AI மாதிரி பயிற்சி: அதிகரிக்கும் செலவுகள்

இன்றைய தொழில்துறைகளை மாற்றும் அதிநவீன AI மாதிரிகள், பயிற்சிக்கு பெரும்பாலும் $100 மில்லியனுக்கும் அதிகமாக செலவாகும். இந்த மாதிரிகளின் செயல்திறனை மேம்படுத்துவதில் நிறுவனங்கள் அதிக முதலீடு செய்வதால், அதிகரித்து வரும் செலவுகள் செயற்கை நுண்ணறிவு சமூகத்தில் முக்கியமான விவாதங்களைத் தூண்டுகின்றன. DeepSeek போன்ற புதிய நிறுவனங்களின் தோற்றத்தால் நிலைமை மேலும் சிக்கலாகிறது, இது தொழில்துறை ஜாம்பவான்களின் பட்ஜெட்களுக்கு மாறாக, $6 மில்லியன் மட்டுமே பயிற்சி செலவுகளைப் புகாரளிக்கிறது. Stanford மற்றும் வாஷிங்டன் பல்கலைக்கழகத்தின் s1 மாதிரியின் உதாரணம் இந்த சிக்கலான நிலப்பரப்பில் மற்றொரு அடுக்கைச் சேர்க்கிறது, இது பயிற்சிக்கு வெறும் $6 செலவாகும். செலவுகளில் உள்ள இந்த வேறுபாடு செயல்திறன், வள ஒதுக்கீடு மற்றும் AI வளர்ச்சியின் எதிர்காலம் குறித்து முக்கியமான கேள்விகளை எழுப்புகிறது.

செலவுக் காரணிகளைப் புரிந்துகொள்ளுதல்

AI மாதிரிகளைப் பயிற்றுவிப்பதில் உள்ள கணிசமான செலவுகளுக்கு பல காரணிகள் பங்களிக்கின்றன. இவற்றில் தேவையான கணக்கீட்டு சக்தி, பயன்படுத்தப்படும் தரவுத்தொகுப்புகளின் அளவு மற்றும் சிக்கலானது மற்றும் இந்த அதிநவீன அமைப்புகளை வடிவமைத்து மேம்படுத்துவதற்குத் தேவையான நிபுணத்துவம் ஆகியவை அடங்கும்.

• கணக்கீட்டு சக்தி: AI மாதிரிகளைப் பயிற்றுவிக்க அதிக அளவு கணக்கீட்டு சக்தி தேவைப்படுகிறது, இது பெரும்பாலும் GPUகள் (Graphics Processing Units) மற்றும் TPUகள் (Tensor Processing Units) போன்ற சிறப்பு வன்பொருளால் வழங்கப்படுகிறது. இந்த செயலிகள் நரம்பியல் நெட்வொர்க்குகளைப் பயிற்றுவிப்பதில் ஈடுபடும் சிக்கலான கணித செயல்பாடுகளைக் கையாள வடிவமைக்கப்பட்டுள்ளன, ஆனால் அவை கணிசமான ஆற்றலையும் பயன்படுத்துகின்றன, மேலும் அவற்றைப் பெறுவதும் பராமரிப்பதும் விலை உயர்ந்ததாக இருக்கும்.

• தரவு கையகப்படுத்தல் மற்றும் தயாரிப்பு: AI மாதிரிகள் தரவிலிருந்து கற்றுக்கொள்கின்றன, மேலும் அவை எவ்வளவு அதிகமாக தரவு வைத்திருக்கிறார்களோ, அவ்வளவு சிறப்பாக அவை செயல்பட முடியும். இருப்பினும், பெரிய தரவுத்தொகுப்புகளை வாங்குவதும் தயாரிப்பதும் விலை உயர்ந்த மற்றும் நேரத்தை எடுத்துக்கொள்ளும் செயல்முறையாக இருக்கலாம். தரவு சேகரிக்கப்பட வேண்டும், சுத்தம் செய்யப்பட வேண்டும் மற்றும் லேபிளிடப்பட வேண்டும், இதற்கு பெரும்பாலும் மனித தலையீடு தேவைப்படுகிறது. சில சந்தர்ப்பங்களில், நிறுவனங்கள் வெளிப்புற மூலங்களிலிருந்து தரவை வாங்க வேண்டியிருக்கலாம், இது செலவுகளை மேலும் அதிகரிக்கும்.

