Analisis OpenAI: komputasi untuk melatih jaringan neural berkurang setengah setiap 16 bulan
Judul asli:AI and efficiency
Ringkasan AI
OpenAI merilis analisis yang menyatakan bahwa sejak 2012, komputasi pelatihan yang dibutuhkan untuk mencapai performa setara pada klasifikasi ImageNet turun setengah setiap 16 bulan. Komputasi yang diperlukan untuk mencapai level AlexNet kini 44 kali lebih sedikit dibanding 2012, sementara hukum Moore pada periode yang sama hanya memberikan peningkatan biaya 11 kali; hasil ini menunjukkan bahwa pada tugas AI dengan investasi tinggi belakangan ini, kemajuan algoritma memberikan keuntungan melebihi peningkatan efisiensi perangkat keras konvensional.
Poin utama
- OpenAI merilis analisis yang menyatakan bahwa sejak 2012,komputasi pelatihan yang dibutuhkan untuk…
- Komputasi yang diperlukan untuk mencapai level AlexNet kini 44 kali lebih sedikit dibanding…
- hasil ini menunjukkan bahwa pada tugas AI dengan investasi tinggi belakangan ini,kemajuan…
Ringkasan cepat
- Waktu terbit
- Waktu diperbarui
- Sumber
- OpenAI:官网动态(RSS · 排除企业/客户案例)
- Kategori
- Makalah & Riset
- Skor AI
- 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。
Entitas Terkait
Sumber dan hak cipta
Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.
Cara mengutip
Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.
Orange News: Analisis OpenAI: komputasi untuk melatih jaringan neural berkurang setengah setiap 16 bulan. 5 Mei 2020. https://new.nat6.net/id/news/ctf4kaxoy1572sg8vh5ve9og6/