"Great" SI wird den USA im Krieg mit China nicht helfen: Warum die Wandermaske für die Armee gefährlich ist

Forscher Gael Varoko von der University of Paris-Sakle, Alexander Sasha Luchni vom Institut von Quebek und Meredith Wittcker von Signal Foundation in seinem Artikel "Die Stabilität, Stabilität und Preis des Paradigmas" mehr und am besten "in der AI" studierte die Geschichte die Geschichte das oben erwähnte Prinzip vor Ort zu bilden. Sie stellten fest, dass diese Idee 2012 im Artikel der Professorin von Toronto Alex Kryzhevskaya University formuliert wurde.

In seiner Arbeit argumentierte Alex Kryzhevsk, dass große Datenmengen und große neuronale Netze viel bessere Ergebnisse erzielen, um Bilder zu klassifizieren als kleinere. Diese Idee wurde von anderen Forschern unterstützt, und später wurde dieser Ansatz bei großen KI -Unternehmen dominant. "Die Folge ist sowohl eine Explosion der Investitionen in große KI -Modelle als auch ein begleitender Sprung in die Größe bemerkenswerter (hoch zitierter) Modelle.

Generative KI, ob für Bilder oder Text oder für den Text, diese Annahme auf eine neue Annahme gebracht Ebene, wie innerhalb der Disziplin der KI -Forschungsdisziplin, sowie eines Bestandteils der beliebten Erzählung "mehr - es bedeutet besser", die die KI umgibt ", heißt es in der Studie. Das Material besagt, dass die Produktivität großer KI -Modelle nicht immer die Ressourcen rechtfertigt, die für ihren Betrieb benötigt werden.

Darüber hinaus birgt die Konzentration der Bemühungen auf dem Gebiet der KI in einer relativ kleinen Anzahl großer technologischer Unternehmen geopolitische Risiken. Trotz der Tatsache, dass das US-Verteidigungsministerium sowohl auf große KI als auch auf weniger große Profismodelle achtet, befürchten Experten, dass zukünftige Studien im Bereich "kleiner" AIs aufgrund des wachsenden Einflusses großer Schiunternehmen begrenzt sein könnten.

Ein Beispiel ist die Aussage des ehemaligen Google -Vorsitzenden Eric Schmidt, der erklärte, dass Unternehmen und Regierungen sich weiterhin energie -intensive große KI -Modelle engagieren sollten, unabhängig von den Energiekosten, da "wir immer noch keine Klimaziele erreichen". Gleichzeitig steigen die Umweltkosten, insbesondere den Energieverbrauch, viel schneller als die Produktivität von KI -Modellen.

Experten weisen darauf hin, dass Studien auf dem Gebiet der KI nach dem Prinzip von "More - bedeutet besser" zu Verengung und Verlust der Vielfalt in diesem Bereich. Nach der Verteidigung kann diese Verengung negative Folgen für die Entwicklung des KI -Militärs haben. Tatsache ist, dass kleinere KI -Modelle an Orten wichtig sein können, an denen Computerressourcen klein und zeitweise, selten oder sogar nicht vorhanden sind.

"Es ist häufig der Fall, dass sich kleiner, mehr auf die Aufgaben des Modells konzentriert als große, breite Modelle, wenn bestimmte Aufgaben unter dem Strom gelöst werden", heißt es in einem separaten Artikel, der von einer Gruppe von Forschern aus Berkeley veröffentlicht wurde . Beispielsweise wurden UAVs unter der Wirkung des HRS und in kleinen Basen in fortgeschrittenen Positionen betrieben, in denen die Energie niedrig ist und die Bindung schwach ist.

Die Betreiber können auf eine Reihe von Situationen stoßen, in denen ein KI -Modell, das auf einer relativ kleinen Reihe von Daten arbeitet, und keine massive Serverfarm oder eine große Anzahl von Grafikprozessoren benötigt. Dies können Anwendungen für UAV- und Satellitenbilder sowie Technologien zur Verarbeitung wirtschaftlicher, Wetter-, demografischer und anderer Daten zur Planung effizienterer und sichererer Vorgänge in Städten sein.