• நிபுணத்துவம் மற்றும் திறமை: AI மாதிரிகளை உருவாக்கிப் பயிற்றுவிக்க அதிக திறமையான பொறியாளர்கள், ஆராய்ச்சியாளர்கள் மற்றும் தரவு விஞ்ஞானிகள் குழு தேவை. இந்த நிபுணர்களுக்கு அதிக தேவை உள்ளது, மேலும் அவர்களின் சம்பளம் ஒரு குறிப்பிடத்தக்க செலவாக இருக்கலாம். கூடுதலாக, நிறுவனங்கள் AI இல் சமீபத்திய முன்னேற்றங்களுடன் தங்கள் குழுக்களைப் புதுப்பித்த நிலையில் வைத்திருக்க பயிற்சி மற்றும் மேம்பாட்டுத் திட்டங்களில் முதலீடு செய்ய வேண்டியிருக்கலாம்.

முன்னணி AI மாதிரிகளின் விலை விவரம்

இந்த செலவுகளின் அளவை விளக்க, சமீபத்திய ஆண்டுகளில் மிகவும் பிரபலமான AI மாதிரிகளைப் பயிற்றுவிப்பதோடு தொடர்புடைய மதிப்பிடப்பட்ட செலவுகளைப் பார்ப்போம்:

• GPT-4 (OpenAI): 2023 இல் வெளியிடப்பட்ட OpenAI இன் GPT-4 ஐப் பயிற்றுவிக்க $79 மில்லியன் செலவாகும் என்று மதிப்பிடப்பட்டுள்ளது. இந்த மாதிரி ஒரு உரை சரத்தில் உள்ள வார்த்தைகளின் வரிசையை முன்னறிவிப்பதற்காக ஒரு பரந்த நரம்பியல் நெட்வொர்க் கட்டமைப்பைப் பயன்படுத்துகிறது, இது மனித தரமான உரையை உருவாக்கவும் அதிநவீன உரையாடல்களில் ஈடுபடவும் உதவுகிறது. அதிக செலவு அத்தகைய ஒரு சிக்கலான மாதிரியைப் பயிற்றுவிக்கத் தேவையான மிகப்பெரிய கணக்கீட்டு வளங்கள் மற்றும் தரவைக் குறிக்கிறது.

• PaLM 2 (Google): Google இன் PaLM 2, 2023 இல் வெளியிடப்பட்டது, பயிற்சிக்கு $29 மில்லியன் செலவாகும் என்று மதிப்பிடப்பட்டுள்ளது. இந்த மாதிரி மொழிபெயர்ப்பு, சுருக்கம் மற்றும் கேள்வி பதில் உட்பட பரந்த அளவிலான இயற்கை மொழி செயலாக்க பணிகளுக்காக வடிவமைக்கப்பட்டுள்ளது. GPT-4 ஐ விட குறைந்த விலையில் இருந்தாலும், PaLM 2 AI ஆராய்ச்சி மற்றும் மேம்பாட்டில் குறிப்பிடத்தக்க முதலீட்டைக் குறிக்கிறது.

• Llama 2-70B (Meta): Meta இன் Llama 2-70B, மற்றொரு 2023 வெளியீடு, பயிற்சிக்கு $3 மில்லியன் செலவாகும் என்று மதிப்பிடப்பட்டுள்ளது. இந்த திறந்த மூல மாதிரி பரந்த அளவிலான ஆராய்ச்சியாளர்கள் மற்றும் டெவலப்பர்களுக்கு அணுகக்கூடியதாக வடிவமைக்கப்பட்டுள்ளது, மேலும் அதன் ஒப்பீட்டளவில் குறைந்த செலவு AI தொழில்நுட்பத்தை ஜனநாயகமயமாக்குவதற்கான Meta இன் உறுதிப்பாட்டை பிரதிபலிக்கிறது.

