Google’s DeepMind ha presentado un nuevo método de entrenamiento JEST para modelos de IA, que afirma mejorar significativamente la velocidad de entrenamiento y la eficiencia energética. Este método, que se centra en el entrenamiento por lotes en lugar de en puntos de datos individuales, consiste en crear un modelo más pequeño para evaluar la calidad de los datos y seleccionar los lotes más adecuados para entrenar un modelo más grande. El éxito del método JEST depende de la calidad de los datos de entrenamiento, lo que lo convierte en un reto para los desarrolladores de IA aficionados. El momento de esta investigación es crucial, dada la creciente preocupación por el impacto medioambiental de los centros de datos de IA, ya que las cargas de trabajo de IA ya consumen una cantidad sustancial de energía. La adopción de los métodos JEST por parte de los principales actores del espacio de la IA sigue siendo incierta, pero hay esperanzas de que pueda reducir el consumo de energía y los costes de formación. Sin embargo, la competencia entre el ahorro de costes y un rendimiento de formación hiperrápido puede determinar en última instancia su impacto en la industria.
