论文名称:Energy and Policy Considerations for Deep Learning in NLP.
论文链接:https://www.aminer.cn/pub/5d04e906da56295d08dd88ce?f=cs
此前,DeepMind也曾披露,在训练下围棋的深度学习系统时花了大约 3500 万美元。Open AI 在训练 GPT-3时,也耗资超过400万美元。后来,DeepMind在设计一个系统来玩星际争霸 2 时,就特地避免尝试多种方法来构建一个重要的组建,因为训练成本实在太高了。除了科技企业,其他机构也开始将深度学习的计算费用考虑在内。一家大型的欧洲连锁超市最近便放弃了一个基于深度学习的系统。该系统能显着提高超市预测要购买哪些产品的能力,但公司高管放弃了这一尝试,因为他们认为训练和运行系统的成本太高。面对不断上升的经济和环境成本,深度学习的研究者需要找到一个完美的方法,既能提高性能,又不会导致计算需求激增。否则,深度学习的发展很可能就此止步。
AMiner,让AI帮你理解科学!https://www.aminer.cn
AMiner论文推荐
随着深度学习在NLP等领域的应用,其高昂的训练和运行成本引发关注。DeepMind和OpenAI的项目展示了训练成本的巨大开销,导致一些企业如欧洲连锁超市因成本放弃深度学习系统。面对经济和环境压力,研究者需要寻找兼顾性能提升与计算效率的方法,以推动深度学习的可持续发展。
摘要由CSDN通过智能技术生成