Mix-of-Recursions: Przełom w wydajności i szybkości sztucznej inteligencji

Sztuczna inteligencja porusza się szybko i jest nowy przełom, o którym będziesz słyszeć znacznie więcej: Mixture-of-Recursions, w skrócie MoR. W czasach, gdy duże modele językowe wydają się rosnąć tylko większe i droższe, MoR obiecuje sprytny skok w bok - dostarczając te same (lub nawet lepsze) wyniki, jednocześnie zmniejszając zapotrzebowanie na pamięć, przyspieszając pracę i obniżając koszty za kulisami.

Czym więc dokładnie jest MoR? Mówiąc prostym językiem: zamiast przepuszczać każde wpisane słowo przez całą maszynerię sztucznej inteligencji, MoR jest bardziej wymagający. Rozkłada problem krok po kroku, zapętlając swój proces rozumowania różną liczbę razy dla różnych słów. Niektóre słowa są proste - “wyjdź wcześnie”, jak to ujęli twórcy MoR. Inne, te trudniejsze, wymagają kolejnego lub dwóch okrążeń przez wewnętrzny system sztucznej inteligencji. Ten inteligentny system wie, kiedy się skupić, a kiedy pominąć, co czyni go znacznie oszczędniejszym.

Główny wynik: MoR może udzielać odpowiedzi z dwukrotnie większą prędkością w porównaniu do istniejących podejść. Może to oznaczać, że chatboty i cyfrowi asystenci będą mniej przypominać powolne roboty, a bardziej prawdziwą, szybką rozmowę. Wpływ nie kończy się na tym: mniej wymaganej pamięci oznacza również, że modele te mogą działać na mniejszych urządzeniach - pomyśl o telefonie, a nie tylko o farmach serwerów wielkości magazynu - i zużywać mniej energii.

Jak udaje im się to osiągnąć? Zamiast polegać na setkach unikalnych warstw ułożonych jedna na drugiej (co jest dziś normą), MoR przetwarza ten sam zestaw warstw, stosując je tyle razy, ile potrzeba do rozwiązania danego problemu. Jest modułowy i rekurencyjny - aktywowane są tylko te części SI, które są niezbędne do wykonania danego zadania, i tylko na tak długo, jak jest to konieczne. Ta metoda “odpowiedniego rozmiaru do zadania” pomaga oszczędzać energię, koszty i czas, ale także pozwala modelowi utrzymać lub poprawić jakość wyników.

Dla deweloperów oznacza to, że możliwe jest teraz tworzenie szybszych i jeszcze bardziej ambitnych aplikacji - bez napotykania na ścianę kosztów sprzętu i obliczeń. Dla firm i przedsiębiorstw, które polegają na ogromnych wirtualnych asystentach lub zautomatyzowanych działach pomocy technicznej, bardziej wydajna sztuczna inteligencja może oznaczać znaczne zmniejszenie wydatków lub swobodę łatwiejszego skalowania.

Patrząc w przyszłość, podejście MoR może wyznaczyć plan dla przyszłych postępów w sztucznej inteligencji, zwłaszcza że modele stają się coraz bardziej skomplikowane, a cena ich wdrażania na dużą skalę staje się coraz większym problemem. Spodziewaj się, że połączenie szybkości, oszczędności i inteligentnego projektu MoR będzie częściej pojawiać się w narzędziach sztucznej inteligencji nowej generacji.

Chcesz szczegółowo zbadać Mixture-of-Recursions? Sprawdź szczegółowe informacje i pełne wyjaśnienie na stronie [VentureBeat](https://venturebeat.com/ai/mixture-of-recursions-delivers-2x-faster-inference-heres-how-to-implement-it/).