Согласно новому отчету аналитиков Bloomberg Intelligence, опубликованному ранее в этом году, индустрия искусственного интеллекта может расшириться на 42 процента в течение десятилетия, начиная с основ, необходимых для обучения систем искусственного интеллекта. для последующих устройств с использованием моделей искусственного интеллекта, рекламы и других сервисов. Выпуск ориентированных на потребителя инструментов искусственного интеллекта, таких как ChatGPT и Google Bard, будет способствовать десятилетнему буму, который увеличит доходы рынка AIGC с $40 миллиардов в прошлом году до примерно $1,3 триллионов к 2032 году.
Источник изображения: Создано Unbounded AI
Генеративный искусственный интеллект (AIGC) получает более широкое распространение, особенно в бизнес-секторе.
Например, Walmart недавно объявил, что внедрит приложение AIGC для 50 000 сотрудников, не связанных с магазинами. По данным Axios, приложение объединяет данные Walmart со сторонними моделями больших языков (LLM), чтобы помочь сотрудникам выполнять ряд задач: от ускорения процесса составления документов до работы в качестве творческого партнера, обобщения больших документов и многого другого.
Такие развертывания помогают стимулировать спрос на видеокарты (GPU), необходимые для обучения мощных моделей глубокого обучения. Графические карты — это специализированные вычислительные процессоры, которые выполняют программные инструкции параллельно, а не последовательно, как традиционный центральный процессор (ЦП).
По данным Wall Street Journal, обучение этих моделей «может стоить компаниям миллиарды долларов из-за огромных объемов данных, которые им необходимо принять и проанализировать». поддержка приложений чат-ботов ChatGPT и Bard.
01. На волне генеративного ИИ
Тенденция AIGC дает сильный импульс Nvidia, основному поставщику графических процессоров: компания сообщила о ошеломляющих доходах за последний квартал. Это время бума, по крайней мере для Nvidia, поскольку практически каждая крупная технологическая компания пытается заполучить высококлассные видеокарты с искусственным интеллектом.
Эрин Гриффитс пишет в New York Times, что стартапы и инвесторы принимают чрезвычайные меры, чтобы заполучить эти чипы: «В этом году технологические компании отчаянно нуждаются не в деньгах, инженерных талантах, шумихе или даже прибыли, а в желании графические процессоры».
Бен Томпсон назвал это «Nvidia на вершине холма» в информационном бюллетене Stratechery на этой неделе. Импульсу еще больше способствовало объявление о партнерстве между Google и Nvidia, которое предоставит облачным клиентам Google более широкий доступ к технологиям на базе графических процессоров Nvidia. Все это указывает на текущую нехватку этих чипов в условиях растущего спроса.
Означает ли нынешняя потребность вершину нового поколения ИИ или, возможно, предвещает начало следующей волны развития?
02. Как генеративные технологии формируют будущее вычислений
Генеральный директор Nvidia Дженсен Хуанг заявил во время недавнего отчета компании о финансовых результатах, что этот спрос сигнализирует о заре «ускоренных вычислений». Он добавил, что для компаний было бы разумно «отвести капитальные вложения от вычислений общего назначения и сосредоточиться на создании искусственного интеллекта и ускорении вычислений».
К вычислениям общего назначения относятся процессоры, предназначенные для различных задач: от электронных таблиц до реляционных баз данных и ERP. Nvidia считает, что процессоры теперь являются устаревшей инфраструктурой, и разработчикам следует оптимизировать код графического процессора для более эффективного выполнения задач, чем традиционные процессоры.
Графические процессоры могут выполнять множество вычислений одновременно, что делает их идеальными для таких задач, как машинное обучение (ML), которые выполняют миллионы вычислений параллельно. Графические процессоры также особенно хороши в определенных типах математических вычислений, таких как линейная алгебра и задачи манипулирования матрицами, которые являются основой глубокого обучения и искусственного интеллекта.
03. Графические процессоры малоэффективны для некоторых типов программного обеспечения
Однако другие классы программного обеспечения, включая большинство существующих бизнес-приложений, оптимизированы для работы на процессорах и мало выигрывают от параллельного выполнения инструкций на графических процессорах.
Томпсон, похоже, придерживается аналогичной точки зрения: «Моя интерпретация точки зрения Хуанга заключается в том, что все эти графические процессоры будут использоваться для многих из тех же действий, которые в настоящее время выполняются на центральных процессорах; это, безусловно, оптимистичная точка зрения для Nvidia, потому что это означает стремление к любым излишествам». мощность, которую может создать генеративный ИИ, будет заполнена текущими рабочими нагрузками облачных вычислений».
