Analiza koju provodi OpenAI pokazala je da se sa svakim uspjehom na području umjetne inteligencije povećava potreba za računalnom moći koja bi procesuirala svaki idući napredak. Otišlo se do te mjere da je u ovom trenutku snaga potrebna za “treniranje” umjetne inteligencije gotovo sedam puta veća nego ikad prije.

Konkretnije, OpenAI navodi da se od 2012. do 2018. potrebna računalna moć udvostručavala svaka 3,4 mjeseca. Primjerice, od 1959. do 2012. se ta potrebna računalna moć udvostručavala svake dvije godine, što znači da ovih 3,4 mjeseca znače gotovo sedam puta brži napredak nego kroz to razdoblje.

Tako nešto zapravo objašnjava Mooreov zakon kroz situaciju vezanu za tranzistore. Točnije, Gordon Moore je 1965. rekao da će se broj tranzistora koji se po najpovoljnijoj cijeni mogu smjestiti na čip udvostručavati svake dvije godine. I uistinu je vrijedio više od pola stoljeća.

Identično se može primijeniti i po pitanju računalne moći potrebne da se "trenira" umjetna inteligencija. Jedino što se sama teorija ponešto promijenila po pitanju vremena potrebnog da se ta moć udvostruči. I to nije nimalo poticajno jer iziskuje potrošnju enormne količine resursa. Dakle, ne samo energije već i novca. Upozoravali su to prošle godine developeri i stručnjaci za umjetnu inteligenciju.

Tako nešto problematično je iz razloga što akademska zajednica ne može pratiti privatni sektor, koji ima potrebne milijarde američkih dolara za razvoj umjetne inteligencije, koja ide ubrzano prema naprijed ako joj se omoguće preduvjeti za to. A oni su u računalnoj moći. Akademska zajednica to ne može pa kaska i to je podosta problematično.

Upravo zato OpenAI poziva na povećanje ulaganja javnog novca u taj segment istraživanja akademske zajednice, no teško da se išta može promijeniti. Potrebna računalna moć nastavit će rasti jer što više raste, to umjetna inteligencija više uči, a što više uči, to oni koji stoje iza njega imaju više koristi. A što više raste i uči, to je skuplje brinuti o njoj...