これらはコンピュート・エレメント、つまり実際に計算を実行するコンポーネントです。

実際に計算を実行する。

このコスト削減と、基本的に軽量なモデル、つまりダウンロードしてラップトップで実行できることが、背筋をゾッとさせた。

そして、米国と世界のAI業界全体が、高度な計算とビッグデータセンター、大量のエネルギー使用とチップについて考えてきた。

つまり、人工知能の開発において、大量の計算がより質の高い回答をもたらすであろう3つの分野があることに気づくだろう。

だから、それができるようになるにはまだ数年かかると思うし、その間に計算能力を高め続けなければならない。

ちょっとした計算をしただけで死んでしまいますそして、私が押しているのは

は、私たちがどのように計算を行うかの再設計の受益者となります。それはまた、以下のことにも役立ちます。

TrueNorthとLoihiはまた、通常は別々のコンピュータの2つの側面、すなわちメモリと計算を1つのチップに結合しました。

家庭にあるような一般的なコンピュータでは、CPUが計算を処理し、ランダムアクセスメモリ（RAM）からデータを前後にシャッフルしています。

膨大な数のパラメータと膨大な量の学習データを考えると、大規模な言語モデルの学習に関わる計算の規模は気の遠くなるようなものだ。

しかし、事前トレーニングを振り返ってみると、この驚異的な計算量は、GPUと呼ばれる多数の演算を並列に実行するために最適化された特殊なコンピューターチップを使用することによってのみ可能になる。

すべての計算能力を使わなければならない

推論AIや推論AIシステム、エージェントシステムのトレーニングの結果、AIでやらなければならない計算量は非常に多くなっている。

そして、得意なこと、例えば計算を得意とする人たちだ。

だから、計算シャ・リが激しいから制限されると評価しているのでしょう。