Nová generácia umelej inteligencie, známa ako generatívna AI, si vyžaduje obrovské množstvo výpočtového výkonu a energie. Aké sú možné riešenia?
Spoločnosti ako Meta zvyšujú výkon tak, že do problému vrhajú stále viac dát a výpočtových prostriedkov. Nie je však jasné, dokedy bude tento prístup udržateľný.
Experti na AI v spoločnostiach ako Meta či Amazon poukazujú na limity, ktorým generatívna AI čelí. Zdá sa, že jednoducho viac výpočtového výkonu nebude viesť k nekonečným zlepšeniam.
Do budúcnosti by vývoj v oblasti umelej inteligencie mohol závisieť od účinnejších metód trénovania modelov a zlepšeného hardvéru. Vývoj špecializovaných čipov, napríklad od spoločnosti Nvidia, sa už začal a má zásadný vplyv na rýchlosť a efektivitu procesov.
Zaujímavé: Bitcoin sa správa ako tradičné investície vďaka ETF fondom
Veľkou otázkou je spotreba energie. Niektorí experti sa zamýšľajú nad tým, či nebude potrebné stavať celé datacentrá zamerané len na chod týchto AI modelov. To samozrejme predstavuje výrazné regulačné a environmentálne výzvy.
Okrem vývoja efektívnejších metód trénovania a špecializovaného hardvéru sa experti zaoberajú aj ďalšími riešeniami pre prekonanie bariér generatívnej umelej inteligencie.
Jedným z nich je zameranie sa na „malé“ modely, ktoré síce nebudú dosahovať špičkový výkon, ale ich prevádzka bude menej náročná na výpočtové zdroje a energiu.
Ďalšou možnosťou je využitie tzv. federatívnej AI, ktorá by rozdelila výpočtové zaťaženie medzi rôzne zariadenia a datacentrá.
Mrkni sa aj na toto: Max Payne 1 a 2 sa vracajú v remaku od Remedy a Rockstar Games
Výskum sa zameriava aj na vývoj neuromorfnej AI, inšpirovanej ľudským mozgom, ktorá by mohla byť energeticky efektívnejšia a flexibilnejšia.
Do akej miery je možné zlepšovanie generatívnej umelej inteligencie je naďalej nejasné, no jej súčasné tempo vývoja zrejme nebude možné udržať bez zásadných inovácií.
