Unsupervised High-level Feature Learner

• ·parametry: estymata Epoch AI (pewność: likely)
• ·jednostki korelatora: estymata z parametrów (d∝P^⅓, proporcje dense transformera)
• ·energia: compute ÷ sprawność era 2012 (czip typowy dla ery) × MFU 0,40 × PUE 1,2

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.

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).

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.

Mózg jest o ~4 rzędy 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.

Unsupervised High-level Feature Learner osiąga 0,0002% potencjału mózgu — mózg ma ok. 450 000× więcej. Pasek jest logarytmiczny, więc każdy równy odcinek to ok. 10× wzrost.

Moment w historii

W VII 2012 Unsupervised High-level Feature Learner został najpotężniejszym korelatoremKorelator (cybernetyka Mazura) — część systemu, która gromadzi i kojarzy informacje. W mózgu to sieć neuronów, w AI — parametry modelu. „Najpotężniejszy” = najwyższy Indeks Świadomości. świata — tytuł utrzymał przez 2 lata i 2 mies., do IX 2014 (Seq2Seq LSTM).

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

1. #372GPT-2 (1.5B)OpenAI0,0003%
2. #373InstructGPT 1.3BOpenAI0,0003%
3. #374Unsupervised High-level Feature LearnerGoogle0,0002%
4. #375TransEUniversite de Technologie de Compiègne – CNRS,Google0,0002%
5. #376SAM 3Meta AI0,0002%

Kontekst czasu

Każdy szary punkt to jeden z 419 modeli; Unsupervised High-level Feature Learner wyróżniony kolorem. Oś pionowa jest logarytmiczna, a przerywana linia u góry to mózg (100%).