Google DeepMind har utvecklat en ny AI-träningsmetod kallad JEST, som påstås vara upp till 13 gånger snabbare och 10 gånger mer energieffektiv än befintliga metoder. JEST skiljer sig från traditionell träning genom att fokusera på att träna med hela databatchar, där en mindre AI-modell först bedömer och rangordnar datakvaliteten från högkvalitativa källor. Metoden är beroende av högkvalitativ, mänskligt kurerad träningsdata, vilket gör den svårare att implementera för amatörer och hobbyister. Forskningen kommer lägligt då diskussioner om AI:s höga energiförbrukning och dess miljöpåverkan intensifieras, med AI-arbetslaster som redan matchar länders energiförbrukning. Det återstår att se om JEST kommer att användas för att minska kostnader och miljöpåverkan, eller om den istället kommer att driva på ännu snabbare och större AI-utveckling.