Les défis de l’amélioration des modèles auxquels sont confrontées les plus grandes entreprises d’IA

Informations essentielles

• Les principales entreprises d’IA, dont OpenAI, Google et Anthropic, sont confrontées à des obstacles importants dans leur quête d’amélioration de leurs derniers modèles d’intelligence artificielle, et connaissent des retours sur investissement décroissants.
• Le dernier modèle d’OpenAI, Orion, n’a pas répondu aux attentes, notamment en ce qui concerne les capacités de codage, tandis que Gemini de Google et Claude 3.5 Opus d’Anthropic sont confrontés à des défis similaires.
• Les principaux défis incluent le manque de données de formation de qualité, les dépenses informatiques énormes et les contraintes sur les ressources énergétiques.

Les principaux acteurs de l’industrie technologique spécialisés dans l’IA rencontrent des difficultés dans leur ambition de créer des modèles d’intelligence artificielle plus sophistiqués. OpenAI, connu pour ChatGPT, a constaté que sa dernière création, Orion, n’était pas à la hauteur des attentes. Elle a notamment du mal à effectuer des tâches de codage, ne montrant aucune avancée substantielle par rapport aux versions précédentes, selon un rapport de Bloomberg .

Des difficultés similaires ont été signalées chez d’autres grands développeurs d’IA. La future plateforme Gemini de Google n’atteint pas les objectifs internes et Anthropic a retardé le lancement de son modèle Claude 3.5 Opus. Ces problèmes ont ébranlé les fondations de la Silicon Valley, qui avait longtemps présumé que l’augmentation de la puissance de calcul et de la saisie de données garantirait l’amélioration des systèmes d’IA.

Le problème principal réside dans la disponibilité limitée de données de formation de qualité. Imaginez que vous enseigniez à un étudiant avec de moins en moins de manuels : les entreprises d’IA sont à court de contenu de qualité, généré par des humains, nécessaire à la formation de leurs modèles. Les experts estiment que d’ici 2028, les modèles d’IA pourraient épuiser le matériel de formation actuel, ce qui incitera les entreprises à rechercher de nouvelles solutions innovantes.

Pour répondre à ces défis, les entreprises réévaluent leurs stratégies. Au lieu de se concentrer uniquement sur des modèles plus vastes, elles envisagent désormais diverses méthodologies. Cela comprend des améliorations post-formation, l’intégration de commentaires humains et la conception d’applications d’IA ciblées sur des tâches spécifiques telles que la réservation de vols ou la gestion des e-mails. Cela ressemble à un passage d’une stratégie générique à une approche plus personnalisée et axée sur les tâches.

Les ramifications de ces obstacles vont au-delà des simples problèmes techniques. Les valorisations élevées des entreprises d’IA reposent sur l’attente de progrès rapides et continus. À mesure que la vitesse des progrès ralentit, les investisseurs qui ont injecté d’énormes quantités de capitaux dans ces entreprises pourraient commencer à se poser des questions difficiles concernant le rendement de leurs investissements.

Source : MacRumors

Source et images