编译 / VRAR星球 R星人

近日，谷歌的人工智能研究实验室DeepMind发表了关于训练AI模型的新研究，声称可以将训练速度和能源效率大大提高一个数量级，与其他方法相比，性能提高13倍，能效提高10倍。随着关于人工智能数据中心对环境影响的讨论升温，新的JEST训练方法及时出现。

据了解，DeepMind的方法被称为JEST或联合示例选择，它以一种简单的方式打破了传统的AI模型训练技术。典型的训练方法侧重于训练和学习的单个数据点，而JEST则基于整个批次进行训练。JEST方法首先创建一个较小的AI模型，该模型将对来自极高质量来源的数据质量进行分级，并按质量对批次进行排名。然后，它将该分级与更大、质量更低的集合进行比较。小型JEST模型确定最适合训练的批次，然后根据较小模型的结果训练大型模型。

DeepMin的研究人员在他们的论文中明确表示，这种“将数据选择过程引导到更小的、精心策划的数据集的分布上的能力”对于JEST方法的成功至关重要。谷歌声称“我们的方法超越了最先进的模型，迭代次数减少了13 倍，计算量减少了10倍。”

商务合作：13146398132

媒体合作：13341147250

爆料投稿：editor@vrarworld.cn

版权声明：本文为VRAR星球原创，任何单位及个人未经授权不得转载，否则将依法追究侵权责任。

如需转载请联系13341147250 / editor@vrarworld.cn 申请授权，转载时请注明来源并保留VRAR星球原文链接。

本文部分图片及视频来源于互联网，如涉及侵权请联系我们删除。