محققان DeepMind در گوگل به تازگی روش جدیدی را برای تسریع فرآیند آموزش هوش مصنوعی توسعه داده‌اند که به طرز چشمگیری می‌تواند منابع محاسباتی و زمان مورد نیاز برای این کار را کاهش دهد.
در صنعت هوش مصنوعی، مصرف انرژی به طور قابل توجهی بالا است، زیرا سیستم‌های بزرگ‌مقیاس مانند ChatGPT نیاز به قدرت پردازشی زیادی دارند و همچنین انرژی و آب زیادی برای خنک‌سازی این سیستم‌ها مصرف می‌شود. به عنوان نمونه، مصرف آب مایکروسافت به دلیل افزایش تقاضا برای فناوری‌های هوش مصنوعی از سال 2021 تا 2022 به میزان 34 درصد افزایش یافته است. برای هر 5 تا 50 درخواست از ChatGPT، تقریباً نیم لیتر آب مورد نیاز است.
پیشرفت‌های DeepMind در کاهش منابع مورد نیاز برای آموزش هوش مصنوعی می‌تواند تأثیرات مثبت بزرگی در صنعت تکنولوژی داشته باشد. این نوآوری نه تنها به کاهش هزینه‌ها و زمان پردازش کمک می‌کند، بلکه به کاهش مصرف انرژی و منابع طبیعی نیز منجر می‌شود. با توجه به بحران‌های زیست‌محیطی و افزایش مصرف انرژی در دوران کنونی، چنین دستاوردهایی می‌توانند به پیشبرد توسعه پایدار در عرصه فناوری اطلاعات کمک کنند و به عنوان نمونه‌ای از مسئولیت‌پذیری زیست‌محیطی در صنعت فناوری تلقی شوند.
نحوه کار تکنیک جدید گوگل برای آموزش هوش مصنوعی
با این حال، رویکردهایی مانند روش جدید گوگل تحت عنوان «یادگیری متضاد چندوجهی با انتخاب مثال مشترک» (JEST) راه‌حل‌هایی برای کاهش چالش‌های فعلی در زمینه آموزش هوش مصنوعی ارائه می‌دهند. در تحقیقات اخیر گوگل، معرفی JEST به عنوان روشی برای بهینه‌سازی انتخاب داده‌ها برای آموزش مدل‌های هوش مصنوعی مطرح شده است. این روش می‌تواند تعداد تکرارهای مورد نیاز و توان محاسباتی را به طور قابل توجهی کاهش دهد، که در نتیجه به کاهش مصرف کلی انرژی در فرآیندهای هوش مصنوعی کمک می‌کند.
تکنیک JEST به این صورت عمل می‌کند که با انتخاب مجموعه‌ای از داده‌های مکمل و متنوع، قابلیت یادگیری مدل‌های هوش مصنوعی را به حداکثر می‌رساند. برخلاف روش‌های سنتی که به صورت جداگانه به نمونه‌های مختلف پرداخته می‌شود، این الگوریتم به طور کلی به ترکیب و تعامل داده‌ها توجه می‌کند. به عنوان مثال، فرض کنید که شما در حال یادگیری چند زبان مختلف هستید؛ به جای اینکه هر زبان را به طور جداگانه و مرحله به مرحله یاد بگیرید، JEST به شما کمک می‌کند تا از ترکیب و تعامل میان زبان‌ها به گونه‌ای بهره‌برداری کنید که آموزش بهینه‌تر و مؤثرتری داشته باشید.
پیشرفت‌های جدید گوگل در زمینه JEST می‌تواند نقطه عطفی در بهینه‌سازی فرآیندهای آموزشی هوش مصنوعی باشد. این تکنیک با کاهش تعداد تکرارها و توان محاسباتی مورد نیاز، نه تنها به کاهش هزینه‌ها و زمان پردازش کمک می‌کند، بلکه می‌تواند به طور مؤثری مصرف انرژی در صنعت هوش مصنوعی را کاهش دهد. در شرایطی که بحران‌های زیست‌محیطی و نیاز به توسعه پایدار در حال افزایش است، این دستاوردها نشان‌دهنده تعهد به پیشرفت‌های علمی و زیست‌محیطی در دنیای فناوری هستند و می‌توانند الگویی برای سایر شرکت‌ها در جهت بهبود کارایی و کاهش اثرات زیست‌محیطی باشند.
جنجال های خبری در خصوص توسعه هوش مصنوعی در یک سال گذشته جنبه های مثبت و منفی این فناوری جدید را به مباحث جدی در محافل علمی و عمومی تبدیل کرده است. برای مثال در گوشی های هوشمند سامسونگ و گوشی های شیائومی شاهد توسعه سریع این فناوری در یک سال گذشته بوده ایم و اخیرا شرکت اپل هم با رویکرد حفظ حریم خصوصی از هوش مصنوعی جدید خود برای توسعه گوشی های هوشمند اپل پرده برداری کرده است.