• Gemini 1.0 Ultra (Google): Google இன் Gemini 1.0 Ultra, 2023 இல் வெளியிடப்பட்டது, பயிற்சிக்கு $192 மில்லியன் செலவாகும் என்று மதிப்பிடப்பட்டுள்ளது. இந்த மாதிரி Google இன் மிகவும் சக்திவாய்ந்த மற்றும் பல்துறை AI அமைப்பாக வடிவமைக்கப்பட்டுள்ளது, இது படம் அங்கீகாரம், வீடியோ புரிதல் மற்றும் இயற்கை மொழி செயலாக்கம் உள்ளிட்ட பரந்த அளவிலான பணிகளைக் கையாளும் திறன் கொண்டது. மாதிரியின் மிகப்பெரிய அளவு மற்றும் சிக்கலானது, அத்துடன் அதன் உருவாக்கத்தில் ஈடுபட்ட விரிவான ஆராய்ச்சி மற்றும் மேம்பாட்டு முயற்சிகள் ஆகியவற்றை அதிக செலவு பிரதிபலிக்கிறது.

• Mistral Large (Mistral): Mistral இன் Mistral Large, 2024 இல் வெளியிடப்பட்டது, பயிற்சிக்கு $41 மில்லியன் செலவாகும் என்று மதிப்பிடப்பட்டுள்ளது. இந்த மாதிரி மற்ற பெரிய மொழி மாதிரிகளுக்கு உயர் செயல்திறன், செலவு குறைந்த மாற்றாக வடிவமைக்கப்பட்டுள்ளது, மேலும் அதன் ஒப்பீட்டளவில் குறைந்த செலவு Mistral இன் செயல்திறன் மற்றும் மேம்பாடு ஆகியவற்றில் கவனம் செலுத்துகிறது.

• Llama 3.1-405B (Meta): Meta இன் Llama 3.1-405B, 2024 இல் வெளியிடப்பட்டது, பயிற்சிக்கு $170 மில்லியன் செலவாகும் என்று மதிப்பிடப்பட்டுள்ளது. இந்த மாதிரி Meta இன் Llama மொழி மாதிரிகளின் சமீபத்திய மறு செய்கையாகும், மேலும் அதன் அதிக செலவு AI இல் கலையின் நிலையை மேம்படுத்துவதில் நிறுவனத்தின் தொடர்ச்சியான முதலீட்டை பிரதிபலிக்கிறது.

• Grok-2 (xAI): xAI இன் Grok-2, 2024 இல் வெளியிடப்பட்டது, பயிற்சிக்கு $107 மில்லியன் செலவாகும் என்று மதிப்பிடப்பட்டுள்ளது. இந்த மாதிரி சமூக ஊடக தளம் X இலிருந்து தரவைப் பயன்படுத்தி நிகழ்நேரத்தில் நடப்பு நிகழ்வுகள் பற்றிய கேள்விகளுக்கு பதிலளிக்க வடிவமைக்கப்பட்டுள்ளது. தொடர்ந்து உருவாகும் தகவல்களைப் புரிந்துகொண்டு பதிலளிக்க ஒரு மாதிரியைப் பயிற்றுவிப்பதில் உள்ள சவால்களை அதிக செலவு பிரதிபலிக்கிறது.

குறிப்பிட்ட செலவு கூறுகளை ஆய்வு செய்தல்

AI மாதிரிகளின் செலவு கட்டமைப்பில் ஆழமாகச் செல்வது, வெவ்வேறு கூறுகள் ஒட்டுமொத்த செலவுக்கு வெவ்வேறு தொகைகளை பங்களிக்கின்றன என்பதை வெளிப்படுத்துகிறது. உதாரணமாக, Google இன் Gemini Ultra விஷயத்தில், ஆராய்ச்சி மற்றும் மேம்பாட்டு ஊழியர்களின் சம்பளம் (பங்கு உட்பட) இறுதி செலவில் 49% வரை இருந்தது, அதே நேரத்தில் AI முடுக்கி சில்லுகள் 23% ஆகவும், பிற சேவையக கூறுகள் 15% ஆகவும் இருந்தன. அதிநவீன AI மாதிரிகளை உருவாக்கிப் பயிற்றுவிக்கத் தேவையான மனித மூலதனம் மற்றும் சிறப்பு வன்பொருளில் குறிப்பிடத்தக்க முதலீட்டை இந்த முறிவு எடுத்துக்காட்டுகிறது.

