Згідно з новим звітом аналітиків Bloomberg Intelligence, опублікованим на початку цього року, індустрія штучного інтелекту може зрости на 42 відсотки протягом десятиліття, починаючи з основ, необхідних для навчання систем штучного інтелекту. Це обумовлено попитом на обладнання, а потім попитом. для наступних пристроїв з використанням моделей ШІ, реклами та інших сервісів. Випуск орієнтованих на споживача інструментів штучного інтелекту, таких як ChatGPT і Google Bard, сприятиме десятирічному буму, який збільшить дохід ринку AIGC з 40 мільярдів доларів минулого року до приблизно 1,3 трильйона доларів до 2032 року.
Джерело зображення: створено Unbounded AI
Generative AI (AIGC) набуває все більшого поширення, особливо в бізнесі.
Наприклад, нещодавно Walmart оголосив, що розгорне додаток AIGC для 50 000 партнерів, які не є магазинами. Відповідно до Axios, програма поєднує дані Walmart зі сторонніми великими мовними моделями (LLM), щоб допомогти співробітникам виконувати низку завдань, від прискорення процесу складання до виконання ролі творчого партнера до підсумовування великих документів тощо.
Такі розгортання допомагають збільшити попит на графічні карти (GPU), необхідні для навчання потужних моделей глибокого навчання. Графічні процесори графічних карт — це спеціалізовані обчислювальні процесори, які виконують інструкції програмування паралельно, а не послідовно, як традиційний центральний процесор (CPU).
За даними Wall Street Journal, навчання цих моделей «може коштувати компаніям мільярди через величезні обсяги даних, які вони потребують для прийому й аналізу». Забезпечує підтримку програм ChatGPT і Bard chatbot.
01. На хвилі Generative AI
Тренд AIGC дав потужний поштовх головному постачальнику графічних процесорів Nvidia: компанія повідомила про приголомшливі прибутки за останній квартал. Принаймні для Nvidia настав час буму, оскільки майже кожна велика технологічна компанія намагається отримати в свої руки висококласні відеокарти зі штучним інтелектом.
Ерін Гріффітс написала в The New York Times, що стартапи та інвестори вживають надзвичайних заходів, щоб отримати ці мікросхеми: «Цього року технологічні компанії відчайдушно прагнуть не грошей, інженерного таланту, реклами чи навіть грошей. Прибуток, а бажання. для графічних процесорів».
Бен Томпсон називає це «Nvidia на вершині пагорба» в інформаційному бюлетені Stratechery цього тижня. Імпульс був ще більше посилений оголошенням про партнерство між Google і Nvidia, яке надасть хмарним клієнтам Google більший доступ до технологій на основі графічних процесорів Nvidia. Все це вказує на поточний дефіцит цих чіпів в умовах різкого зростання попиту.
Чи знаменують нинішні вимоги кульмінацію нового покоління штучного інтелекту чи, можливо, віщують початок наступної хвилі розробок?
02. Як генеративні технології формують майбутнє обчислювальної техніки
Генеральний директор Nvidia Дженсен Хуанг сказав під час нещодавнього звіту про прибутки компанії, що цей попит свідчить про початок «прискорених обчислень». Він додав, що компаніям було б доцільно «відвести капітальні інвестиції від обчислень загального призначення та зосередитися на створенні штучного інтелекту та прискоренні обчислень».
Обчислення загального призначення стосується ЦП, призначених для різноманітних завдань, від електронних таблиць до реляційних баз даних і ERP. Nvidia вважає, що центральні процесори тепер є застарілою інфраструктурою, і розробники повинні оптимізувати код GPU, щоб виконувати завдання ефективніше, ніж традиційні процесори.
Графічні процесори можуть виконувати багато обчислень одночасно, що робить їх ідеальними для таких завдань, як машинне навчання (ML), які виконують мільйони обчислень паралельно. Графічні процесори також особливо хороші в певних типах математичних обчислень, таких як завдання лінійної алгебри та обробки матриць, які є основою глибокого навчання та штучного інтелекту.
03. Графічні процесори мало користі для певних типів програмного забезпечення
Однак інші категорії програмного забезпечення, включно з більшістю існуючих бізнес-додатків, оптимізовані для роботи на центральних процесорах і мало користі від паралельного виконання інструкцій графічних процесорів.
Томпсон, схоже, дотримується подібної точки зору: «Я тлумачу тезу Дженсена Хуанга, що всі ці графічні процесори будуть використовуватися для багатьох із тих самих дій, які зараз виконуються на центральних процесорах; потенційний надлишок потужності, створений генеративним ШІ, буде заповнений поточними хмарними обчисленнями. навантаження».
