Trang chủ Trí tuệ nhân tạo (AI) Google công bố kỹ thuật huấn luyện AI tối ưu hóa, tăng...

Google công bố kỹ thuật huấn luyện AI tối ưu hóa, tăng tốc độ và hiệu quả

Các nhà nghiên cứu tại DeepMind của Google đã tiết lộ một phương pháp mới để tăng tốc độ huấn luyện AI, giúp giảm đáng kể tài nguyên tính toán và thời gian cần thiết. Phương pháp mới này đối với quy trình tiêu tốn năng lượng có thể làm cho việc phát triển AI nhanh hơn và rẻ hơn, theo một bài báo nghiên cứu gần đây – và điều này có thể là tin tốt cho môi trường.

“Phương pháp của chúng tôi – học tương phản đa phương thức với lựa chọn ví dụ chung (JEST) – vượt qua các mô hình hiện đại nhất với số lượng lần lặp ít hơn lên đến 13 lần và lượng tính toán ít hơn 10 lần,” nghiên cứu cho biết.

Ngành công nghiệp AI được biết đến với mức tiêu thụ năng lượng cao. Các hệ thống AI quy mô lớn như ChatGPT yêu cầu sức mạnh xử lý lớn, điều này đòi hỏi nhiều năng lượng và nước để làm mát các hệ thống này. Ví dụ, lượng nước tiêu thụ của Microsoft đã tăng 34% từ năm 2021 đến 2022 do nhu cầu tính toán AI tăng lên, với ChatGPT bị cáo buộc tiêu thụ gần nửa lít nước cho mỗi 5 đến 50 lần truy vấn.

Cơ quan Năng lượng Quốc tế (IEA) dự đoán rằng tiêu thụ điện của trung tâm dữ liệu sẽ tăng gấp đôi từ năm 2022 đến 2026 – so sánh nhu cầu năng lượng của AI với hồ sơ năng lượng thường bị chỉ trích của ngành khai thác tiền điện tử.

Tuy nhiên, các phương pháp như JEST có thể cung cấp một giải pháp. Bằng cách tối ưu hóa việc chọn dữ liệu cho việc huấn luyện AI, Google cho biết, JEST có thể giảm đáng kể số lượng lần lặp và sức mạnh tính toán cần thiết, điều này có thể giảm tổng mức tiêu thụ năng lượng. Phương pháp này phù hợp với những nỗ lực cải thiện hiệu quả của các công nghệ AI và giảm tác động môi trường của chúng.

Nếu kỹ thuật này chứng minh hiệu quả ở quy mô lớn, những người huấn luyện AI sẽ chỉ cần một phần nhỏ sức mạnh để huấn luyện các mô hình của họ. Điều này có nghĩa là họ có thể tạo ra các công cụ AI mạnh mẽ hơn với cùng tài nguyên hiện có, hoặc tiêu tốn ít tài nguyên hơn để phát triển các mô hình mới.

Cách thức hoạt động của JEST

JEST hoạt động bằng cách chọn các lô dữ liệu bổ sung để tối đa hóa khả năng học của mô hình AI. Không giống như các phương pháp truyền thống chọn từng ví dụ riêng lẻ, thuật toán này xem xét thành phần của toàn bộ tập hợp.

Ví dụ, hãy tưởng tượng bạn đang học nhiều ngôn ngữ. Thay vì học tiếng Hoa, tiếng Hàn và tiếng Nhật riêng rẽ, có lẽ theo thứ tự độ khó, bạn có thể thấy hiệu quả hơn nếu học chúng cùng nhau theo cách mà kiến thức của một ngôn ngữ hỗ trợ việc học ngôn ngữ khác. Vì bạn biết rằng tiếng Hàn và tiếng Nhật có mối quan hệ chặt chẽ với tiếng Hoa, đặc biệt là Nhật Bản vẫn sử dụng rất nhiều Hán tự. Qua đó học cùng lúc 3 thứ tiếng sẽ bổ trợ cho nhau.

Google đã áp dụng cách tiếp cận tương tự và đã thành công.

“Chúng tôi chứng minh rằng việc chọn các lô dữ liệu chung hiệu quả hơn cho việc học so với chọn các ví dụ độc lập,” các nhà nghiên cứu tuyên bố trong bài báo.

Để làm như vậy, các nhà nghiên cứu của Google đã sử dụng “học tương phản đa phương thức,” nơi quá trình JEST xác định các phụ thuộc giữa các điểm dữ liệu. Phương pháp này cải thiện tốc độ và hiệu quả của việc huấn luyện AI trong khi yêu cầu ít sức mạnh tính toán hơn nhiều.

Yếu tố quan trọng của phương pháp này là bắt đầu với các mô hình tham chiếu đã được huấn luyện trước để hướng dẫn quá trình chọn dữ liệu, Google lưu ý. Kỹ thuật này cho phép mô hình tập trung vào các tập dữ liệu chất lượng cao, được quản lý tốt, tối ưu hóa thêm hiệu quả huấn luyện.

“Chất lượng của một lô dữ liệu cũng là một chức năng của thành phần của nó, ngoài chất lượng tổng hợp của các điểm dữ liệu được xem xét độc lập,” bài báo giải thích.

Các thí nghiệm của nghiên cứu đã cho thấy sự cải thiện hiệu suất rõ rệt trên nhiều tiêu chuẩn. Ví dụ, huấn luyện trên tập dữ liệu WebLI thông thường bằng JEST đã cho thấy sự cải thiện đáng kể về tốc độ học và hiệu quả sử dụng tài nguyên.

