मशीन लर्निंग के तीन युग और एआई के भविष्य की भविष्यवाणी

गणना, डेटा और एल्गोरिथम अग्रिम तीन मूलभूत कारक हैं जो आधुनिक मशीन लर्निंग (एमएल) की प्रगति का मार्गदर्शन करते हैं। शोधकर्ताओं ने सबसे आसानी से मात्रात्मक कारक - गणना में रुझानों का अध्ययन किया।

उन्होंने दिखाया :
2010 से पहले प्रशिक्षण गणना मूर के नियम के अनुरूप बढ़ी, लगभग हर 20 महीने में दोगुनी हो गई।

डीप लर्निंग की शुरुआत 2010 के दशक में हुई थी और ट्रेनिंग कंप्यूट के स्केलिंग में तेजी आई है, जो लगभग हर 6 महीने में दोगुना हो गया है।

2015 के अंत में, एक नया चलन उभरा क्योंकि फर्मों ने प्रशिक्षण गणना में 10 से 100 गुना बड़ी आवश्यकताओं के साथ बड़े पैमाने पर एमएल मॉडल विकसित किए।

इन अवलोकनों के आधार पर उन्होंने एमएल में गणना के इतिहास को तीन युगों में विभाजित किया: प्री डीप लर्निंग एरा, डीप लर्निंग एरा और लार्ज-स्केल एरा। कुल मिलाकर, काम उन्नत एमएल सिस्टम के प्रशिक्षण के लिए तेजी से बढ़ती गणना आवश्यकताओं पर प्रकाश डालता है।

उन्होंने समय के साथ मील के पत्थर एमएल मॉडल की गणना मांग की विस्तृत जांच की है। वे निम्नलिखित योगदान देते हैं:
1. वे 123 मील के पत्थर मशीन लर्निंग सिस्टम के डेटासेट को क्यूरेट करते हैं, जो उन्हें प्रशिक्षित करने के लिए ली गई गणना के साथ एनोटेट किया जाता है।
2. वे तीन अलग-अलग युगों के संदर्भ में गणना में रुझानों को अस्थायी रूप से तैयार करते हैं: प्री डीप लर्निंग एरा, डीप लर्निंग एरा और द लार्ज-स्केल एरा। वे इनमें से प्रत्येक युग के दौरान दोहरीकरण समय का अनुमान प्रस्तुत करते हैं।
3. वे बड़े पैमाने पर परिशिष्टों की एक श्रृंखला में अपने परिणामों की जांच करते हैं, डेटा की वैकल्पिक व्याख्याओं पर चर्चा करते हैं, और पिछले काम के साथ मतभेदों पर चर्चा करते हैं

उन्होंने 100 से अधिक मील के पत्थर एमएल सिस्टम के साथ प्रशिक्षण गणना के डेटासेट को क्यूरेट करके गणना में रुझानों का अध्ययन किया और इस डेटा का उपयोग यह विश्लेषण करने के लिए किया कि समय के साथ प्रवृत्ति कैसे बढ़ी है।
निष्कर्ष पिछले काम के अनुरूप प्रतीत होते हैं, हालांकि वे प्रशिक्षण गणना के अधिक मध्यम स्केलिंग का संकेत देते हैं।
विशेष रूप से, वे 18 और 1952 के बीच 2010 महीने के दोहरीकरण समय की पहचान करते हैं, 6 और 2010 के बीच 2022 महीने के दोहरीकरण समय, और 2015 के अंत और 2022 के बीच बड़े पैमाने के मॉडल की एक नई प्रवृत्ति, जिसने परिमाण के 2 से 3 क्रम शुरू किए पिछली प्रवृत्ति की तुलना में और 10 महीने का दोहरीकरण समय प्रदर्शित करता है।

एक पहलू जिसे उन्होंने इस लेख में शामिल नहीं किया है, वह मशीन लर्निंग मॉडल - डेटा को प्रशिक्षित करने के लिए उपयोग किया जाने वाला एक अन्य महत्वपूर्ण मात्रात्मक संसाधन है। वे डेटासेट आकार के रुझानों और भविष्य के काम में गणना के रुझानों के साथ उनके संबंधों को देख रहे होंगे।