Разработчики генеративного ИИ начнут экономить на его создании из-за дороговизны

Как пишет в своем исследовании TelecomDaily, в 2021-2023 годах рынок накрыла новая волна ИИ-приложений, созданных поверх больших базовых моделей. Эту тенденцию обычно называют генеративным ИИ, поскольку модели используются для генерации контента — от изображений и текстов до аудио и видео. Разработчики генеративного ИИ сейчас находятся в центре внимания потребителей и инвесторов.

По мнению представителей крупнейших консалтинговых компаний, создаваемая технология приведет к беспрецедентному повышению производительности бизнеса. В результате инвесторы массово вкладывают деньги в многочисленные ИИ-стартапы в расчете на получение в будущем сверхприбыли. Однако постоянно растущие затраты на разработку генеративного ИИ ставят под сомнение целесообразность таких инвестиций.

Эксперты TelecomDaily выяснили, что стоимость разработки и поддержания современного генеративного ИИ складывается из нескольких факторов. В первую очередь это затраты на аппаратное обеспечение. Для обучения современных нейросетей требуется мощная вычислительная техника, графические процессоры и так далее. В 2022 году на такое оборудование разработчики ИИ потратили 38 млн долл, а в 2023 году — 54 млн.

Еще одной статьей расходов оказалось приобретение программного обеспечения (1,5 млн долл в 2023 году и прогнозируемый рост в 100 раз к 2030 году). Стоимость создания генеративной нейросети, а также ее продвижение продолжит расти.

Все эти факторы делают генеративный ИИ чрезвычайно дорогостоящей технологией. Поэтому существующие игроки уже начинают искать способы экономии. Например, Microsoft и OpenAI планируют перейти на более эффективные графические процессоры (GPU) Athena, собственные GPU для ИИ уже разработала Google. Помимо этого, компании уже предпринимают попытки монетизировать свои технологии, предоставляя доступ к ним за деньги.

Ранее «Телеспутник» писал, что ученые Массачусетского технологического института в США нашли способ значительно ускорить работу нейросетей, генерирующих изображения по текстовым запросам. Они назвали метод «дистилляцией соответствия распределению» (DMD).