CoinWorld informa que, Jack Clark, cofundador de Anthropic y exdirector de políticas de OpenAI, mencionó la importancia del entrenamiento descentralizado en su boletín semanal de noticias de IA Import AI. Él afirmó que el entrenamiento descentralizado puede mejorar la privacidad de los datos y la robustez del sistema mediante el aprendizaje distribuido en múltiples nodos. Citó un informe de investigación de Epoch AI, que analiza más de 100 artículos relacionados, y señaló que: la escala de cálculo del entrenamiento descentralizado está creciendo a una tasa de 20 veces por año (muy por encima del 5 veces de crecimiento anual del entrenamiento centralizado de vanguardia). Actualmente, el entrenamiento descentralizado sigue siendo aproximadamente 1000 veces menor que el centralizado de vanguardia, pero es tecnológicamente factible y podría apoyar un desarrollo colectivo más amplio para modelos más potentes.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
CoinWorld informa que, Jack Clark, cofundador de Anthropic y exdirector de políticas de OpenAI, mencionó la importancia del entrenamiento descentralizado en su boletín semanal de noticias de IA Import AI. Él afirmó que el entrenamiento descentralizado puede mejorar la privacidad de los datos y la robustez del sistema mediante el aprendizaje distribuido en múltiples nodos. Citó un informe de investigación de Epoch AI, que analiza más de 100 artículos relacionados, y señaló que: la escala de cálculo del entrenamiento descentralizado está creciendo a una tasa de 20 veces por año (muy por encima del 5 veces de crecimiento anual del entrenamiento centralizado de vanguardia). Actualmente, el entrenamiento descentralizado sigue siendo aproximadamente 1000 veces menor que el centralizado de vanguardia, pero es tecnológicamente factible y podría apoyar un desarrollo colectivo más amplio para modelos más potentes.