basics
Cuando se dice que un modelo de IA tiene '70 000 millones de parámetros',
Los parámetros se refieren a la cantidad de números ajustables, o pesos, calibrados dentro de un modelo durante el entrenamiento, no a la cantidad de documentos de los que aprendió ni a cuántas personas puede atender a la vez. En términos generales, más parámetros significan más capacidad para que un modelo represente patrones complejos, ya que simplemente hay más valores internos que se pueden ajustar para captar los matices de los datos.
La cantidad de documentos de entrenamiento describe el tamaño del conjunto de datos del que aprendió un modelo, y la cantidad de usuarios simultáneos describe algo relacionado con la infraestructura de servidores y la demanda, conceptos muy distintos del número de pesos ajustables incorporados en el propio modelo.
Más grande no es automáticamente mejor, ya que modelos más pequeños y bien entrenados han igualado o superado cada vez más a modelos más grandes en muchas tareas, mostrando que la forma en que se entrena un modelo y los datos que ve pueden importar tanto como el número bruto de parámetros.
basics
¿Cómo se llama este fenómeno?¿Cómo se llamaba?¿Cómo se llama este paso de entrenamiento con retroalimentación humana?¿Cómo se llama este límite?¿qué empresa lo lanzó?¿Cómo llamamos a los modelos que manejan múltiples formas de entrada y salida?¿Qué están haciendo estos 'modelos de razonamiento' durante esa pausa?¿Cómo se llama este enfoque?¿Cuál es?¿Cuál es una de las principales respuestas de la industria?¿Cómo se llama esta regla empírica — la justificación de apuestas multimillonarias?¿Cuál es la sigla del objetivo más allá de la IA específica para tareas — una inteligencia artificial tan general como la humana?Quration — Quration AIQ