பயிற்சி செலவுகளைக் குறைப்பதற்கான உத்திகள்

AI மாதிரிகளைப் பயிற்றுவிப்பதற்கான செலவுகள் அதிகரித்து வருவதால், நிறுவனங்கள் செயல்திறனை தியாகம் செய்யாமல் இந்த செலவுகளைக் குறைக்க தீவிரமாக உத்திகளை ஆராய்ந்து வருகின்றன. இந்த உத்திகளில் சில பின்வருமாறு:

• தரவு மேம்பாடு: பயிற்சி தரவின் தரம் மற்றும் பொருத்தத்தை மேம்படுத்துவது விரும்பிய செயல்திறன் அளவை அடையத் தேவையான தரவின் அளவை கணிசமாகக் குறைக்கும். தரவு விரிவாக்கம், தரவு தொகுப்பு மற்றும் செயலில் கற்றல் போன்ற நுட்பங்கள் தரவு பயன்பாட்டை மேம்படுத்தவும் செலவுகளைக் குறைக்கவும் உதவும்.

• மாதிரி சுருக்கம்: AI மாதிரிகளின் அளவு மற்றும் சிக்கலைக் குறைப்பது கணக்கீட்டு தேவைகள் மற்றும் பயிற்சி நேரத்தை குறைக்கும். சுருக்கம், குவாண்டிசேஷன் மற்றும் அறிவு வடிகட்டுதல் போன்ற நுட்பங்கள் அவற்றின் துல்லியத்தை கணிசமாக பாதிக்காமல் மாதிரிகளை சுருக்க உதவும்.

• பரிமாற்றக் கற்றல்: ஏற்கனவே பயிற்றுவிக்கப்பட்ட மாதிரிகளை மேம்படுத்துவதும், குறிப்பிட்ட பணிகளுக்காக அவற்றை நன்றாக ட்யூன் செய்வதும் பயிற்சி நேரம் மற்றும் செலவுகளை கணிசமாகக் குறைக்கும். பரிமாற்றக் கற்றல் நிறுவனங்கள் புதிதாகத் தொடங்குவதற்குப் பதிலாக மற்றவர்கள் பெற்ற அறிவின் அடிப்படையில் உருவாக்க அனுமதிக்கிறது.

• வன்பொருள் மேம்பாடு: சிறப்பு AI முடுக்கிகள் போன்ற அதிக திறன் கொண்ட வன்பொருளைப் பயன்படுத்துவது AI மாதிரிகளின் ஆற்றல் நுகர்வு மற்றும் பயிற்சி நேரத்தை குறைக்கும். நிறுவனங்கள் கிளவுட் அடிப்படையிலான AI தளங்களின் பயன்பாட்டை ஆராய்ந்து வருகின்றன, இது தேவைக்கேற்ப பரந்த அளவிலான வன்பொருள் வளங்களுக்கான அணுகலை வழங்குகிறது.

• அல்காரிதம் திறன்: மிகவும் திறமையான பயிற்சி வழிமுறைகளை உருவாக்குவது விரும்பிய செயல்திறன் நிலைக்கு ஒருங்கிணைக்க தேவையான மறு செய்கைகளின் எண்ணிக்கையை குறைக்கும். தழுவல் கற்றல் விகிதங்கள், சாய்வு சுருக்கம் மற்றும் விநியோகிக்கப்பட்ட பயிற்சி போன்ற நுட்பங்கள் பயிற்சி செயல்முறையை துரிதப்படுத்தவும் செலவுகளைக் குறைக்கவும் உதவும்.

