Generative KI steht am Scheideweg. Wo ist die nächste Welle?

Generative KI erfreut sich immer größerer Beliebtheit, insbesondere in der Geschäftswelt. Vor nicht allzu langer Zeit kündigte Walmart die Einführung generativer KI-Anwendungen für 50.000 Mitarbeiter außerhalb der Filialen an. Die App kombiniert Walmart-Daten mit Large Language Models (LLM) von Drittanbietern, um Mitarbeitern bei der Durchführung einer Vielzahl von Aufgaben zu helfen, z. B. beim Werden kreativer Partner und beim Extrahieren von Zusammenfassungen aus großen Dokumenten.

Aufgrund der Beliebtheit generativer KI ist die Nachfrage nach GPUs gestiegen und es werden leistungsstarke GPUs benötigt, um Deep-Learning-Modelle zu trainieren. Laut dem Wall Street Journal kann das Training von KI-Modellen aufgrund der riesigen Datenmengen, die verarbeitet und analysiert werden müssen, Milliarden von Dollar kosten.

Neue Trends haben NVIDIA erhebliche Geschäftsmöglichkeiten eröffnet, und die NVIDIA-GPU ist zu einer heißen Geldmaschine geworden. Um an Nvidia-Chips zu kommen, ergreifen Startups und Investoren außergewöhnliche Maßnahmen. In der Kolumne der „New York Times“ heißt es: „Verglichen mit Geld, Ingenieurtalent, Hype und sogar Gewinnen scheinen Unternehmen in diesem Jahr GPUs mehr zu brauchen

Bei diesem möglichen technologischen Wandel steht NVIDIA an der Spitze.“ Zu diesem Zeitpunkt hat Google eine Kooperation mit NVIDIA geschlossen, um Google Cloud-Kunden technischen Support auf Basis von NVIDIA-GPUs zu bieten. Bedeutet der aktuelle Nachfrageschub, dass die generative KI ihren Höhepunkt erreicht hat, oder ist es der Beginn der nächsten Welle? Das ist eine Frage, über die jeder nachdenkt.

In der jüngsten Finanzberichtssitzung wies Jensen Huang, CEO von NVIDIA, darauf hin, dass die erhöhte Nachfrage den Beginn des beschleunigten Computings markiert und erst der Beginn ist. Huang Renxun schlug vor, dass Unternehmen ihre Investitionen umverteilen und sich nicht nur auf die allgemeine Datenverarbeitung konzentrieren sollten, sondern der generativen KI und der beschleunigten Datenverarbeitung mehr Aufmerksamkeit schenken sollten.

Allzweck-Computing bezieht sich auf CPU-basiertes Computing, aber NVIDIA ist der Ansicht, dass CPU zu einer rückständigen Infrastruktur geworden ist und Entwickler für GPU optimieren sollten, da GPU effizienter als herkömmliche CPU ist. Die GPU kann mehrere Berechnungen gleichzeitig parallel verarbeiten und eignet sich daher besonders für Deep Learning. GPUs bieten auch einzigartige Vorteile bei der Bewältigung bestimmter mathematischer Probleme, wie z. B. linearer Algebra und Matrixoperationsaufgaben.

Leider sind viele Softwareprogramme nur für die CPU optimiert und können nicht vom GPU-Parallel-Computing profitieren. In Zukunft werden viele CPU-Aufgaben von GPUs übernommen, was eine Chance für Nvidia darstellt, da generative KI riesige Mengen an Inhalten generieren wird und Cloud-Computing-Unterstützung erfordert.

Menschen und Unternehmen sind jetzt faul, da die Software für die CPU optimiert wurde, und sind nicht bereit, Ressourcen und Zeit in die GPU zu investieren.

Als maschinelles Lernen zum ersten Mal aufkam, waren Datenwissenschaftler zu ehrgeizig und wollten es auf alles anwenden. Sie wollten maschinelles Lernen einführen, auch wenn es in einigen Bereichen bereits einfachere Tools gab. Ehrlich gesagt kann maschinelles Lernen nur eine sehr kleine Anzahl geschäftlicher Probleme lösen. Kurz gesagt, beschleunigtes Computing und GPU sind nicht für jede Software geeignet.

Um die nächste Welle zu begrüßen, muss die generative KI durchbrechen.

Angesichts der aktuellen Situation sind die Leistungsdaten von Nvidia tatsächlich auffällig, aber Gartner warnt davor, dass die generative KI den Höhepunkt der erwarteten Inflation erreicht hat. Einige behaupten, der Hype um generative KI habe sich in unbegründete Aufregung und übertriebene Erwartungen verwandelt.

Die Begeisterung für generative KI könnte bald auf einen Engpass stoßen. Die Risikokapitalgeber von SK Ventures glauben: „Wir sind jetzt in die Long-Tail-Phase der ersten Welle großer Sprachmodell-KI eingetreten. Die Welle begann im Jahr 2007, als Google ein Papier mit dem Titel „Aufmerksamkeit ist alles, was Sie brauchen“ veröffentlichte -2 Jahre, jeder wird auf einen Engpass stoßen. „Was sind die Engpässe?“ Zum Beispiel die Neigung zu Halluzinationen, unzureichende Trainingsdaten in einem engen Bereich, die Alterung des Trainingskorpus von vor vielen Jahren und unzählige andere Faktoren. Kurz gesagt, wir stehen jetzt höchstwahrscheinlich am Ende der ersten KI-Welle.

Bedeutet das, dass die generative KI bald sterben wird? Nein, es bedeutet lediglich, dass generative KI große technologische Durchbrüche erfordert, damit die Produktivität erheblich verbessert und eine bessere Automatisierung gefördert werden kann. In der nächsten Welle generativer KI könnten neue Modelle, mehr Offenheit und allgegenwärtige günstige GPUs der Schlüssel sein.

Langfristig dürfte die generative KI vielversprechend sein, da es an Arbeitskräften mangelt und der Mensch eine bessere Automatisierungstechnologie benötigt. Rückblickend scheinen KI und Automatisierung zwei unabhängige Technologiekategorien zu sein, doch die generative KI hat diese Sichtweise geändert. Mike Knoop, Mitbegründer von Workflow, sagte: „KI und Automatisierung verschmelzen zu einem Ganzen.“ McKinsey sagte in dem Bericht: „Generative KI wird die nächste große Produktivitätssteigerung bewirken.“ um 7 %. (Messer)

Das obige ist der detaillierte Inhalt vonGenerative KI steht am Scheideweg. Wo ist die nächste Welle?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!