[ad_1]
An বিশ্লেষণ এপোচ এআই দ্বারা, একটি অলাভজনক এআই গবেষণা ইনস্টিটিউট, এআই শিল্পটি এআই মডেলগুলি দীর্ঘকাল ধরে যুক্তির বাইরে প্রচুর পারফরম্যান্স লাভ অর্জন করতে সক্ষম হতে পারে না বলে পরামর্শ দেয়। এক বছরের মধ্যে যত তাড়াতাড়ি, যুক্তিযুক্ত মডেলগুলি থেকে অগ্রগতি হ্রাস পেতে পারে, প্রতিবেদনের অনুসন্ধানগুলি অনুসারে।
ওপেনাইয়ের ও 3 এর মতো যুক্তিযুক্ত মডেলগুলি সাম্প্রতিক মাসগুলিতে এআই বেঞ্চমার্কগুলিতে যথেষ্ট পরিমাণে লাভের দিকে পরিচালিত করেছে, বিশেষত গণিত এবং প্রোগ্রামিং দক্ষতা পরিমাপকারী মানদণ্ডগুলি। মডেলগুলি সমস্যাগুলিতে আরও কম্পিউটিং প্রয়োগ করতে পারে, যা তাদের কার্যকারিতা উন্নত করতে পারে, নেতিবাচক দিকটি হ’ল তারা প্রচলিত মডেলগুলির চেয়ে বেশি সময় নেয় কাজগুলি সম্পূর্ণ করতে।
যুক্তিযুক্ত মডেলগুলি প্রথমে প্রচুর পরিমাণে ডেটা সম্পর্কে একটি প্রচলিত মডেলকে প্রশিক্ষণ দিয়ে তৈরি করা হয়, তারপরে রিইনফোর্সমেন্ট লার্নিং নামে একটি কৌশল প্রয়োগ করে, যা কার্যকরভাবে কঠিন সমস্যার সমাধানগুলির জন্য মডেলটিকে “প্রতিক্রিয়া” দেয়।
এপোচের মতে, এখনও অবধি ওপেনাইয়ের মতো ফ্রন্টিয়ার এআই ল্যাবগুলি যুক্তিযুক্ত মডেল প্রশিক্ষণের শক্তিবৃদ্ধি শেখার পর্যায়ে প্রচুর পরিমাণে কম্পিউটিং শক্তি প্রয়োগ করেনি।
এটা বদলে যাচ্ছে। ওপেনাই বলেছে যে এটি পূর্বসূরি, ও 1 এর চেয়ে ও 3 প্রশিক্ষণের জন্য 10x বেশি কম্পিউটিংয়ের কাছাকাছি প্রয়োগ করেছে এবং ইপোক অনুমান করেছেন যে এই কম্পিউটিংয়ের বেশিরভাগটি শক্তিবৃদ্ধি শেখার জন্য নিবেদিত ছিল। এবং ওপেনএআই গবেষক ড্যান রবার্টস সম্প্রতি প্রকাশ করেছেন যে সংস্থার ভবিষ্যতের পরিকল্পনাগুলির আহ্বান জানানো হয়েছে শক্তিবৃদ্ধি শেখার অগ্রাধিকার দেওয়া প্রাথমিক মডেল প্রশিক্ষণের চেয়ে আরও বেশি কম্পিউটিং শক্তি ব্যবহার করা।
তবে যুগে যুগে প্রতি শক্তিবৃদ্ধি শেখার ক্ষেত্রে কতটা কম্পিউটিং প্রয়োগ করা যেতে পারে তার এখনও একটি উপরের আবদ্ধ রয়েছে।
জোশ ইউ, ইপোচের একজন বিশ্লেষক এবং বিশ্লেষণের লেখক, ব্যাখ্যা করেছেন যে স্ট্যান্ডার্ড এআই মডেল প্রশিক্ষণ থেকে পারফরম্যান্স লাভগুলি বর্তমানে প্রতি বছর চারগুণ চলছে, যখন শক্তিবৃদ্ধি শেখার পারফরম্যান্স লাভগুলি প্রতি 3-5 মাসে দশগুণ বাড়ছে। যুক্তি প্রশিক্ষণের অগ্রগতি “সম্ভবত 2026 সালের মধ্যে সামগ্রিক সীমান্তের সাথে রূপান্তরিত হবে”, তিনি আরও বলেছিলেন।
ইপোকের বিশ্লেষণ বেশ কয়েকটি অনুমান করে এবং এআই কোম্পানির আধিকারিকদের জনসাধারণের মন্তব্যে অংশ নিয়েছে। তবে এটি কেসটিও তৈরি করে যে স্কেলিং যুক্তিযুক্ত মডেলগুলি গবেষণার জন্য উচ্চ ওভারহেড ব্যয় সহ কম্পিউটারের পাশাপাশি কারণে কারণগুলির জন্য চ্যালেঞ্জ হিসাবে প্রমাণিত হতে পারে।
“যদি গবেষণার জন্য অবিচ্ছিন্ন ওভারহেড ব্যয় প্রয়োজন হয় তবে যুক্তিযুক্ত মডেলগুলি প্রত্যাশার মতো স্কেল নাও করতে পারে,” আপনি লিখেছেন। “দ্রুত গণনা স্কেলিং সম্ভবত মডেল অগ্রগতিতে যুক্তিযুক্ত একটি খুব গুরুত্বপূর্ণ উপাদান, সুতরাং এটি এটিকে ঘনিষ্ঠভাবে ট্র্যাক করার মতো” “
যে ইঙ্গিত দেয় যে যুক্তিযুক্ত মডেলগুলি অদূর ভবিষ্যতে কোনও ধরণের সীমাতে পৌঁছতে পারে এআই শিল্পকে উদ্বিগ্ন হতে পারে, যা এই ধরণের মডেলগুলির বিকাশকারী প্রচুর সংস্থান বিনিয়োগ করেছে। ইতিমধ্যে, অধ্যয়নগুলি দেখিয়েছে যে যুক্তিযুক্ত মডেলগুলি, যা চালানো অবিশ্বাস্যভাবে ব্যয়বহুল হতে পারে, গুরুতর ত্রুটি থাকতে পারে, যেমন নির্দিষ্ট প্রচলিত মডেলের চেয়ে বেশি হ্যালুসিনেট করার প্রবণতার মতো।
[ad_2]