அதிக பயிற்சி செலவுகளின் தாக்கங்கள்

AI மாதிரிகளைப் பயிற்றுவிப்பதற்கான அதிக செலவுகள் தொழில்துறையின் எதிர்காலத்திற்கு பல முக்கியமான தாக்கங்களைக் கொண்டுள்ளன. இவை பின்வருமாறு:

• நுழைவுக்கான தடைகள்: AI மாதிரிகளைப் பயிற்றுவிப்பதற்கான அதிக செலவுகள் சிறிய நிறுவனங்கள் மற்றும் ஆராய்ச்சி நிறுவனங்களுக்கு நுழைவு தடைகளை உருவாக்கலாம், புதுமை மற்றும் போட்டியை கட்டுப்படுத்துகிறது. குறிப்பிடத்தக்க நிதி ஆதாரங்களைக் கொண்ட நிறுவனங்கள் மட்டுமே மிகவும் மேம்பட்ட AI அமைப்புகளை உருவாக்கிப் பயிற்றுவிக்க முடியும்.

• சக்தியின் செறிவு: AI மாதிரிகளைப் பயிற்றுவிப்பதற்கான அதிக செலவுகள் AI ஆராய்ச்சி மற்றும் மேம்பாட்டில் அதிக முதலீடு செய்யக்கூடிய சில பெரிய நிறுவனங்களின் கைகளில் சக்தியின் செறிவுக்கு வழிவகுக்கும். இது இந்த நிறுவனங்களுக்கு ஒரு போட்டி நன்மையை உருவாக்கலாம் மற்றும் இருப்பவர்களுக்கும் இல்லாதவர்களுக்கும் இடையிலான இடைவெளியை மேலும் விரிவுபடுத்தலாம்.

• திறனில் கவனம்: AI மாதிரிகளைப் பயிற்றுவிப்பதற்கான அதிக செலவுகள் திறன் மற்றும் மேம்பாட்டில் அதிக கவனம் செலுத்துகின்றன. நிறுவனங்கள் செயல்திறனை தியாகம் செய்யாமல் பயிற்சி செலவுகளைக் குறைக்க தீவிரமாக வழிகளைத் தேடுகின்றன, இது தரவு மேம்பாடு, மாதிரி சுருக்கம் மற்றும் வன்பொருள் முடுக்கம் போன்ற பகுதிகளில் புதுமைக்கு வழிவகுக்கிறது.

• AI இன் ஜனநாயகம்: AI மாதிரிகளைப் பயிற்றுவிப்பதற்கான அதிக செலவுகள் இருந்தபோதிலும், AI தொழில்நுட்பத்தை ஜனநாயகமயமாக்குவதற்கான ஒரு வளர்ந்து வரும் இயக்கம் உள்ளது. Meta இன் Llama மொழி மாதிரிகள் போன்ற திறந்த மூல முயற்சிகள் AI ஐ பரந்த அளவிலான ஆராய்ச்சியாளர்கள் மற்றும் டெவலப்பர்களுக்கு மிகவும் அணுகக்கூடியதாக ஆக்குகின்றன. கிளவுட் அடிப்படையிலான AI தளங்கள் மலிவு விலையில் கம்ப்யூட்டிங் வளங்கள் மற்றும் முன் பயிற்சி மாதிரிகளுக்கான அணுகலையும் வழங்குகின்றன.

AI பயிற்சி செலவுகளின் எதிர்காலம்

AI பயிற்சி செலவுகளின் எதிர்காலம் நிச்சயமற்றது, ஆனால் பல போக்குகள் வரும் ஆண்டுகளில் நிலப்பரப்பை வடிவமைக்க வாய்ப்புள்ளது. இவை பின்வருமாறு:

• தொடர்ச்சியான வன்பொருள் முன்னேற்றங்கள்: அதிக சக்திவாய்ந்த மற்றும் திறமையான AI முடுக்கிகள் போன்ற வன்பொருள் தொழில்நுட்பத்தில் முன்னேற்றங்கள் AI மாதிரிகளைப் பயிற்றுவிப்பதற்கான செலவைக் குறைக்க வாய்ப்புள்ளது.