Він продовжив: «Зважаючи на це, я сумніваюся: і люди, і компанії ліниві, а додатки на базі ЦП не тільки легше розробляти, але й здебільшого вже створені. Мені важко уявити, які компанії знадобляться час і Перенесення того, що вже працює на ЦП, на ГП."
04. Історія повторюється
Метт Ессей з InfoWorld нагадує нам, що ми бачили це раніше. "Коли вперше з'явилося машинне навчання, спеціалісти з обробки даних застосовували його до всього, навіть із простішими інструментами. Як одного разу зазначив дослідник даних Ноа Лоранг: "Лише невелика частина бізнес-проблем найкраще вирішується за допомогою машинного навчання; більшості людей просто потрібні хороші дані та зрозуміти, що це означає. "
Справа в тому, що прискорених обчислень і графічних процесорів недостатньо для всіх програмних потреб.
У Nvidia була сильна чверть, що спонукало до поточного стрімкого розвитку нового покоління програм ШІ. Компанія, природно, в захваті від цього. Однак, як ми бачили з нещодавнього циклу ажіотажу Gartner для нових технологій, нове покоління штучного інтелекту переживає момент і перебуває на піку завищених очікувань.
Засновник Університету Singularity та XPRIZE Пітер Діамандіс сказав, що ці очікування стосуються бачення майбутнього потенціалу без будь-яких негативних наслідків. «У цей момент ажіотаж починає породжувати безпідставне хвилювання та завищені очікування».
05. Поточні обмеження
На цьому етапі ми скоро досягнемо межі поточного захоплення AIGC. Як написали венчурні капіталісти Пол Кедроскі та Ерік Норлін з SK Ventures на Substack своєї фірми: "Наша думка полягає в тому, що ми знаходимося в кінці першої хвилі штучного інтелекту на основі великих мовних моделей. Ця хвиля почалася в 2017 році, з [Google] Трансформаторний папір ("Увага - це все, що вам потрібно"), і він завершиться десь у найближчі рік чи два, є всілякі обмеження. "
Ці обмеження включають «схильність до галюцинацій, недостатні навчальні дані у вузькій області, навчальні корпуси років тому, які застаріли, або безліч інших причин». Вони додають: «Ми вже на хвості поточного ШІ хвиля».
Щоб було зрозуміло, Кедроскі та Норлін не вважають, що ШІ зайшов у глухий кут. Замість цього вони стверджують, що необхідні суттєві технологічні вдосконалення, щоб досягти чогось кращого, ніж «так собі автоматизація» та обмежене підвищення продуктивності. Вони вважають, що наступна хвиля включатиме нові моделі, більш відкритий вихідний код і особливо «повсюдні/дешеві графічні процесори», що, якщо це правильно, може не віщувати нічого доброго для Nvidia, але дозволить тим, хто потребує. Технологія приносить користь людям.
Як зазначає Fortune, Amazon чітко заявив про свій намір кинути виклик домінуванню Nvidia у виробництві мікросхем. Вони не самотні, оскільки багато стартапів змагаються за частку ринку, як і гіганти чіпів, включаючи AMD. Кинути виклик домінуючому чинному президенту надзвичайно важко. Принаймні в цьому випадку розширення джерел виробництва цих чіпів і зниження ціни на дефіцитні технології будуть ключовими для розвитку та поширення хвилі інновацій AIGC.
06 Наступна хвиля ШІ
Незважаючи на обмеження поточного покоління моделей і програм, майбутнє AIGC виглядає світлим. Ймовірно, існує кілька причин, що стоять за цим зобов’язанням, але, мабуть, найважливішою є дефіцит працівників з покоління в покоління в економіці, що й надалі стимулюватиме попит на більш високий рівень автоматизації.
Хоча штучний інтелект і автоматизація історично розглядалися окремо, ця точка зору змінюється з появою AIGC. Технологія все більше стає рушієм автоматизації та продуктивності. Майк Нооп, співзасновник компанії Zapier, що займається робочими процесами, згадав про це явище в нещодавньому подкасті Eye on AI, сказавши: «Штучний інтелект і автоматизація руйнуються в одне й те саме».
Звичайно, McKinsey у це вірить. «AIGC готова розв’язати наступну хвилю продуктивності», — заявили вони в останньому звіті. І вони не самотні. Наприклад, Goldman Sachs заявив, що нове покоління штучного інтелекту може збільшити світовий ВВП на 7%.
Незалежно від того, знаходимося ми на вершині нинішнього покоління штучного інтелекту чи ні, очевидно, що це сфера, яка продовжуватиме розвиватися та розпалюватиме дискусії на підприємстві. Виклики великі, але й можливості — особливо у світі, який прагне інновацій та ефективності. Битва за домінування графічних процесорів — це лише один знімок у цій розгортанні історії, пролог до майбутньої глави штучного інтелекту та обчислень.
Література:
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
AIGC знаходиться на переломній точці: що далі для впровадження в реальному світі?
