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
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.
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/