Он продолжил: «При этом я в этом сомневаюсь: и люди, и компании ленивы, а приложения на базе ЦП не только легче разрабатывать, но в большинстве случаев они уже созданы. Мне трудно представить, какие компании потратят время и попытка портировать что-то, что уже работает на процессоре, на графический процессор».
04. История повторяется
Мэтт Эссэй из InfoWorld напоминает нам, что мы уже видели это раньше. "Когда впервые появилось машинное обучение, ученые, работающие с данными, применяли его ко всему, даже с использованием более простых инструментов. Как однажды заметил ученый, работающий с данными Ной Лоранг: "Только небольшая часть бизнес-задач лучше всего решается с помощью машинного обучения; Большинству людей просто нужны хорошие данные и понять, что это значит. "
Дело в том, что ускоренные вычисления и графические процессоры не удовлетворяют всем потребностям программного обеспечения.
У Nvidia был сильный квартал, чему способствовала нынешняя спешка в разработке нового поколения приложений искусственного интеллекта. Компания, естественно, с энтузиазмом относится к этому. Однако, как мы видели из недавнего цикла хайпа в области новых технологий Gartner, это новое поколение искусственного интеллекта переживает момент и находится на пике завышенных ожиданий.
Основатель Университета Singularity и XPRIZE Питер Диамандис сказал, что эти ожидания заключаются в том, чтобы увидеть будущий потенциал без каких-либо негативных последствий. «В этот момент шумиха начинает порождать необоснованное волнение и завышенные ожидания».
05. Текущие ограничения
На этом этапе мы скоро достигнем пределов нынешнего увлечения AIGC. Как написали на Substack своей фирмы венчурные капиталисты SK Ventures Пол Кедроски и Эрик Норлин: «Мы считаем, что мы находимся в самом конце первой волны искусственного интеллекта, основанного на больших языковых моделях. Эта волна началась в 2017 году, с [Google] С выходом статьи «Трансформер» («Внимание — это все, что вам нужно») и ее завершением где-то в ближайшие год или два люди столкнулись с различными ограничениями. "
Эти ограничения включают в себя «склонность к галлюцинациям, недостаточность данных обучения для узких областей, устаревшие учебные корпуса, созданные много лет назад, или множество других причин».
Чтобы внести ясность: Кедроски и Норлин не считают, что искусственный интеллект зашел в тупик. Вместо этого они утверждают, что для достижения чего-то лучшего, чем «посредственная автоматизация» и ограниченный прирост производительности, необходимы существенные технологические усовершенствования. Они считают, что следующая волна будет включать в себя новые модели, больше открытого исходного кода и особенно «повсеместные/дешевые графические процессоры», которые, если это правда, могут не сулить ничего хорошего для Nvidia, но дадут возможность тем, кто в ней нуждается. Технология приносит пользу людям.
Как отмечает Fortune, Amazon ясно дала понять о своем намерении напрямую бросить вызов доминированию Nvidia в производстве чипов. Они не одиноки: за долю рынка борются многие стартапы, как и гиганты производства чипов, включая AMD. Бросить вызов доминирующему действующему президенту чрезвычайно сложно. По крайней мере, в этом случае расширение источников этих чипов и снижение цен на дефицитные технологии станут ключом к развитию и распространению волны инноваций AIGC.
06 Следующая волна ИИ
Несмотря на ограничения текущего поколения моделей и приложений, будущее AIGC выглядит светлым. Вероятно, существует несколько причин такого стремления, но, пожалуй, самой важной из них является нехватка кадров нового поколения в экономике, которая будет продолжать стимулировать спрос на более высокий уровень автоматизации.
Хотя искусственный интеллект и автоматизация исторически рассматривались как отдельные вещи, эта точка зрения меняется с появлением AIGC. Эта технология все больше становится движущей силой автоматизации и повышения производительности. Майк Кнуп, соучредитель компании Zapier, занимающейся рабочими процессами, упомянул об этом явлении в недавнем подкасте Eye on AI, заявив: «Искусственный интеллект и автоматизация превращаются в одно и то же».
Конечно, McKinsey в это верит. «AIGC готова дать волю следующей волне производительности», — заявили они в недавнем отчете. Например, Goldman Sachs утверждает, что новое поколение искусственного интеллекта может повысить мировой ВВП на 7%.
Независимо от того, находимся ли мы на вершине нынешнего поколения искусственного интеллекта или нет, очевидно, что эта область будет продолжать развиваться и вызывать споры на предприятии. Какими бы огромными ни были проблемы, столь же велики и возможности, особенно в мире, жаждущем инноваций и эффективности. Гонка за доминирование графических процессоров — это всего лишь снимок в этой разворачивающейся истории, пролог к будущей главе искусственного интеллекта и вычислений.
Использованная литература:
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
AIGC находится на переломном этапе: что будет дальше с реальным внедрением?
