Profil modelu

AFM-server

Apple·USA·VII 2024·język

szacunek z compute

Indeks Świadomości

0,0087%

widełki: 0,0032%–0,023%szacunek z compute

Informacja (pojemność)

9,3×10⁷ bitów

widełki: 3,4×10⁷–2,5×10⁸

Energia treningu

4,4 GWh

widełki: 2,2 GWh–8,9 GWhszacunek z computesprzęt: Google TPU v4

Sprawność

0,2 bit/J

bitów wzorca z 1 dżula energii treningu

Jak policzono te liczby

szacunek z compute

·parametry: wyprowadzone z compute treningu (Chinchilla: P=√(C/120))
·jednostki korelatora: estymata z parametrów (d∝P^⅓, proporcje dense transformera)
·energia: compute ÷ sprawność Google TPU v4 (zmierzony sprzęt) × MFU 0,40 × PUE 1,2
·utrwalenie kodu: b.d. — parametry wyprowadzone z compute (wyliczenie u byłoby błędnym kołem)

Bramka Mazurowska — pełna moc diagnostyczna (informacja × kod)

metoda z nagrania [Cybernetyka #2]

Dominik: „informacja razy kod" daje wyobrażenie o mocy diagnostycznejIloczyn dwóch rodzajów bitów — u nas zobrazowany jako pole bramki Mazurowskiej. Liczone wyłącznie ze struktury modelu (parametry, architektura), nie z benchmarków.. Obie liczby liczymy z budowy modelu — zero testów.

Informacja

9,3×10⁷

bity — relacje wewnątrz sieci

Kod

3,0×10¹²

bity — utrwalone wagi

Moc diagnostyczna

10^20,4 bit²

pole = informacja × kod

Uczciwie: to nadal miara ilości (jak duży korelator), nie jakości — większy model ma większą moc. Cybernetyczna miara jakościPodział informacja/kod × energia/materia (Einstein). Sam Dominik ją odracza w nagraniu („nie pakujmy jeszcze Einsteina"). Oś jakości = faza 2. czeka na fazę 2. „Kod = parametry×16 bitów" to nasze założenie techniczne, a prezentacja iloczynu jako POLA w bit² — nasza operacjonalizacja (Dominik mówi o iloczynie „informacja razy kod", nie o polu).

Fizyczna kotwica — granica Landauera

termodynamika · nie benchmark

Fizyka wyznacza absolutne minimum energii na zapis jednego bitu: kT·ln2 ≈ 2,9×10⁻²¹ JGranica Landauera (1961) — twarde prawo termodynamiki: skasowanie lub zapis 1 bitu informacji kosztuje co najmniej kT·ln2 energii (T = temperatura otoczenia). Żaden komputer nigdy nie zejdzie niżej.. To obiektywny punkt odniesienia — mierzymy, ile rzędów wielkości ponad tym minimum model zapłacił za utrwalenie swoich wag.

Fizyczne minimum

8,7×10⁻⁹ J

kod × kT·ln2 — mniej się nie da

Realny trening

4,4 GWh

energia zapłacona naprawdę

Dystans od ideału

21,3 rzędu wielkości

= 10^21,3 × minimum

granica Landauera (0)mózg
14,5AFM-server
21,3

Mózg jest o ~7 rzędów wielkości bliżej fizycznego ideału — termodynamiczny mistrz.

Uczciwie: to miara sprawności (te same dane co bity/dżul, w jednostkach fizyki) — nadal strona ilościowa. Miara jakościIloraz: wierność kodu (licznik, za Mazurem) na nakład energia×materia (mianownik — rozdział „dżula", tu Dominik odsyła do Einsteina i sam ten wątek odracza). Oś jakości czeka na fazę 2. wymaga jeszcze licznika-kodu (wierności) — faza 2.