En el último año, el costo de formación de los modelos de IA se disparó, según datos publicados por la empresa de investigación Epoch AI. Esto demuestra los complejos y capaces que se volvieron los modelos de IA en poco tiempo.
En marzo de 2023, OpenAI presentó ChatGPT-4, que dio el punto de partida al auge mundial de la IA. En diciembre, Google hizo lo propio con su modelo avanzado de IA, Gemini. Ambos sistemas fueron mucho más caros de entrenar que los modelos de IA anteriores y su desarrollo costó potencialmente cientos de millones de dólares, según el comunicado de Epoch AI.
El costo de formación de Gemini, que es un gran modelo lingüístico en el que se puede introducir texto, órdenes de voz e imágenes, se situó entre 30 y 191 millones de dólares, incluso sin tener en cuenta los salarios del personal. Según Epoch AI, estos pueden suponer entre el 29% y el 49% del precio final.
La última edición de ChatGPT-4 tuvo un costo de creación técnica de entre 41 y 78 millones de dólares, según el estudio. Sam Altman, CEO de OpenAI, diijo en el pasado que el modelo costó más de 100 millones de dólares, lo que confirma los cálculos.
En retrospectiva, el precio de los primeros modelos de IA era mucho menor. ChatGPT-3 solo costaba entre 2 y 4 millones de dólares en 2020, mientras que PaLM, el precursor de Gemini en 2022, requería entre 3 y 12 millones de dólares para entrenarse si solo se tenía en cuenta el costo informático.
Incluso con esos precios, seguir el ritmo del desarrollo de la IA de vanguardia podría haber resultado difícil para las instituciones académicas u otras instituciones públicas que tradicionalmente se dedicaron a la investigación de esta tecnología. Con los precios de 2023, es prácticamente imposible, como señala Epoch AI, que menciona el Recurso Nacional norteamericano de Investigación de la IA creado por la administración Biden a finales de 2023 como una posible solución.
Este fondo permitiría a investigadores y estudiantes acceder a las herramientas de IA pertinentes y conceder becas. Sin embargo, aún se encuentra en fase piloto. La orden ejecutiva que creó el recurso se centra principalmente en establecer normas para la seguridad y la privacidad de la IA, por ejemplo, reforzando los derechos de los consumidores frente a los algoritmos, así como los derechos de los empleados ante los cambios en el lugar de trabajo.
¿AI para el consumo?
Aunque se actualizó para admitir voz e imágenes en otoño de 2023, ChatGPT-4, como su nombre indica, comenzó basándose en su chat de entrada de texto, mientras que Gemini y su aplicación se diseñaron como un LLM multimodal desde el principio. Esto explica por qué el costo de formación inicial de ChatGPT podría haber sido menor.
Por otro lado, el hecho de que Gemini se enfoque en la entrega de aplicaciones, pidiendo a los usuarios que tomen fotos con sus smartphones, seleccionen características y las analicen, podría haber justificado un costo mayor.
Gemini también incluye funciones relacionadas con el comercio electrónico, como mostrar dónde comprar algo que aparece en una imagen de forma similar a una búsqueda en Google. Esto demuestra cómo Google está aplicando su identidad de marca como motor de búsqueda a los modelos de IA, mientras que OpenAI, la primera empresa de IA, tuvo que forjar su identidad y sus puntos fuertes en el ámbito de la IA desde cero. También plantea la cuestión de si en el futuro la IA derivará más hacia funciones de apoyo comercial, como prevé la administración Biden, en lugar de la creación de textos originales, la característica más publicitada de ChatGPT.
El modelo de texto a imagen de OpenAI, DALL-E, tuvo un costo mucho menor en 2021 que los LLM creados por esas fechas, incluida la versión 3 de ChatGPT de 2020. Su fabricación solo costó entre 118.000 y 335.000 dólares, según Epoch AI.
Su última versión de seguimiento, DALL-E 3, ahora forma parte de las versiones ampliadas de ChatGPT para clientes de pago.
En este cálculo, el precio del hardware propio es siempre inferior al del enfoque de computación en nube, ya que utiliza el costo amortizado, lo que significa que solo tiene en cuenta la parte del costo total de la vida útil de un componente de hardware en relación con el tiempo utilizado para entrenar el modelo de IA respectivo.
Nota publicada en Forbes US.
