生成式人工智能”正在科技行业像病毒一样传播。一年前还几乎闻所未闻的技术如今已成为最热门的技术。与所有技术一样,快速增长必然会出现问题,生成式人工智能也不例外。
ⓒ盖蒂图片银行
迫切需要混合解决方案
生成式人工智能使用大型语言模型,是处理器密集型的,并且正变得像浏览器一样无处不在。这是一个问题的原因是现有的集中式数据中心的结构无法处理此类负载。由于I/O、处理器、数据库、成本和容量等方面的限制,集中式数据中心容量的需求正在快速增加,但短时间内很难大幅增加容量。
这些容量问题可能会增加延迟 降低可靠性
随着时间的推移降低性能并 阿联酋 WhatsApp 号码数据 降低客户满意度。因此,为了减少数据中心负载和延迟,需要采用一种混合方法,其中大多数数据集中驻留在其中,而人工智能组件则保留在本地(在设备上)。
如果没有允许智能手机和笔记本电脑处理大多数任务的混合解决方案,这项技术的使用可能会停滞不前,因为在延迟最令人沮丧的用例(例如游戏、翻译、对话等)中,满意度会下降。这在翻译中尤其成问题,因为翻译过程本身会导致延误。如果人工智能系统引入额外的延迟,您可能不想使用这些工具。高通发布的《性能报告》指出了这些问题,而这只是未来可能出现的一些严重性能问题。
安全问题 生成式人工智能使用的语言模型包含尚未完全验证的信息
当地时间 4 月 19 日,埃隆·马斯 EK 线索 克威胁对微软采取法律行动,声称其未经授权使用 Twitter 数据来训练人工智能模型。当然,在很多情况下,马斯克只是威胁而没有实际起诉,但即使他起诉,他也很可能会败诉,因为 Twitter 的数据是由其客户创建的,而不是 Twitter。然而,在马斯克发出威胁之后,人们越来越担心人工智能工具生成的结果归谁所有。