雖然處理人工智能的數據中心的環境影響引起了人們的關注，但Google IA研究實驗室DeepMind推出了一種名為Jest的新培訓方法。後者有望令人印象深刻地提高這些模型的速度和能源效率。
L'人工智慧越來越多地整合。整合iPhone中的Chatgpt和Gemini在幾乎所有Google旗艦應用程序中，例如Gmail和Google Docs，這一進步並非沒有後果。
Google 2012年發布的環境報告最近透露了令人震驚的溫室氣體排放量增加，這主要是由於能量造成的數據中心所需的能量。搜尋更可持續和有效的解決方案因此，是研究人員和技術公司的優先事項。
Google AI的高效效率高10倍，開玩笑的方法快13倍
在這種情況下，Google IA研究實驗室DeepMind提出了是，新訓練方法IA模型。根據已發表的報告，此方法將大大提高訓練速度和能源效率。
Jest方法“聯合示例選擇”可以通過“聯合選擇示例”轉化為法語，其特殊方法是其對AI模型的培訓的創新方法。與關注單個數據點的傳統技術不同，這是基於全部數據的。一個小型模型人工智慧評估首先數據質量來自非常可靠的來源，並根據質量對批次進行分類。然後，更大的模型使用這些評估更有效地訓練。
結果令人印象深刻：開玩笑將超越當前模型，最多減少13倍學習週期等少10倍計算能力。但是，此方法基於初始培訓數據的質量，該數據需要高度的研究技能才能構成這些基礎。因此，當AI數據中心的環境影響引起人們的關注時，而對該技術的計算能力的需求不會停止增加，因此這項創新到達了關鍵時期。
來源 ：Google Deepmind
問我們的最後一個！
