Clicked Gallery
O que são leis de escala (scaling laws)?
Subrayado en un documento técnico real. Explicado por Clicked.
Usado numa frase
Engineering Notes · AI Systems
The paper argued that scaling laws justified the lab's next training run, projecting performance before a single chip was rented.
O leitor sublinhou uma palavra na documentação. O Clicked explicou o termo técnico «scaling laws» em termos simples:
Explicado em três níveis
●○○
Overview
Leis de escala são o padrão observado de que os modelos de IA melhoram de forma suave e previsível conforme três coisas crescem juntas: o tamanho deles, os dados deles e o poder computacional gasto treinando-os. O padrão é constante o bastante para os laboratórios treinarem modelos pequenos e baratos, traçarem a curva e preverem quão bom um muito maior será antes de gastar o dinheiro. Essa previsibilidade foi o que disparou a corrida por modelos cada vez maiores.
●●○
Detail
Leis de escala descrevem quanto um modelo melhora conforme mais é gasto nele. Torne o modelo maior, alimente-o com mais texto, dê-lhe mais tempo de computação, e os erros dele encolhem ao longo de uma curva suave, dos pequenos modelos experimentais até os maiores já construídos. Essa regularidade é a parte valiosa. Treinar um modelo de fronteira custa centenas de milhões de dólares, e as leis transformam a aposta numa previsão: treine uma família de modelos pequenos, meça a curva e leia dela quão bom o caro deve ser. Duas ressalvas mantêm a palavra "lei" honesta. Cada degrau igual de habilidade custa cerca de dez vezes o gasto do anterior, e é por isso que os orçamentos cresceram de racks de chips a data centers inteiros. E tamanho, dados e tempo de computação só pagam juntos: um modelo enorme com texto de menos desperdiça a maior parte do próprio tamanho, e achar o equilíbrio certo entre os três é um ramo próprio da ciência. As leis também preveem uma coisa estreita, a precisão em adivinhar a próxima palavra. Quais habilidades chegam em qual tamanho — aritmética, tradução, código — é exatamente sobre o que elas ficam caladas.
●●●
Analogy
Leis de escala funcionam como as curvas de crescimento no consultório do pediatra. Meça uma criança aos dois, três e quatro anos, e os pontos traçam uma curva constante o bastante para prever a altura dela aos dez, sem esperar seis anos para descobrir. Crescimento assim regular torna a previsão possível, e esse é o truque inteiro. A curva prevê altura, e só altura. Os marcos também seguem a idade, mas frouxamente: as tabelas de referência dão faixas, não datas, e nada na curva de altura estreita a faixa. Saber que uma criança acompanha o percentil 60 não diz nada sobre a semana em que a bicicleta finalmente fica de pé.
Explicações de IA podem conter erros · Não é aconselhamento profissional
Os mesmos fatos, outra vibe — Modo slang 😎
●○○
Overview
Leis de escala são a razão de os laboratórios de IA comprarem chips como se as fábricas fossem parar de fazê-los. Alguém traçou tamanho de modelo contra desempenho e obteve uma curva tão lisa que dá para régua-r aonde ela vai: faça maior, fica melhor, mais ou menos tanto assim. Nenhuma sacada genial exigida no próximo passo, só mais de tudo. Quando a melhora é assim agendável, a discussão dentro de cada laboratório desaba numa palavra: mais. 😎
●●○
Detail
Leis de escala transformaram o progresso da IA de jogo de azar em compras. Antes delas, ninguém sabia se o próximo sistema enorme seria mais esperto ou meramente mais caro. Aí pesquisadores traçaram desempenho contra tudo o que foi gasto numa rodada, e os pontos caíram numa linha tão arrumada que dá para estendê-la a lápis. Essa linha a lápis é o caso de negócio inteiro: teste um punhado de protótipos baratos, estenda a linha e leia dela o que a versão de nove dígitos vai pontuar antes de pagar por ela. A letra miúda vem em duas partes. Cada passo ao longo da linha sai por cerca de dez vezes o preço do anterior, então a conta de hardware foi de um rack a um campus. E a mistura importa tanto quanto o total, porque uma rede colossal sem material de leitura suficiente esbanja a maior parte da própria capacidade; achar a receita certa é metade do ofício. A linha também acompanha exatamente uma habilidade, prever o que vem a seguir numa frase. Os talentos de manchete, resolver problemas de matemática ou trabalhar numa língua que ninguém ensinou de propósito, aparecem pelo caminho sem aviso. A linha sempre soube quão boa a adivinhação fica. O que a adivinhação destrava, ela descobre quando nós descobrimos. 😎
●●●
Analogy
Leis de escala são uma operação de quebra de códigos em tempo de guerra. Contrate mais analistas, grampeie mais tráfego de rádio, construa mais máquinas decodificadoras, e a contagem diária de mensagens inimigas lidas sobe com firmeza suficiente para se planejar uma guerra em cima. O porém é o preço da firmeza, porque cada aumento na contagem custa múltiplos do que o anterior custou. Os insumos também só pagam juntos: analistas sem interceptações frescas só tomam chá. O quadro se aguça no cronograma. A manhã em que a cifra do inimigo finalmente racha se escolhe sozinha. 😎
Explicações de IA podem conter erros · Não é aconselhamento profissional
Definição formal — O mesmo termo, explicado da forma habitual
Leis de escala são relações empíricas de lei de potência entre a perda de teste de um modelo e a escala do seu treinamento, expressa em contagem de parâmetros, tamanho do conjunto de dados e computação total. Formuladas para modelos neurais de linguagem por Kaplan et al. em 2020 e refinadas pelos resultados Chinchilla de 2022, que mostraram que a perda é minimizada quando parâmetros e tokens de treinamento crescem em proporção aproximadamente constante, elas permitem a extrapolação do desempenho de modelos grandes a partir de rodadas menores e sustentam o planejamento de orçamento de computação para sistemas de fronteira. As relações dizem respeito à perda agregada, não a capacidades específicas, e se persistem em escalas maiores permanece uma questão empírica aberta.
Quer que o Clicked explique termos como «scaling laws» direto no seu navegador, até em PDFs?
Adicionar ao Chrome — Grátis50 explicações grátis · Sem cartão de crédito
Mais da galeria
O que é treinamento (em IA)?
O processo que constrói um modelo por exemplo. Conversar com ele depois não muda nada.
O que é um grande modelo de linguagem (LLM)?
Um programa que prevê o texto que vem a seguir — depois ensinado, à parte, a responder em vez de divagar.
O que é uma GPU (unidade de processamento gráfico)?
O chip que faz milhares de cálculos de uma vez. Feito para gráficos, hoje o motor da IA.
O que são benchmarks de IA?
As notas por trás de cada lançamento de IA, o que elas medem — e por que o líder ainda pode decepcionar.
O que é um transformer (em IA)?
O projeto por trás do T de GPT: cada palavra presta atenção em todas as outras, ao mesmo tempo.
O que é AGI (inteligência artificial geral)?
A IA hipotética que daria conta de qualquer coisa que uma pessoa dá. Não existe ainda, e não há teste combinado para ela.