في تحول مثير ومذهل، تكشف دراسة حديثة عن أن تكاليف التدريب اللازمة لتدريب الشبكات العصبية في مهام تصنيف الصور قد انخفضت بشكل غير مسبوق. منذ عام 2012، انخفضت كمية الحوسبة المطلوبة لتحقيق نفس مستوى الأداء في تصنيف الصور على منصة ImageNet بنسبة 50% كل 16 شهرًا. مقارنةً بعام 2012، يحتاج الباحثون الآن إلى 44 مرة أقل من موارد الحوسبة لتدريب شبكة عصبية تصل إلى مستوى أداء نموذج AlexNet.

وعلى النقيض من ذلك، لوحظ أن قانون مور (Moore's Law) كان قد حقق تحسنًا في التكلفة يبلغ 11 مرة خلال نفس الفترة الزمنية. مما يثير التساؤلات حول مدى فعالية الحوسبة التقليدية مقابل التقدم السريع في الخوارزميات.

تدعم النتائج التي توصلنا إليها الفكرة القائلة بأن الاستثمارات العالية في مهام الذكاء الاصطناعي الحديثة تُنتج مكاسب وتحسينات تفوق بكثير ما يمكن أن تقدمه تحسينات الأجهزة التقليدية. هذا التقدم ليس فقط نتيجة للتكنولوجيا الجديدة، بل هو أيضًا نتيجة لاستثمار الوقت والموارد في فهم الخوارزميات وتطويرها بشكل أفضل.

إذا كنت مهتمًا بمستقبل الذكاء الاصطناعي وكيفية تأثيره على مختلف الصناعات، تفاعل معنا! ما رأيكم في هذا التطور؟ شاركونا في التعليقات.