虽然处理人工智能的数据中心的环境影响引起了人们的关注，但Google IA研究实验室DeepMind推出了一种名为Jest的新培训方法。后者有望令人印象深刻地提高这些模型的速度和能源效率。
L'人工智能越来越多地整合。整合iPhone中的Chatgpt和Gemini在几乎所有Google旗舰应用程序中，例如Gmail和Google Docs，这一进步并非没有后果。
Google 2012年发布的环境报告最近透露了令人震惊的温室气体排放量增加，这主要是由于能量造成的数据中心所需的能量。搜索更可持续和有效的解决方案因此，是研究人员和技术公司的优先事项。
Google AI的高效效率高10倍，开玩笑的方法快13倍
在这种情况下，Google IA研究实验室DeepMind提出了是，新训练方法IA模型。根据已发表的报告，此方法将大大提高训练速度和能源效率。
Jest方法“联合示例选择”可以通过“联合选择示例”转化为法语，其特殊方法是其对AI模型的培训的创新方法。与关注单个数据点的传统技术不同，这是基于全部数据的。一个小型模型人工智能评估首先数据质量来自非常可靠的来源，并根据质量对批次进行分类。然后，更大的模型使用这些评估更有效地训练。
结果令人印象深刻：开玩笑将超越当前模型，最多减少13倍学习周期等少10倍计算能力。但是，此方法基于初始培训数据的质量，该数据需要高度的研究技能才能构成这些基础。因此，当AI数据中心的环境影响引起人们的关注时，而对该技术的计算能力的需求不会停止增加，因此这项创新到达了关键时期。
来源 ：Google Deepmind
问我们的最后一个！