• அல்காரிதம் கண்டுபிடிப்புகள்: அதிக திறன் கொண்ட மேம்பாட்டு நுட்பங்கள் போன்ற பயிற்சி வழிமுறைகளில் கண்டுபிடிப்புகள் பயிற்சி செலவுகளை மேலும் குறைக்க வாய்ப்புள்ளது.

• அதிகரித்த தரவு கிடைக்கும் தன்மை: இணையத்தின் வளர்ச்சி மற்றும் சென்சார்கள் மற்றும் சாதனங்களின் பெருக்கம் ஆகியவற்றால் இயக்கப்படும் தரவின் அதிகரித்த கிடைக்கும் தன்மை பயிற்சி தரவை வாங்குவதற்கும் தயாரிப்பதற்கும் செலவைக் குறைக்க வாய்ப்புள்ளது.

• கிளவுட் அடிப்படையிலான AI தளங்கள்: கிளவுட் அடிப்படையிலான AI தளங்களின் தொடர்ச்சியான வளர்ச்சி மலிவு விலையில் கம்ப்யூட்டிங் வளங்கள் மற்றும் முன் பயிற்சி மாதிரிகளுக்கான அணுகலை வழங்க வாய்ப்புள்ளது, இது AI தொழில்நுட்பத்தை மேலும் ஜனநாயகப்படுத்துகிறது.

• AI இல் புதிய முன்னுதாரணங்கள்: மேற்பார்வையிடப்படாத கற்றல் மற்றும் வலுவூட்டல் கற்றல் போன்ற AI இல் புதிய முன்னுதாரணங்களின் தோற்றம் பெரிய லேபிளிடப்பட்ட தரவுத்தொகுப்புகளைச் சார்ந்திருப்பதை குறைக்கலாம், இதனால் பயிற்சி செலவுகள் குறையும்.

முடிவில், AI மாதிரிகளைப் பயிற்றுவிப்பதற்கான அதிகரித்து வரும் செலவுகள் தொழில்துறைக்கு ஒரு குறிப்பிடத்தக்க சவாலாகும், ஆனால் புதுமைக்கான ஒரு ஊக்கியாகவும் உள்ளது. பயிற்சி செலவுகளைக் குறைப்பதற்கான புதிய உத்திகளை நிறுவனங்களும் ஆராய்ச்சியாளர்களும் தொடர்ந்து ஆராய்ந்து வருவதால், வன்பொருள், வழிமுறைகள் மற்றும் தரவு மேலாண்மையில் மேலும் முன்னேற்றங்களைக் காண எதிர்பார்க்கலாம், இறுதியில் மிகவும் அணுகக்கூடிய மற்றும் மலிவு விலையில் AI தொழில்நுட்பத்திற்கு வழிவகுக்கும். செலவு அழுத்தங்கள் மற்றும் தொழில்நுட்ப முன்னேற்றம் ஆகியவற்றுக்கு இடையேயான தொடர்பு AI இன் எதிர்காலத்தை வடிவமைத்து, சமூகத்தில் அதன் தாக்கத்தை தீர்மானிக்கும். திறன் மற்றும் மேம்பாட்டிற்கான தொடர்ச்சியான தேடல் செலவுகளைக் குறைப்பது மட்டுமல்லாமல், பல்வேறு களங்களில் AI பயன்பாடுகளுக்கான புதிய சாத்தியங்களையும் திறக்கும், மேலும் சமமான மற்றும் புதுமையான AI சூழலை வளர்க்கும்.

மாதிரிப் பயிற்சிச் செலவுகள்: ஆழமான ஆய்வு

AI மாதிரிகளுக்குப் பயிற்சி அளிப்பதற்கான செலவுகள் அதிகரித்து வருவது ஒரு முக்கியமான சவாலாக உள்ளது. பல்வேறு காரணிகள் இதற்குப் பங்களிக்கின்றன.

