[ad_1]
El consumo de energía del acceso a la memoria consume órdenes de magnitud más energía que la lógica digital básica. Los sumadores y multiplicadores tienen una disipación de potencia que va desde menos de un picojulio cuando se usa aritmética de números enteros hasta unos pocos picojulios cuando se procesa aritmética de punto flotante.
Por el contrario, el coste energético de acceder a datos en caché aumenta en un orden de magnitud hasta 20-100 picojulios y hasta tres órdenes de magnitud hasta más de 1000 picojulios cuando se accede a datos en DRAM. Los procesadores AI y GenAI son ejemplos de diseños dominados por el movimiento de datos.
5. Los modelos de lenguajes grandes (LLM) continúan evolucionando con versiones más nuevas que son más pequeñas que las generaciones anteriores a medida que los ingenieros de algoritmos han aprendido a reducir sus dimensiones sin comprometer la funcionalidad.
No precisamente. Desde que un equipo de investigación de Google desarrolló los LLM hace varios años, han mejorado y crecido en tamaño continuamente. La tendencia continúa y plantea un desafío para el hardware de las computadoras. Para aliviar la presión sobre la comunidad de diseño de hardware, los equipos de modelado de software están diseñando modelos más pequeños para manejar tareas específicas en aplicaciones limitadas.
6. La creación de LLM es solo un proyecto de modelado de software. no requiere ninguna habilidad especial.
Según un panelista en la reciente Cumbre de IA Generativa Eficiente de 2023, puede haber 100 diseñadores de software en el mundo que tengan el talento para diseñar LLM efectivos y eficientes. Para darle al panelista el beneficio de la duda, el desarrollo de un LLM es tanto un esfuerzo técnico como una concepción artística que requiere habilidades únicas que ya no abundan en la actualidad.
7. Un único LLM define todos los casos de uso.
Este puede ser el sueño de todo equipo de desarrollo de LLM, pero la verdad es que es posible que ese objetivo nunca sea alcanzable. Un LLM aplicable a la redacción publicitaria y la creación de imágenes, vídeos y música en todo el universo de aplicaciones, incluidas las finanzas, el derecho, la medicina, la ciencia, la industria, el comercio, la educación y más, se convertiría en un modelo de valor astronómico que lidera Dimensiones. No es práctico de diseñar y prácticamente imposible de entrenar y desplegar.
8. GenAI es eficaz en todos los idiomas.
En general, un modelo GenAI se entrena en un lenguaje específico y luego se usa para inferencias en el mismo entorno lingüístico. Hasta ahora el idioma de desarrollo ha sido el inglés, pero también existen versiones en otros idiomas, por ejemplo en los principales idiomas europeos y asiáticos.
En principio, siempre es posible entrenar y luego implementar un modelo en cualquier idioma, pero los datos de origen necesarios para entrenar un modelo a fondo pueden no ser suficientes.
9. GenAI es imparcial y objetivo.
La IA se basa en una base estadística y no determinista. Las respuestas de GenAI introducen un cierto nivel de incertidumbre. Deben aceptarse sobre la base de que “probablemente” sean correctas. A menudo tienen razón; Es raro que se equivoquen. El ser humano que monitorea la aplicación GenAI siempre debe evaluar críticamente la reacción.
10. La GenAI puede reemplazar la creatividad y la innovación humanas.
Un claro no. Como se indicó en respuesta al Mito 8, las respuestas de GenAI deben ser evaluadas por un ser humano que tenga un amplio conocimiento del área específica en la que se aplicó GenAI. Ignorar la evaluación puede generar problemas y, en última instancia, poner en peligro las instituciones de un país entero, arruinar la educación y permitir el plagio.
Sin embargo, GenAI tiene el potencial de aumentar la productividad humana. Un informe de McKinsey de junio de 2023 titulado “El potencial económico de la IA generativa” afirma que la IA generativa podría contribuir hasta 4,4 billones de dólares anuales a la economía global en 63 casos de uso analizados. La estimación podría duplicarse si se considera el impacto de incorporar IA generativa en el software que actualmente se utiliza para otras tareas fuera de estos casos de uso.
11. GenAI es demasiado nueva y demasiado arriesgada.
GenAI es nueva, pero no arriesgada. Es un error creer que la humanidad desaparecerá porque la GenAI se ha descarrilado. El motivo de preocupación son algunas “amenazas de chatbots para destruir personas” informadas por blogueros, investigadores y otros.
Es importante no tomarse demasiado en serio las reacciones emocionales ante la IA. Finalmente, como comentan en la revista WIRED, somos capaces de restar importancia a las reacciones ante objetos inanimados. Pinocho, por ejemplo, nos dice que quiere ser un “niño de verdad”, pero ¿por qué reaccionamos con una crisis emocional cuando un chatbot dice que quiere casarse con nosotros?
Leer más artículos en cambio tecnológico: Generar IA.
[ad_2]