Джерело: AGI Innovation Lab
Згідно з новим звітом аналітиків Bloomberg Intelligence, опублікованим на початку цього року, індустрія штучного інтелекту може зрости на 42 відсотки протягом десятиліття, починаючи з основ, необхідних для навчання систем штучного інтелекту. Це обумовлено попитом на обладнання, а потім попитом. для наступних пристроїв з використанням моделей ШІ, реклами та інших сервісів. Випуск орієнтованих на споживача інструментів штучного інтелекту, таких як ChatGPT і Google Bard, сприятиме десятирічному буму, який збільшить дохід ринку AIGC з 40 мільярдів доларів минулого року до приблизно 1,3 трильйона доларів до 2032 року.
Generative AI (AIGC) набуває все більшого поширення, особливо в бізнесі.
Наприклад, нещодавно Walmart оголосив, що розгорне додаток AIGC для 50 000 партнерів, які не є магазинами. Відповідно до Axios, програма поєднує дані Walmart зі сторонніми великими мовними моделями (LLM), щоб допомогти співробітникам виконувати низку завдань, від прискорення процесу складання до виконання ролі творчого партнера до підсумовування великих документів тощо.
Такі розгортання допомагають збільшити попит на графічні карти (GPU), необхідні для навчання потужних моделей глибокого навчання. Графічні процесори графічних карт — це спеціалізовані обчислювальні процесори, які виконують інструкції програмування паралельно, а не послідовно, як традиційний центральний процесор (CPU).
За даними Wall Street Journal, навчання цих моделей «може коштувати компаніям мільярди через величезні обсяги даних, які вони потребують для прийому й аналізу». Забезпечує підтримку програм ChatGPT і Bard chatbot.
01. На хвилі Generative AI
Тренд AIGC дав потужний поштовх головному постачальнику графічних процесорів Nvidia: компанія повідомила про приголомшливі прибутки за останній квартал. Принаймні для Nvidia настав час буму, оскільки майже кожна велика технологічна компанія намагається отримати в свої руки висококласні відеокарти зі штучним інтелектом.
Ерін Гріффітс написала в The New York Times, що стартапи та інвестори вживають надзвичайних заходів, щоб отримати ці мікросхеми: «Цього року технологічні компанії відчайдушно прагнуть не грошей, інженерного таланту, реклами чи навіть грошей. Прибуток, а бажання. для графічних процесорів».
Бен Томпсон називає це «Nvidia на вершині пагорба» в інформаційному бюлетені Stratechery цього тижня. Імпульс був ще більше посилений оголошенням про партнерство між Google і Nvidia, яке надасть хмарним клієнтам Google більший доступ до технологій на основі графічних процесорів Nvidia. Все це вказує на поточний дефіцит цих чіпів в умовах різкого зростання попиту.
Чи знаменують нинішні вимоги кульмінацію нового покоління штучного інтелекту чи, можливо, віщують початок наступної хвилі розробок?
02. Як генеративні технології формують майбутнє обчислювальної техніки
Генеральний директор Nvidia Дженсен Хуанг сказав під час нещодавнього звіту про прибутки компанії, що цей попит свідчить про початок «прискорених обчислень». Він додав, що компаніям було б доцільно «відвести капітальні інвестиції від обчислень загального призначення та зосередитися на створенні штучного інтелекту та прискоренні обчислень».
Обчислення загального призначення стосується ЦП, призначених для різноманітних завдань, від електронних таблиць до реляційних баз даних і ERP. Nvidia вважає, що центральні процесори тепер є застарілою інфраструктурою, і розробники повинні оптимізувати код GPU, щоб виконувати завдання ефективніше, ніж традиційні процесори.
Графічні процесори можуть виконувати багато обчислень одночасно, що робить їх ідеальними для таких завдань, як машинне навчання (ML), які виконують мільйони обчислень паралельно. Графічні процесори також особливо хороші в певних типах математичних обчислень, таких як завдання лінійної алгебри та обробки матриць, які є основою глибокого навчання та штучного інтелекту.
03. Графічні процесори мало користі для певних типів програмного забезпечення
Однак інші категорії програмного забезпечення, включно з більшістю існуючих бізнес-додатків, оптимізовані для роботи на центральних процесорах і мало користі від паралельного виконання інструкцій графічних процесорів.
Томпсон, схоже, дотримується подібної точки зору: «Я тлумачу тезу Дженсена Хуанга, що всі ці графічні процесори будуть використовуватися для багатьох із тих самих дій, які зараз виконуються на центральних процесорах; потенційний надлишок потужності, створений генеративним ШІ, буде заповнений поточними хмарними обчисленнями. навантаження».
