Herausforderungen bei der Verbesserung von Modellen für führende KI-Unternehmen

Wesentliche Erkenntnisse

• Die führenden KI-Unternehmen, darunter OpenAI, Google und Anthropic, kämpfen bei ihrem Bestreben, ihre neuesten künstlichen Intelligenzmodelle zu verbessern, mit erheblichen Hürden und erleben eine sinkende Rendite ihrer Investitionen.
• Das neueste Modell von OpenAI, Orion, hat die Erwartungen nicht erfüllt, insbesondere im Hinblick auf die Codierungsfähigkeiten, während Googles Gemini und Anthropics Claude 3.5 Opus vor ähnlichen Herausforderungen stehen.
• Zu den größten Herausforderungen zählen der Mangel an qualitativ hochwertigen Trainingsdaten, enorme Rechenkosten und begrenzte Energieressourcen.

Die führenden Akteure der Technologiebranche, die sich auf KI spezialisiert haben, stoßen bei ihrem Vorhaben, ausgefeiltere Modelle für künstliche Intelligenz zu entwickeln, auf Schwierigkeiten. OpenAI, bekannt für ChatGPT, hat festgestellt, dass seine neueste Kreation, Orion, unter den erwarteten Standards liegt. Insbesondere bei Codierungsaufgaben hat es Probleme und zeigt laut einem Bericht von Bloomberg keine wesentlichen Fortschritte im Vergleich zu früheren Versionen .

Ähnliche Rückschläge werden auch bei anderen großen KI-Entwicklern gemeldet. Googles kommende Gemini-Plattform erfüllt die internen Ziele nicht und Anthropic hat die Einführung seines Modells Claude 3.5 Opus verschoben. Diese Probleme haben die Grundfesten des Silicon Valley erschüttert, das lange davon ausgegangen war, dass eine Steigerung der Rechenleistung und des Dateninputs eine Garantie für die Verbesserung der KI-Systeme wäre.

Das Kernproblem ergibt sich aus der begrenzten Verfügbarkeit qualitativ hochwertiger Trainingsdaten. Stellen Sie es sich so vor, als würde man einem Schüler mit immer weniger Lehrbüchern beibringen – KI-Unternehmen gehen die hochwertigen, von Menschen erstellten Inhalte aus, die sie zum Trainieren ihrer Modelle benötigen. Experten gehen davon aus, dass KI-Modelle bis 2028 das aktuelle Trainingsmaterial aufgebraucht haben könnten, was die Unternehmen dazu veranlasst, nach neuen innovativen Lösungen zu suchen.

Als Reaktion auf diese Herausforderungen überdenken Unternehmen ihre Strategien. Anstatt sich nur auf größere Modelle zu konzentrieren, ziehen sie nun unterschiedliche Methoden in Betracht. Dazu gehören Verbesserungen nach dem Training, die Integration von menschlichem Feedback und die Entwicklung von KI-Anwendungen, die auf bestimmte Aufgaben wie Flugbuchungen oder E-Mail-Management ausgerichtet sind. Es ähnelt einer Abkehr von einer generischen Strategie hin zu einem individuelleren, aufgabenorientierteren Ansatz.

Die Auswirkungen dieser Hindernisse gehen über rein technische Probleme hinaus. Die hohen Bewertungen von KI-Unternehmen basieren auf der Erwartung anhaltend schneller Fortschritte. Wenn sich die Geschwindigkeit des Fortschritts verlangsamt, könnten Investoren, die enorme Kapitalbeträge in diese Unternehmungen gesteckt haben, beginnen, sich ernsthafte Fragen hinsichtlich ihrer Anlagerenditen zu stellen.

Quelle: MacRumors

Quelle & Bilder