Profil modelu

DeepSpeech2 (English)

Baidu Research - Silicon Valley AI Lab·USA·XII 2015·mowa

dane opublikowane

Indeks Świadomości

2,2×10⁻⁵%

widełki: 9,8×10⁻⁶%–4,8×10⁻⁵%

Informacja (pojemność)

2,3×10⁵ bitów

widełki: 1×10⁵–5,1×10⁵

Energia treningu

1 MWh

widełki: 0 MWh–2 MWhsprzęt: NVIDIA GeForce GTX TITAN X (FP32)

Sprawność

0,2 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 NVIDIA GeForce GTX TITAN X (FP32) (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

2,3×10⁵

bity — relacje wewnątrz sieci

Kod

6,1×10⁸

bity — utrwalone wagi

Moc diagnostyczna

10^14,1 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

1,7×10⁻¹² J

kod × kT·ln2 — mniej się nie da

Realny trening

1 MWh

energia zapłacona naprawdę

Dystans od ideału

21,2 rzędu wielkości

= 10^21,2 × minimum

granica Landauera (0)mózg
14,5model
21,2

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.

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.

2,2×10⁻⁵%

10⁻⁷%

Mózg (100%)

DeepSpeech2 (English) osiąga 2,2×10⁻⁵% potencjału mózgu — mózg ma ok. 4 600 000× więcej. Pasek jest logarytmiczny, więc każdy równy odcinek to ok. 10× wzrost.

Moment w historii

W dniu publikacji (XII 2015) DeepSpeech2 (English) wyprzedzało go 12 modeli — na czele z:

Unsupervised High-level Feature Learner

VII 2012

0,0002%

W dniu premiery

#13

Do ówczesnego lidera

×184

Modeli przed premierą

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

Pozycja w rankingu

#411 z 419

#409AlphaGo ZeroDeepMind2,5×10⁻⁵%
#410JFTGoogle Research,Carnegie Mellon University (CMU)2,4×10⁻⁵%
#411DeepSpeech2 (English)Baidu Research - Silicon Valley AI Lab2,2×10⁻⁵%
#412NASv3 (CIFAR-10)Google Brain2,1×10⁻⁵%
#413Hierarchical Reasoning Model (HPM)Sapient Intelligence1,7×10⁻⁵%

Kontekst czasu

Każdy szary punkt to jeden z 419 modeli; DeepSpeech2 (English) wyróżniony kolorem. Oś pionowa jest logarytmiczna, a przerywana linia u góry to mózg (100%).