Profil modelu

BERT-Large

Google·USA·X 2018·język

dane opublikowane

Indeks Świadomości

0,0001%

widełki: 4,6×10⁻⁵%–0,0002%

Informacja (pojemność)

1,1×10⁶ bitów

widełki: 4,9×10⁵–2,4×10⁶

Energia treningu

1 MWh

widełki: 1 MWh–3 MWhsprzęt: Google TPU v2

Sprawność

1 bit/J

bitów wzorca z 1 dżula energii treningu

Jak policzono te liczby

dane opublikowane

·parametry: dane opublikowane (Epoch AI, pewność: confident)
·jednostki korelatora: estymata z parametrów (d∝P^⅓, proporcje dense transformera)
·energia: compute ÷ sprawność Google TPU v2 (zmierzony sprzęt) × MFU 0,40 × PUE 1,2

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

1,1×10⁶

bity — relacje wewnątrz sieci

Kod

5,4×10⁹

bity — utrwalone wagi

Moc diagnostyczna

10^15,8 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

1,6×10⁻¹¹ J

kod × kT·ln2 — mniej się nie da

Realny trening

1 MWh

energia zapłacona naprawdę

Dystans od ideału

20,5 rzędu wielkości

= 10^20,5 × minimum

granica Landauera (0)mózg
14,5BERT-Large
20,5

Mózg jest o ~6 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.