Первоисточник: Инновационная лаборатория AGI.
Согласно новому отчету аналитиков Bloomberg Intelligence, опубликованному ранее в этом году, индустрия искусственного интеллекта может расшириться на 42 процента в течение десятилетия, начиная с основ, необходимых для обучения систем искусственного интеллекта. для последующих устройств с использованием моделей искусственного интеллекта, рекламы и других сервисов. Выпуск ориентированных на потребителя инструментов искусственного интеллекта, таких как ChatGPT и Google Bard, будет способствовать десятилетнему буму, который увеличит доходы рынка AIGC с $40 миллиардов в прошлом году до примерно $1,3 триллионов к 2032 году.
Генеративный искусственный интеллект (AIGC) получает более широкое распространение, особенно в бизнес-секторе.
Например, Walmart недавно объявил, что внедрит приложение AIGC для 50 000 сотрудников, не связанных с магазинами. По данным Axios, приложение объединяет данные Walmart со сторонними моделями больших языков (LLM), чтобы помочь сотрудникам выполнять ряд задач: от ускорения процесса составления документов до работы в качестве творческого партнера, обобщения больших документов и многого другого.
Такие развертывания помогают стимулировать спрос на видеокарты (GPU), необходимые для обучения мощных моделей глубокого обучения. Графические карты — это специализированные вычислительные процессоры, которые выполняют программные инструкции параллельно, а не последовательно, как традиционный центральный процессор (ЦП).
По данным Wall Street Journal, обучение этих моделей «может стоить компаниям миллиарды долларов из-за огромных объемов данных, которые им необходимо принять и проанализировать». поддержка приложений чат-ботов ChatGPT и Bard.
01. На волне генеративного ИИ
Тенденция AIGC дает сильный импульс Nvidia, основному поставщику графических процессоров: компания сообщила о ошеломляющих доходах за последний квартал. Это время бума, по крайней мере для Nvidia, поскольку практически каждая крупная технологическая компания пытается заполучить высококлассные видеокарты с искусственным интеллектом.
Эрин Гриффитс пишет в New York Times, что стартапы и инвесторы принимают чрезвычайные меры, чтобы заполучить эти чипы: «В этом году технологические компании отчаянно нуждаются не в деньгах, инженерных талантах, шумихе или даже прибыли, а в желании графические процессоры».
Бен Томпсон назвал это «Nvidia на вершине холма» в информационном бюллетене Stratechery на этой неделе. Импульсу еще больше способствовало объявление о партнерстве между Google и Nvidia, которое предоставит облачным клиентам Google более широкий доступ к технологиям на базе графических процессоров Nvidia. Все это указывает на текущую нехватку этих чипов в условиях растущего спроса.
Означает ли нынешняя потребность вершину нового поколения ИИ или, возможно, предвещает начало следующей волны развития?
02. Как генеративные технологии формируют будущее вычислений
Генеральный директор Nvidia Дженсен Хуанг заявил во время недавнего отчета компании о финансовых результатах, что этот спрос сигнализирует о заре «ускоренных вычислений». Он добавил, что для компаний было бы разумно «отвести капитальные вложения от вычислений общего назначения и сосредоточиться на создании искусственного интеллекта и ускорении вычислений».
К вычислениям общего назначения относятся процессоры, предназначенные для различных задач: от электронных таблиц до реляционных баз данных и ERP. Nvidia считает, что процессоры теперь являются устаревшей инфраструктурой, и разработчикам следует оптимизировать код графического процессора для более эффективного выполнения задач, чем традиционные процессоры.
Графические процессоры могут выполнять множество вычислений одновременно, что делает их идеальными для таких задач, как машинное обучение (ML), которые выполняют миллионы вычислений параллельно. Графические процессоры также особенно хороши в определенных типах математических вычислений, таких как линейная алгебра и задачи манипулирования матрицами, которые являются основой глубокого обучения и искусственного интеллекта.
03. Графические процессоры малоэффективны для некоторых типов программного обеспечения
Однако другие классы программного обеспечения, включая большинство существующих бизнес-приложений, оптимизированы для работы на процессорах и мало выигрывают от параллельного выполнения инструкций на графических процессорах.
Томпсон, похоже, придерживается аналогичной точки зрения: «Моя интерпретация точки зрения Хуанга заключается в том, что все эти графические процессоры будут использоваться для многих из тех же действий, которые в настоящее время выполняются на центральных процессорах; это, безусловно, оптимистичная точка зрения для Nvidia, потому что это означает стремление к любым излишествам». мощность, которую может создать генеративный ИИ, будет заполнена текущими рабочими нагрузками облачных вычислений».
