تنفق شركات التقنية ملايين الدولارات على تدريب نماذج الذكاء الاصطناعي المتقدمة مثل ChatGPT من OpenAI وGemini Ultra من Google.
وبمرور الوقت ترتفع التكلفة بسرعة كبيرة مع زيادة التقدم في تلك النماذج.
وكلما زاد تعقيد النموذج من الناحية الحسابية، ترتفع التكالبف اللازمة لتدريبه، ولذلك تحاول شركات الذكاء الاصطناعي التوصل لطرق جديدة لتدريب النماذج ولكن بتكلفة أقل لتواكب النمو.
ولتوضيح تكالبف تدريب نماذج الذكاء الاصطناعي، أعد موقع Visualcapitalist الرسم البياني التالي، معتمدًا على تحليل تقرير مؤشر الذكاء الاصطناعي لعام 2024 الصادر عن جامعة ستانفورد.
كيف يتم تحديد تكلفة التدريب؟
تعاون مؤشر الذكاء الاصطناعي مع شركة الأبحاث Epoch AI لتقدير تكاليف التدريب على نماذج الذكاء الاصطناعي، والتي كانت تعتمد على أسعار تأجير الحوسبة السحابية.
ومن بين العوامل الأساسية التي تم الاحتكام لها كان مدة تدريب النموذج ومعدل استخدام الأجهزة وقيمة أجهزة التدريب.
وعلى الرغم أن هناك ادعاءات بشأن الارتفاع المبالغ فيه لتكلفة تدريب نماذج الذكاء الاصطناعي، إلا أنه لا توجد بيانات شاملة تدعم تلك الادعاءات، ولكن مؤشر الذكاء الاصطناعي يُعد من بين المصادر النادرة التي توفر تلك البيانات.
ويستعرض الجدول التالي تكلفة التدريب لنماذج الذكاء الاصطناعي الرئيسية، معدلة حسب التضخم، منذ عام 2017.
تكاليف التدريب
أنفقت شركة OpenAI على تدريب نظام GPT-4 خلال العام الماضي نحو 78.4 مليون دولار، والذي يُعد ارتفاعًا كبيرًا مقارنة بتكلفة تدريب نموذج PaLM (540B) من غوغل، والذي كلف 12.4 مليون دولار في 2022.
وبالعودة قليلًا إلى الوراء، أنفقت شركة غوغل على تدريب نظام الذكاء الاصناعي المبكر Transformer في عام 2017 نحو 930 دولارًا.
ويلعب هذا النموذج دورًا أساسيًا في تشكيل بنية العديد من نماذج اللغات الكبيرة المستخدمة اليوم.
وفي الوقت الحالي، يكلف تدريب نموذج Gemini Ultra أيضًا من غوغل ما يصل إلى 191 مليون دولار، اعتبارًا من أوائل عام 2024.
ويتفوق النموذج على GPT-4 في العديد من المقاييس، أبرزها عبر معيار فهم لغة المهام المتعددة (MMLU).
ويعمل هذا المعيار على قياس قدرات نماذج اللغات الكبيرة بشكل حاسم، إذ إنه كمثال قادر على تقييم المعرفة والكفاءة لحل المشكلات في 57 مجالًا موضوعيًا.
التدريب في المستقبل
تسعى شركات التقنية لإيجاد حلولًا أقل تكلفة لتدريب نماذج الذكاء الاصطناعي المتقدمة، في ظل الارتفاع السريع للتكاليف.
ومن بين تلك الإجراءات التي تتخذها الشركات: إنشاء نماذج أصغر مصممة لأداء مهام محددة، إلى جانب تجربة إنشاء بيانات تركيبية خاصة بها لتغذيتها في أنظمة الذكاء الاصطناعي.
المصدر: Visualcapitalist
