Rødglødende grafikkort i kæmpe datacentre

Der er næppe tvivl om, at behovet for massive mængder regnekraft og ikke mindst et kolossalt energiforbrug er nogle af de store udfordringer ved AI.Datacentrene, hvor modeller som GPT 4, Llama, Claude og Gemini bliver trænet, er på det nærmeste rødglødende allerede, og kravet om stadig flere GPU'er med stadig flere processorer bliver nok ikke mindre lige med det samme.Men hvorfor er det egentlig, at machine learning, deep learning og generativ AI kræver så meget processorkraft, og er der noget der tyder på at det vil ændre sig?Det har jeg spurgt professor Søren Hauberg fra DTU Compute om.Lyt med! 🤖LINKSNYHEDERDisney og Universal sagsøger Midjourney for ophavsret | BBCBBC truer AI-firma med retssag over uautoriseret brug af indhold | BBCMetas AI-model kan gengive næsten halvdelen af Harry Potter | Ars TechnicaForsknings-artiklen om AI-citater fra bøger | arXivMeta satser 15 milliarder dollars på AGI | The VergeMetas Scale AI-aftale får kunder som Google og OpenAI til at stoppe projekter | Business InsiderKlarnas direktør som AI-klon på firmaets telefon-hotline | The VergeAI COMPUTEProfessor Søren Hauberg på DTU ComputeInterview med Nvidias CEO Jensen Huang om chipkontrol, AI-fabrikker, etc | StratecheryDanmark skal have en ny AI-fabrik, mener minister | DR AI-konsulenter forklarer udmærket om modeller, træning og regnekraft | RTSlabs