Он продолжил: «При этом я в этом сомневаюсь: и люди, и компании ленивы, а приложения на базе ЦП не только легче разрабатывать, но в большинстве случаев они уже созданы. Мне трудно представить, какие компании потратят время и попытка портировать что-то, что уже работает на процессоре, на графический процессор».
04. История повторяется
Мэтт Эссэй из InfoWorld напоминает нам, что мы уже видели это раньше. "Когда впервые появилось машинное обучение, ученые, работающие с данными, применяли его ко всему, даже с использованием более простых инструментов. Как однажды заметил ученый, работающий с данными Ной Лоранг: "Только небольшая часть бизнес-задач лучше всего решается с помощью машинного обучения; Большинству людей просто нужны хорошие данные и понять, что это значит. "
Дело в том, что ускоренные вычисления и графические процессоры не удовлетворяют всем потребностям программного обеспечения.
У Nvidia был сильный квартал, чему способствовала нынешняя спешка в разработке нового поколения приложений искусственного интеллекта. Компания, естественно, с энтузиазмом относится к этому. Однако, как мы видели из недавнего цикла хайпа в области новых технологий Gartner, это новое поколение искусственного интеллекта переживает момент и находится на пике завышенных ожиданий.
Основатель Университета Singularity и XPRIZE Питер Диамандис сказал, что эти ожидания заключаются в том, чтобы увидеть будущий потенциал без каких-либо негативных последствий. «В этот момент шумиха начинает порождать необоснованное волнение и завышенные ожидания».
05. Текущие ограничения
На этом этапе мы скоро достигнем пределов нынешнего увлечения AIGC. Как написали на Substack своей фирмы венчурные капиталисты SK Ventures Пол Кедроски и Эрик Норлин: «Мы считаем, что мы находимся в самом конце первой волны искусственного интеллекта, основанного на больших языковых моделях. Эта волна началась в 2017 году, с [Google] С выходом статьи «Трансформер» («Внимание — это все, что вам нужно») и ее завершением где-то в ближайшие год или два люди столкнулись с различными ограничениями. "
Эти ограничения включают в себя «склонность к галлюцинациям, недостаточность данных обучения для узких областей, устаревшие учебные корпуса, созданные много лет назад, или множество других причин».
Чтобы внести ясность: Кедроски и Норлин не считают, что искусственный интеллект зашел в тупик. Вместо этого они утверждают, что для достижения чего-то лучшего, чем «посредственная автоматизация» и ограниченный прирост производительности, необходимы существенные технологические усовершенствования. Они считают, что следующая волна будет включать в себя новые модели, больше открытого исходного кода и особенно «повсеместные/дешевые графические процессоры», которые, если это правда, могут не сулить ничего хорошего для Nvidia, но дадут возможность тем, кто в ней нуждается. Технология приносит пользу людям.
Как отмечает Fortune, Amazon ясно дала понять о своем намерении напрямую бросить вызов доминированию Nvidia в производстве чипов. Они не одиноки: за долю рынка борются многие стартапы, как и гиганты производства чипов, включая AMD. Бросить вызов доминирующему действующему президенту чрезвычайно сложно. По крайней мере, в этом случае расширение источников этих чипов и снижение цен на дефицитные технологии станут ключом к развитию и распространению волны инноваций AIGC.
06 Следующая волна ИИ
Несмотря на ограничения текущего поколения моделей и приложений, будущее AIGC выглядит светлым. Вероятно, существует несколько причин такого стремления, но, пожалуй, самой важной из них является нехватка кадров нового поколения в экономике, которая будет продолжать стимулировать спрос на более высокий уровень автоматизации.
Хотя искусственный интеллект и автоматизация исторически рассматривались как отдельные вещи, эта точка зрения меняется с появлением AIGC. Эта технология все больше становится движущей силой автоматизации и повышения производительности. Майк Кнуп, соучредитель компании Zapier, занимающейся рабочими процессами, упомянул об этом явлении в недавнем подкасте Eye on AI, заявив: «Искусственный интеллект и автоматизация превращаются в одно и то же».
Конечно, McKinsey в это верит. «AIGC готова дать волю следующей волне производительности», — заявили они в недавнем отчете. Например, Goldman Sachs утверждает, что новое поколение искусственного интеллекта может повысить мировой ВВП на 7%.
Независимо от того, находимся ли мы на вершине нынешнего поколения искусственного интеллекта или нет, очевидно, что эта область будет продолжать развиваться и вызывать споры на предприятии. Какими бы огромными ни были проблемы, столь же велики и возможности, особенно в мире, жаждущем инноваций и эффективности. Гонка за доминирование графических процессоров — это всего лишь снимок в этой разворачивающейся истории, пролог к будущей главе искусственного интеллекта и вычислений.
Использованная литература: