Wraz z postępem technologicznym koszty szkolenia zaawansowanych modeli sztucznej inteligencji rosną w zastraszającym tempie. Dzisiejsze ceny, które sięgają setek milionów dolarów, mogą niebawem przekroczyć miliard – takie prognozy przedstawia Dario Amodei, dyrektor generalny firmy Anthropic.
Słynny badacz AI podkreśla, że obecne modele AI, jak na przykład ostatnia wersja GPT-4.o, kosztowały około 100 milionów dolarów na etapie ich szkolenia. Amodei wskazuje, że przyszłe iteracje mogą być jeszcze droższe, nawet do dziesięciu razy więcej. Prognozy te nie są bezpodstawne, biorąc pod uwagę dynamiczny rozwój technologii AI i coraz większe wymagania dotyczące zasobów obliczeniowych.
W jednym z podcastów, Amodei zaznacza, że przewiduje wzrost kosztów szkolenia modeli AI do poziomu od dziesięciu do stu miliardów dolarów w ciągu najbliższych lat. “To nie tylko kwestia kosztów sprzętu, ale również wzrastających potrzeb energetycznych i infrastrukturalnych,” dodaje.
Wpływ na koszty – sprzęt i zużycie energii
Największym wydatkiem związanym z szkoleniem zaawansowanych modeli AI jest sprzęt. Wiodący producenci, tak jak Nvidia z jej chipami B200, oferują rozwiązania GPU, które są niezbędne do efektywnego szkolenia modeli AI. Jednak pojedynczy chip B200 kosztuje ponad 30 000 USD, a przyszłe potrzeby takie jak wymagane 30 000 GPU przez firmę OpenAI, zauważa Sam Altman, mogą już samym kosztem zbliżać się do miliarda dolarów.
Dodatkowo, ogromne klastry GPU pochłaniają znaczące ilości energii, co stwarza wyzwanie zrównoważonego rozwoju. Firmy, takie jak Google, mają ambitne cele dotyczące redukcji emisji gazów cieplarnianych, ale jednocześnie muszą radzić sobie z rosnącym zapotrzebowaniem na zasilanie z powodu rozwijających się systemów AI. W ciągu ostatnich pięciu lat wzrost wykorzystania AI przyczynił się do zwiększenia emisji o 48 procent, co stanowi istotny problem dla środowiska.
Przyszłość AI i wyzwania
Perspektywy rozwoju sztucznej inteligencji obiecują znaczące korzyści w wielu dziedzinach życia, ale wiążą się również z wyzwaniami finansowymi i ekologicznymi. Z jednej strony, prognozowane przekroczenie miliardowych kosztów szkolenia modeli AI może ograniczyć dostępność najnowszych technologii dla mniejszych organizacji badawczych i firm. Z drugiej strony, wzrost zapotrzebowania na energię stawia pod znakiem zapytania zrównoważoność ekologiczną nowych technologii.
W obliczu tych wyzwań kluczowe będzie dążenie do innowacji, które mogą zredukować koszty szkolenia modeli AI i zminimalizować negatywny wpływ na środowisko. Przyszłość sztucznej inteligencji z pewnością będzie kształtowana przez efektywne zarządzanie zasobami i odpowiedzialne podejście do rozwoju technologii.