செலவுக் காரணிகள்

AI மாதிரிகளின் பயிற்சிச் செலவுகள் உயர்வாக இருப்பதற்கான சில முக்கிய காரணிகள் பின்வருமாறு:

• கணக்கீட்டுச் சக்தி: AI மாதிரிகளுக்குப் பயிற்சி அளிக்க அதிகளவிலான கணக்கீட்டுச் சக்தி தேவைப்படுகிறது. GPUகள் மற்றும் TPUகள் போன்ற சிறப்பு வன்பொருள்கள் தேவைப்படுகின்றன. இவற்றைப் பெறுவதும் பராமரிப்பதும் அதிக செலவாகும்.
• தரவு கையகப்படுத்தல் மற்றும் தயாரிப்பு: AI மாதிரிகள் தரவுகளிலிருந்து கற்றுக்கொள்கின்றன. தரவைச் சேகரிப்பதும், சுத்தம் செய்வதும் அதிக நேரத்தையும் செலவையும் பிடிக்கிறது.
• நிபுணத்துவம் மற்றும் திறமை: AI மாதிரிகளை உருவாக்கவும், பயிற்சி அளிக்கவும் திறமையான பொறியாளர்கள், ஆராய்ச்சியாளர்கள் மற்றும் தரவு விஞ்ஞானிகள் தேவை. அவர்களின் சம்பளம் ஒரு பெரிய செலவாக இருக்கலாம்.

முன்னணி AI மாதிரிகளின் விலை விவரம்

சில முன்னணி AI மாதிரிகளின் பயிற்சிச் செலவுகள் பின்வருமாறு:

• GPT-4 (OpenAI): $79 மில்லியன்
• PaLM 2 (Google): $29 மில்லியன்
• Llama 2-70B (Meta): $3 மில்லியன்
• Gemini 1.0 Ultra (Google): $192 மில்லியன்
• Mistral Large (Mistral): $41 மில்லியன்
• Llama 3.1-405B (Meta): $170 மில்லியன்
• Grok-2 (xAI): $107 மில்லியன்

செலவுகளைக் குறைப்பதற்கான உத்திகள்

AI மாதிரிகளின் பயிற்சிச் செலவுகளைக் குறைக்க உதவும் சில உத்திகள்:

• தரவு மேம்பாடு: பயிற்சித் தரவின் தரம் மற்றும் பொருத்தத்தை மேம்படுத்துவது.
• மாதிரிச் சுருக்கம்: AI மாதிரிகளின் அளவு மற்றும் சிக்கலைக் குறைப்பது.
• பரிமாற்றக் கற்றல்: ஏற்கனவே பயிற்றுவிக்கப்பட்ட மாதிரிகளைப் பயன்படுத்துவது.
• வன்பொருள் மேம்பாடு: அதிக திறன் கொண்ட வன்பொருளைப் பயன்படுத்துவது.
• அல்காரிதம் திறன்: திறமையான பயிற்சி வழிமுறைகளை உருவாக்குவது.

அதிக பயிற்சிச் செலவுகளின் தாக்கங்கள்

AI மாதிரிகளின் அதிக பயிற்சிச் செலவுகள் பின்வரும் தாக்கங்களை ஏற்படுத்தலாம்:

• நுழைவுக்கான தடைகள்
• சக்தியின் செறிவு
• திறனில் கவனம்
• AI இன் ஜனநாயகம்

AI பயிற்சிச் செலவுகளின் எதிர்காலம்

AI பயிற்சிச் செலவுகளின் எதிர்காலம் பின்வரும் போக்குகளைக் கொண்டிருக்கலாம்:

• தொடர்ச்சியான வன்பொருள் முன்னேற்றங்கள்
• அல்காரிதம் கண்டுபிடிப்புகள்
• அதிகரித்த தரவு கிடைக்கும் தன்மை
• கிளவுட் அடிப்படையிலான AI தளங்கள்
• AI இல் புதிய முன்னுதாரணங்கள்