"Aber wenn der KI -Forschungssektor dem großen Experten vor der Kleinigkeit Vorrang hat, kann dies weniger Forschung und weniger Experten bedeuten, den Betreibern beizubringen, wie sie ihre eigenen kleinen KI -Modelle gut schaffen können", heißt es in der Veröffentlichung. Eine weitere potenzielle Folge der Prioritätsentwicklung der "großen" KI ist die Konzentration der Macht. Nur einige Unternehmen haben Ressourcen, um große Modelle zu erstellen und einzusetzen.

Ein Beispiel wird von Ilon Musk erwähnt, einem der reichsten Verteidiger der Welt. Ilon Musk wird auch zu einer der wichtigsten finanziellen Akteure bei der Entwicklung der zukünftigen KI. "Konzentrierte private Macht über AI schafft ein kleines und finanziell motiviertes Segment von Personen, die im Bereich der KI Entscheidungen treffen.

Wir müssen berücksichtigen, wie eine solche konzentrierte Macht mit der Agentur über zentraler KI unter autoritären Bedingungen eine Gesellschaft bilden kann", sagten die Forscher, die Forscher zu bilden " . Laut Defense One teilt eine neue Klasse von KI -Experten auch die Meinung aus, dass die Konzentration auf die "große" KI durch Ansätze unterdrückt wird, die für bestimmte Gruppen nützlicher sein könnten.

Ja, der CEO des Startup Shi nützlichen Sensoren Pete Worden sagte zu der Veröffentlichung, dass die Besessenheit der Branche und der akademischen Kreise durch größere KI das, was die meisten Menschen tatsächlich von der KI wollen, übersehen. "Akademische Benchmarks sind mit den Anforderungen der realen Welt nicht einverstanden. Zum Beispiel möchten viele Kunden lediglich in der Lage sein, Ergebnisse aus verfügbaren Informationen (z. Betrachten Sie es nicht als interessant “, sagte Pit.

Worden. Drew Breunig, ein Exklusive von Daten zu Daten und strategischen Kunden, die jetzt genau arbeiten, fügte hinzu, dass die hohen Erwartungen vieler Menschen an großen KI -Modellen wahrscheinlich nicht gerechtfertigt sind. Drew Breunig teilt die KI in drei Gruppen auf. Das erste ist die "Götter", die er als "überwinden KI -Teile" definiert und "Menschen ersetzt, die viele verschiedene Dinge ohne Aufsicht machen".

Unterhalb der Hierarchie befinden sich "Auszubildende", die er als "Besonderheiten für den Fachbereich" beschreibt, die Experten bei harten und anstrengenden Arbeiten unterstützen und das tun, was der Auszubildende tun könnte ". Diese Modelle stehen unter der Aufsicht von Experten. Die dritte, die lokalste Form der KI, Drew Breunig nannte "Gears". Dies sind Modelle für dieselbe Aufgabe mit sehr geringem Fehlerwiderstand, die ohne Überwachung in Anwendungen oder Förderern funktionieren.

Laut dem Experten ist dies die häufigste Art von KI, die von Unternehmen verwendet wird. Alle großen Plattformen haben auf die Hilfe von Unternehmen umgestellt, um ihre eigenen Daten herunterzuladen, um Modelle von KI einzurichten, was gut abschneiden kann.

"Eine coole Sache, sich auf die Zahnräder zu konzentrieren, ist, dass Sie so viele mit kleinen Modellen herstellen können! Ein winziges Modell, das für eine Sache konfiguriert ist, kann das riesige allgemeine Modell übertreffen, wenn es dieselbe Aufgabe erledigt", summte der Experte zusammen.

Zuvor haben die amerikanischen Senatoren Maggie Hassan und Marsha Blackburn erklärt, dass China in der Quanteninformationswissenschaft erfolgreich sei und diese Richtung der Entwicklung der Vereinigten Staaten nach Maßstab und Berichterstattung überschritten hat. Es wurde auch berichtet, dass das letztere Modell der künstlichen Intelligenz OpenAI O1 eine Abweichung vom menschlichen Denken zeigt und die Suche nach den richtigen Antworten nach Versuch und Irrtum betrifft.