การวิเคราะห์ของ OpenAI: พลังประมวลผลที่ต้องใช้ในการฝึกโครงข่ายประสาทเทียมลดลงครึ่งหนึ่งทุก 16 เดือน
หัวข้อต้นฉบับ:AI and efficiency
สรุปโดย AI
OpenAI เผยแพร่บทวิเคราะห์ระบุว่าตั้งแต่ปี 2012 พลังประมวลผลที่ต้องใช้ในการฝึกเพื่อให้ได้ประสิทธิภาพเท่ากันในการจำแนก ImageNet ลดลงครึ่งหนึ่งทุก 16 เดือน ปัจจุบันพลังประมวลผลที่ต้องใช้เพื่อให้ได้ระดับ AlexNet น้อยกว่าปี 2012 ถึง 44 เท่า ขณะที่กฎของมัวร์ในช่วงเดียวกันให้การปรับปรุงต้นทุนได้เพียง 11 เท่า ผลลัพธ์ชี้ว่าในงาน AI ที่มีการลงทุนสูงในช่วงที่ผ่านมา ผลตอบแทนจากความก้าวหน้าของอัลกอริทึมมีมากกว่าการเพิ่มประสิทธิภาพฮาร์ดแวร์แบบดั้งเดิม
สรุปสั้น
- เวลาเผยแพร่
- เวลาอัปเดต
- แหล่งที่มา
- OpenAI:官网动态(RSS · 排除企业/客户案例)
- หมวดหมู่
- บทความและงานวิจัย
- คะแนน 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。
เอนทิตีที่เกี่ยวข้อง
แหล่งที่มาและลิขสิทธิ์
บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: การวิเคราะห์ของ OpenAI: พลังประมวลผลที่ต้องใช้ในการฝึกโครงข่ายประสาทเทียมลดลงครึ่งหนึ่งทุก 16 เดือน 5 พฤษภาคม 2020 https://new.nat6.net/th/news/ctf4kaxoy1572sg8vh5ve9og6/