Profil modelu

JFT

Google Research,Carnegie Mellon University (CMU)·USA·VII 2017·widzenie

dane opublikowane

Indeks Świadomości

2,4×10⁻⁵%

widełki: 1,1×10⁻⁵%–5,4×10⁻⁵%

Informacja (pojemność)

2,6×10⁵ bitów

widełki: 1,2×10⁵–5,7×10⁵

Energia treningu

26 MWh

widełki: 13 MWh–52 MWhsprzęt: NVIDIA Tesla K80 (FP32)

Sprawność

0 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 Tesla K80 (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

2,6×10⁵

bity — relacje wewnątrz sieci

Kod

7,1×10⁸

bity — utrwalone wagi

Moc diagnostyczna

10^14,3 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

2,1×10⁻¹² J

kod × kT·ln2 — mniej się nie da

Realny trening

26 MWh

energia zapłacona naprawdę

Dystans od ideału

22,7 rzędu wielkości

= 10^22,7 × minimum

granica Landauera (0)mózg
14,5JFT
22,7

Mózg jest o ~8 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.