • Für AlexNet-Niveau ist heute 44-mal weniger Rechenleistung nötig als 2012,während das Mooresche…
  • die Ergebnisse zeigen,dass bei KI-Aufgaben mit hohen Investitionen in jüngster Zeit algorithmische…

Auf einen Blick

Veröffentlicht
Aktualisiert
Quelle
OpenAI:官网动态(RSS · 排除企业/客户案例)
Kategorie
Papers & Forschung
KI-Bewertung
61
Original lesen Den vollständigen Artikel bei der Originalquelle lesen
Warum es wichtig ist

OpenAI 用 ImageNet 分类数据量化算法进步的速度,读者可据此比较算法效率与摩尔定律的贡献差异。

Verwandte Entitäten

Quelle & Urheberrecht

Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.

Originalartikel · AIHOT-Eintrag

Zitierhinweis

Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.

Orange News: OpenAI-Analyse: Benötigte Rechenleistung für neuronale Netze halbiert sich alle 16 Monate. 5. Mai 2020. https://new.nat6.net/de/news/ctf4kaxoy1572sg8vh5ve9og6/

Alle ansehen →