Các nhà nghiên cứu cũng nhận thấy rằng thuật toán này nhanh chóng phát hiện các lô con có khả năng học cao, tăng tốc quá trình huấn luyện bằng cách tập trung vào các mẩu dữ liệu cụ thể “phù hợp” với nhau. Kỹ thuật này, được gọi là “khởi động chất lượng dữ liệu,” coi trọng chất lượng hơn số lượng và đã chứng minh hiệu quả tốt hơn cho việc huấn luyện AI.

“Một mô hình tham chiếu được huấn luyện trên một tập dữ liệu nhỏ được quản lý tốt có thể hướng dẫn hiệu quả việc quản lý một tập dữ liệu lớn hơn nhiều, cho phép huấn luyện một mô hình vượt trội hơn hẳn về chất lượng so với mô hình tham chiếu trên nhiều nhiệm vụ khác,” bài báo cho biết.

Tham gia Telegram của Tạp Chí Bitcoin: https://t.me/tapchibitcoinvn

Theo dõi Twitter: https://twitter.com/tapchibtc_io

Theo dõi Tiktok: https://www.tiktok.com/@tapchibitcoin 

Thạch Sanh

Theo Decrypt

MỚI CẬP NHẬT

Bitcoin giảm 3% khi dữ liệu PCE của Hoa Kỳ được công bố

Bitcoin đã chạm đáy cục bộ vào ngày 28/3 trong khi dữ liệu lạm phát của Hoa Kỳ cao hơn dự kiến. Bitcoin dao động...

Chuyên gia dự đoán ADA có thể tăng gấp 10 lần vào 2025 –...

Theo dự báo của một nhà phân tích được chia sẻ bởi một thành viên trong hệ sinh thái Cardano, ADA dường như đang...
Avalanche

Nasdaq nộp hồ sơ niêm yết và giao dịch cổ phiếu Avalanche ETF của...

Vào thứ 5, Nasdaq đã nộp hồ sơ 19b-4 lên Ủy ban Chứng khoán và Giao dịch Hoa Kỳ (SEC) để niêm yết và...

XRP có thể giảm thêm 40% khi thuế quan của Trump làm các trader...

Thị trường XRP đang nhấp nháy các dấu hiệu cảnh báo khi mô hình kỹ thuật giảm giá xuất hiện trên biểu đồ hàng...
eth

Cá voi đổ xô mua dip khi ETH giảm dưới 2.000 đô la

Ethereum (ETH) lại giảm dưới 2.000 đô la một lần nữa, mất hơn 6% trong 24 giờ qua. ETH đã có một cú sụt...
memecoin Mubarak

Trader biến $2.861 thành $760.000 sau khi đầu tư vào Mubarak

Thị trường crypto tiếp tục chứng kiến những chuyển động giao dịch mạnh mẽ và một giao dịch gần đây trên BNB Chain đã...
ton

Giá TON tăng vọt – Tích hợp Grok AI sẽ thúc đẩy breakout tiếp...

Tin tức tích hợp Grok AI vào Telegram đã thu hút sự chú ý đáng kể đối với hệ sinh thái Toncoin (TON). Phát...
The Nation Token ($NATO) chính thức ra mắt

[QC] The Nation Token ($NATO) chính thức ra mắt sau đợt Airdrop lịch sử...

Iași, Romania, ngày 28 tháng 3 năm 2025, Chainwire 74% trong tổng số 1 nghìn tỷ token của $NATO đã được phân phối trong một...
uae

UAE tiết lộ biểu tượng Dirham kỹ thuật số, dự kiến ra mắt vào...

Ngân hàng Trung ương của Các Tiểu vương quốc Ả Rập Thống nhất (CBUAE) đã công bố biểu tượng chính thức cho đồng Dirham...

Tin vắn Crypto 28/03: Bitcoin vẫn giữ vững vùng hỗ trợ ngắn hạn sau...

Từ nhận định Bitcoin vẫn giữ vững vùng hỗ trợ ngắn hạn sau đợt thanh lý lớn đến 70% nhà đầu tư tại Hàn...

Các dự án crypto hàng đầu mà trader cần chú ý trước khi Paul...

Thị trường crypto mong chờ thời khắc Paul Atkins, người nổi tiếng với lập trường ủng hộ tiền điện tử, đảm nhận vai trò...

Sự lạc quan của trader có đủ để giúp SUI đảo chiều xu hướng?

SUI đang cho thấy dấu hiệu phục hồi ấn tượng, hiện giao dịch ở mức $2,65 và tiến sát ngưỡng kháng cự quan trọng...

Cơ quan giám sát của EU muốn các công ty bảo hiểm nắm giữ...

Cơ quan bảo hiểm của Liên minh Châu Âu đã đề xuất quy tắc chung yêu cầu các công ty bảo hiểm phải duy...
eth-nang-cap

Dự báo giá ETH: Cá voi gom hàng mạnh trước thềm nâng cấp Pectra...

Vào thứ Năm, các cá voi đã ồ ạt gom ETH sau khi đội ngũ phát triển cốt lõi xác nhận ngày 30/4 là...
crypto binance

Tác nhân Darkweb tuyên bố sở hữu hơn 100K thông tin người dùng Gemini...

Các tác nhân đe dọa trên Darkweb tuyên bố nắm giữ hàng trăm nghìn hồ sơ người dùng — bao gồm tên, mật khẩu...
Cách tận dụng dữ liệu thị trường để giao dịch tiền điện tử thông minh

Cách tận dụng dữ liệu thị trường để giao dịch tiền điện tử thông...

Mọi nhà đầu tư, dù là người mới bắt đầu hay có kinh nghiệm, đều được hưởng lợi từ những thông tin thị trường...