👾 La puissance de calcul est un moteur clé de l'accélération des progrès de l’IA que nous observons actuellement .
📈 Au cours des treize dernières années, la quantité de calcul utilisée pour former des systèmes d’IA a été multipliée par 350 millions.
(Graphique ci dessous)
💵 Cette puissance est une évolution technologique et économique qui permet d'atteindre depuis une petite dizaine d'année des couts au GFLOPS inférieur à 0.1$ et même aujourd'hui autour de 0.01 $ 🔗Source : https://en.wikipedia.org/wiki/FLOPS
GPT-4 d'OpenAI a couté environ 78 millions de dollars de calcul pour l'entraînement de son LLM ,
tandis que le Gemini Ultra de Google a coûté 191 M$.
🧮 Et le développement de l'IA à grande échelle est très gourmand en ressources et donc détectable, nécessitant souvent des milliers de puces spécialisées concentrées dans des centres de données consommant de grandes quantités d'énergie.
ET depuis le 30 octobre 2023 le Gouvernement US exige d'être notifié pour des modèles entrainé de plus de 10e26 Flops:
En plus de tous ces paramètres technologique et économiques, on peut rajouter des facteurs philosophiques, éthiques qui font que l'IA inquiète !
🌡 Un indicateur intéressant à suivre pour mesurer cette inquiétude, c'est le baromètre d’intérêt législatif qui représente le nombre de mentions de l’intelligence artificielle dans les travaux gouvernementaux et parlementaires.
🎯 L’AI Index a mené une analyse des procès-verbaux
ou des actes des sessions législatives de 80 pays
contenant le mot-clé « intelligence artificielle » de 2016 à 2023
🔗Source: https://aiindex.stanford.edu/wp-content/uploads/2024/04/HAI_AI-Index-Report-2024.pdf p385
Aucun commentaire:
Enregistrer un commentaire