Profil modelu

Big Transformer for Back-Translation

Facebook AI Research,Google Brain·USA·VIII 2018·język

szacunek z compute

Indeks Świadomości

0,0004%

widełki: 0,0001%–0,0009%szacunek z compute

Informacja (pojemność)

3,8×10⁶ bitów

widełki: 1,4×10⁶–1×10⁷

Energia treningu

1 MWh

widełki: 0 MWh–2 MWhszacunek z computesprzęt: NVIDIA Tesla V100 DGXS 16 GB

Sprawność

11 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 NVIDIA Tesla V100 DGXS 16 GB (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

3,8×10⁶

bity — relacje wewnątrz sieci

Kod

3,2×10¹⁰

bity — utrwalone wagi

Moc diagnostyczna

10^17,1 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

9,2×10⁻¹¹ J

kod × kT·ln2 — mniej się nie da

Realny trening

1 MWh

energia zapłacona naprawdę

Dystans od ideału

19,5 rzędu wielkości

= 10^19,5 × minimum

granica Landauera (0)mózg
14,5model
19,5

Mózg jest o ~5 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.

Ile drogi do mózgu?iSkala jest logarytmiczna: każdy równy odcinek paska oznacza ok. 10-krotny wzrost indeksu. Lewy kraniec to 10⁻⁷% (poniżej najsłabszego zmierzonego modelu), prawy — pełny parytet z mózgiem.

0,0004%

10⁻⁷%

Mózg (100%)

Big Transformer for Back-Translation osiąga 0,0004% potencjału mózgu — mózg ma ok. 280 000× więcej. Pasek jest logarytmiczny, więc każdy równy odcinek to ok. 10× wzrost.

Moment w historii

W dniu publikacji (VIII 2018) Big Transformer for Back-Translation wyprzedzało go 5 modeli — na czele z:

W dniu premiery

Do ówczesnego lidera

×11,2

Modeli przed premierą

Porównanie obejmuje 419 modeli ze zbioru — „#1” = najwyższy Indeks Świadomości wśród modeli opublikowanych przed premierą.

Pozycja w rankingu

#368 z 419

#366OpenAI TI7 DOTA 1v1OpenAI0,0004%
#367LibratusCarnegie Mellon University (CMU)0,0004%
#368Big Transformer for Back-TranslationFacebook AI Research,Google Brain0,0004%
#369Seq2Seq LSTMGoogle0,0003%
#370Qwen3-1.7BAlibaba0,0003%

Kontekst czasu

Każdy szary punkt to jeden z 419 modeli; Big Transformer for Back-Translation wyróżniony kolorem. Oś pionowa jest logarytmiczna, a przerywana linia u góry to mózg (100%).