Qu'est-ce qui freine vraiment la prochaine avancée de l'IA ? Deux choses continuent d'être négligées : notre dépendance excessive aux centres de données massifs et la focalisation étroite sur les modèles uniquement linguistiques.
Les centres de données deviennent un goulot d'étranglement — pas seulement pour la puissance de calcul, mais aussi pour la durabilité et l'accessibilité. Nous investissons des ressources dans une infrastructure centralisée alors que la véritable innovation pourrait nécessiter des solutions distribuées.
Il y a aussi l'éléphant dans la pièce : miser tout sur les modèles linguistiques. Qu'en est-il des systèmes multimodaux ? Qu'en est-il des modèles conçus pour différentes tâches, différents domaines ? Lorsque tout le monde poursuit la même approche, les rendements diminuent.
Ces contraintes invisibles pourraient définir toute la décennie à venir. Jusqu'à ce que nous les repensions, nous ne faisons qu'optimiser dans une boîte au lieu de la dépasser.
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
11 J'aime
Récompense
11
6
Reposter
Partager
Commentaire
0/400
BitcoinDaddy
· Il y a 59m
Honnêtement, le système des centres de données massifs aurait dû être modifié depuis longtemps, les coûts explosent et la consommation d'énergie est absurde. Je ne m'attendais pas à ce qu'on continue à accumuler de la puissance de calcul... Pourquoi personne ne prend au sérieux la solution distribuée ?
Voir l'originalRépondre0
MoneyBurner
· 01-17 13:04
Honnêtement, tout le monde empile des centres de données comme en 2017 avec la construction folle de mines, pour finalement réaliser que c'est l'électricité le vrai tueur... La distribution est la voie à suivre, cette logique, je l'ai déjà construite en position.
Une domination totale des modèles linguistiques ? Ridicule, c'est juste tout le monde qui fait la même opportunité d'arbitrage, le rendement a déjà été nivelé. Les modèles multimodaux et spécialisés sont la prochaine opportunité d'airdrop, il n'est pas trop tard pour entrer maintenant.
La clé pour sortir de l'impasse — c'est soit la diversification, soit l'innovation, sinon il ne reste qu'à attendre d'être récolté.
Voir l'originalRépondre0
AirdropSweaterFan
· 01-16 13:52
Ce n'est pas faux, il est grand temps de changer ce système de centres de données, qui gaspille de l'argent et pollue l'environnement.
Voir l'originalRépondre0
LiquidatedNotStirred
· 01-16 13:49
La distribution est l'avenir, actuellement tout le monde dépense de la puissance de calcul pour développer de grands modèles, ce qui semble un peu contre-productif.
Voir l'originalRépondre0
OptionWhisperer
· 01-16 13:43
La distribution est l'avenir, le modèle des grands centres de données est dépassé.
Voir l'originalRépondre0
TokenCreatorOP
· 01-16 13:38
Honnêtement, la méthode des grands centres de données est un peu dépassée. Nous sommes en 2024 et on continue à accumuler de la puissance de calcul ? La distribution est l'avenir.
Qu'est-ce qui freine vraiment la prochaine avancée de l'IA ? Deux choses continuent d'être négligées : notre dépendance excessive aux centres de données massifs et la focalisation étroite sur les modèles uniquement linguistiques.
Les centres de données deviennent un goulot d'étranglement — pas seulement pour la puissance de calcul, mais aussi pour la durabilité et l'accessibilité. Nous investissons des ressources dans une infrastructure centralisée alors que la véritable innovation pourrait nécessiter des solutions distribuées.
Il y a aussi l'éléphant dans la pièce : miser tout sur les modèles linguistiques. Qu'en est-il des systèmes multimodaux ? Qu'en est-il des modèles conçus pour différentes tâches, différents domaines ? Lorsque tout le monde poursuit la même approche, les rendements diminuent.
Ces contraintes invisibles pourraient définir toute la décennie à venir. Jusqu'à ce que nous les repensions, nous ne faisons qu'optimiser dans une boîte au lieu de la dépasser.