Süni intellekt 100 dəfə daha sürətli öyrənə biləcək

Süni intellekt hər gün daha çox enerji sərf edir və məlumat mərkəzləri bu artan tələbi qarşılamaqda çətinlik çəkir. Ancaq yeni hazırlanmış təlim metodu, süni intellektə enerji istifadəsini azaltmaqla eyni dəqiqlik səviyyəsini saxlamağa imkan verə bilər.

Citypost.az xəbər verir ki, böyük dil modelləri (LLM) kimi süni intellekt texnologiyaları gündəlik həyatın ayrılmaz hissəsinə çevrilib.

Bununla belə, bu texnologiyaları dəstəkləyən məlumat mərkəzləri böyük miqdarda enerji istehlak edir. Təkcə Almaniyada məlumat mərkəzləri 2020-ci ildə təxminən 16 milyard kilovatsaat (kVt/saat) elektrik enerjisi istehlak edib və 2025-ci ilə qədər bu həcmin 22 milyard kilovatsaata çatacağı gözlənilir. Süni intellekt tətbiqləri getdikcə mürəkkəbləşdikcə, bu enerji tələbatı daha da artacaq.

100 qat daha sürətli, eyni dəqiqlik

Süni intellekt modellərinin hazırlanması xüsusilə neyron şəbəkələri üçün böyük miqdarda hesablama gücü tələb edir. Bu problemi həll etmək üçün hazırlanmış yeni üsul ənənəvi yanaşmalardan 100 dəfə daha sürətli işləyir və eyni dəqiqlik səviyyəsini saxlayır. Bu irəliləyiş AI təlimi üçün tələb olunan enerji miqdarını əhəmiyyətli dərəcədə azaltmaq potensialına malikdir.

Neyron şəbəkələri insan beynindən ilham alaraq hazırlanmış bir sistemdir. Süni neyronlardan ibarət olan bu şəbəkələr girişlərə müəyyən çəkilər təyin etməklə məlumatları emal edir. Kifayət qədər həddi keçdikdən sonra siqnal növbəti təbəqəyə ötürülür.

Bu şəbəkələrin hazırlanması böyük miqdarda hesablamalar tələb edir. Əvvəlcə şəbəkə daxilində parametrlər təsadüfi olaraq müəyyən edilir və sonra modelin dəqiqliyini artıraraq bir çox iterasiyalar üzərində düzəlişlər edilir. Lakin bu proses böyük enerji xərclərinə səbəb olur.

Yeni ehtimala əsaslanan təhsil metodu

Fizika əsaslı Maşın Öyrənmə professoru Feliks Ditrix və komandası süni intellekt təlimində inqilab yarada biləcək yeni metod hazırlayıblar. Ənənəvi üsullardan fərqli olaraq, bu yeni yanaşma təkrarlamalar vasitəsilə parametrləri müəyyən etməkdənsə, ehtimallardan istifadə edir.

Bu üsul təlim məlumatlarında böyük və sürətli dəyişikliklərin baş verdiyi kritik nöqtələrdə dəyərləri hədəf alaraq işləyir. Bu yanaşmadan istifadə edərək tədqiqatçılar enerjiyə qənaət edən dinamik sistemlər əldə etməyi hədəfləyirlər. Belə sistemlər zamanla müəyyən qaydalara uyğun olaraq dəyişir və iqlim modelləri və maliyyə bazarları kimi sahələrdə istifadə olunur.

Daha az enerji ilə yüksək səmərəlilik

Həmçinin oxuyun

Müğənni qəbiristanlıqda yandırılıb? - Anasından şok ittiham (VİDEO+FOTO)

Moskva ətrafında PUA hücumu zamanı doqquz nəfər yaralanıb, bir nəfər ölüb

Xoşqədəm Hidayətqızı məhkəməyə verilir  —  Efirdə nə baş verib? (VİDEO)

Fərid Əhmədov Fikrət Məmmədovun qərarını ləğv etdi 

“Bizim metodumuz minimal hesablama gücü ilə tələb olunan parametrləri müəyyən etməyə imkan verir. "Beləliklə, neyron şəbəkələrinin təlimi daha sürətli və daha enerji səmərəli olur" dedi Feliks Ditrix, eyni zamanda bu metodun dəqiqliyinin iterativ şəkildə öyrədilmiş şəbəkələrlə müqayisə oluna biləcəyini vurğuladı.

Bu yeni yanaşma süni intellektin ətraf mühitə təsirini azaltmaqla onun davamlı texnologiyaya çevrilməsinə kömək edə bilər. Mütəxəssislər bu ixtiranın gələcəkdə daha geniş süni intellekt tətbiqlərində istifadə oluna biləcəyini bildirirlər.

Yeganə