Він продовжив: «Зважаючи на це, я сумніваюся: і люди, і компанії ліниві, а додатки на базі ЦП не тільки легше розробляти, але й здебільшого вже створені. Мені важко уявити, які компанії знадобляться час і Перенесення того, що вже працює на ЦП, на ГП."
04. Історія повторюється
Метт Ессей з InfoWorld нагадує нам, що ми бачили це раніше. "Коли вперше з'явилося машинне навчання, спеціалісти з обробки даних застосовували його до всього, навіть із простішими інструментами. Як одного разу зазначив дослідник даних Ноа Лоранг: "Лише невелика частина бізнес-проблем найкраще вирішується за допомогою машинного навчання; більшості людей просто потрібні хороші дані та зрозуміти, що це означає. "
Справа в тому, що прискорених обчислень і графічних процесорів недостатньо для всіх програмних потреб.
У Nvidia була сильна чверть, що спонукало до поточного стрімкого розвитку нового покоління програм ШІ. Компанія, природно, в захваті від цього. Однак, як ми бачили з нещодавнього циклу ажіотажу Gartner для нових технологій, нове покоління штучного інтелекту переживає момент і перебуває на піку завищених очікувань.
Засновник Університету Singularity та XPRIZE Пітер Діамандіс сказав, що ці очікування стосуються бачення майбутнього потенціалу без будь-яких негативних наслідків. «У цей момент ажіотаж починає породжувати безпідставне хвилювання та завищені очікування».
05. Поточні обмеження
На цьому етапі ми скоро досягнемо межі поточного захоплення AIGC. Як написали венчурні капіталісти Пол Кедроскі та Ерік Норлін з SK Ventures на Substack своєї фірми: "Наша думка полягає в тому, що ми знаходимося в кінці першої хвилі штучного інтелекту на основі великих мовних моделей. Ця хвиля почалася в 2017 році, з [Google] Трансформаторний папір ("Увага - це все, що вам потрібно"), і він завершиться десь у найближчі рік чи два, є всілякі обмеження. "
Ці обмеження включають «схильність до галюцинацій, недостатні навчальні дані у вузькій області, навчальні корпуси років тому, які застаріли, або безліч інших причин». Вони додають: «Ми вже на хвості поточного ШІ хвиля».
Щоб було зрозуміло, Кедроскі та Норлін не вважають, що ШІ зайшов у глухий кут. Замість цього вони стверджують, що необхідні суттєві технологічні вдосконалення, щоб досягти чогось кращого, ніж «так собі автоматизація» та обмежене підвищення продуктивності. Вони вважають, що наступна хвиля включатиме нові моделі, більш відкритий вихідний код і особливо «повсюдні/дешеві графічні процесори», що, якщо це правильно, може не віщувати нічого доброго для Nvidia, але дозволить тим, хто потребує. Технологія приносить користь людям.
Як зазначає Fortune, Amazon чітко заявив про свій намір кинути виклик домінуванню Nvidia у виробництві мікросхем. Вони не самотні, оскільки багато стартапів змагаються за частку ринку, як і гіганти чіпів, включаючи AMD. Кинути виклик домінуючому чинному президенту надзвичайно важко. Принаймні в цьому випадку розширення джерел виробництва цих чіпів і зниження ціни на дефіцитні технології будуть ключовими для розвитку та поширення хвилі інновацій AIGC.
06 Наступна хвиля ШІ
Незважаючи на обмеження поточного покоління моделей і програм, майбутнє AIGC виглядає світлим. Ймовірно, існує кілька причин, що стоять за цим зобов’язанням, але, мабуть, найважливішою є дефіцит працівників з покоління в покоління в економіці, що й надалі стимулюватиме попит на більш високий рівень автоматизації.
Хоча штучний інтелект і автоматизація історично розглядалися окремо, ця точка зору змінюється з появою AIGC. Технологія все більше стає рушієм автоматизації та продуктивності. Майк Нооп, співзасновник компанії Zapier, що займається робочими процесами, згадав про це явище в нещодавньому подкасті Eye on AI, сказавши: «Штучний інтелект і автоматизація руйнуються в одне й те саме».
Звичайно, McKinsey у це вірить. «AIGC готова розв’язати наступну хвилю продуктивності», — заявили вони в останньому звіті. І вони не самотні. Наприклад, Goldman Sachs заявив, що нове покоління штучного інтелекту може збільшити світовий ВВП на 7%.
Незалежно від того, знаходимося ми на вершині нинішнього покоління штучного інтелекту чи ні, очевидно, що це сфера, яка продовжуватиме розвиватися та розпалюватиме дискусії на підприємстві. Виклики великі, але й можливості — особливо у світі, який прагне інновацій та ефективності. Битва за домінування графічних процесорів — це лише один знімок у цій розгортанні історії, пролог до майбутньої глави штучного інтелекту та обчислень.
Література: