Wyzwania w ulepszaniu modeli, z którymi mierzą się czołowe firmy zajmujące się sztuczną inteligencją

Podstawowe informacje

• Najważniejsze firmy zajmujące się sztuczną inteligencją, w tym OpenAI, Google i Anthropic, zmagają się ze znacznymi przeszkodami w dążeniu do udoskonalenia swoich najnowszych modeli sztucznej inteligencji, co skutkuje malejącą stopą zwrotu z inwestycji.
• Najnowszy model OpenAI, Orion, nie spełnił oczekiwań, zwłaszcza w zakresie możliwości kodowania; z podobnymi wyzwaniami mierzą się Gemini firmy Google i Claude 3.5 Opus firmy Anthropic.
• Do głównych wyzwań zalicza się brak wysokiej jakości danych szkoleniowych, ogromne koszty obliczeniowe i ograniczenia w zakresie zasobów energetycznych.

Wiodący gracze w branży technologicznej specjalizujący się w AI napotykają trudności w realizacji swoich ambicji tworzenia bardziej zaawansowanych modeli sztucznej inteligencji. OpenAI, znany z ChatGPT, odkrył, że jego najnowsze dzieło, Orion, jest poniżej oczekiwanych standardów. W szczególności ma problemy z zadaniami kodowania, nie wykazując żadnych istotnych postępów w porównaniu z wcześniejszymi wersjami, zgodnie z raportem Bloomberga .

Podobne niepowodzenia zgłaszają inni główni deweloperzy AI. Nadchodząca platforma Gemini firmy Google nie spełnia wewnętrznych celów, a Anthropic opóźnił wprowadzenie swojego modelu Claude 3.5 Opus. Problemy te wstrząsnęły fundamentami Doliny Krzemowej, która od dawna zakładała, że ​​zwiększenie mocy obliczeniowej i danych wejściowych zagwarantuje poprawę systemów AI.

Główny problem wynika z ograniczonej dostępności wysokiej jakości danych szkoleniowych. Wyobraźmy to sobie jako nauczanie ucznia przy użyciu coraz mniejszej liczby podręczników – firmom AI kończą się wysokiej jakości, generowane przez ludzi treści niezbędne do szkolenia ich modeli. Eksperci sugerują, że do 2028 r. modele AI mogą wyczerpać obecny materiał szkoleniowy, co skłoni firmy do poszukiwania nowych innowacyjnych rozwiązań.

W odpowiedzi na te wyzwania firmy dokonują ponownej oceny swoich strategii. Zamiast skupiać się wyłącznie na większych modelach, rozważają teraz różne metodologie. Obejmuje to ulepszenia po szkoleniu, integrację informacji zwrotnych od ludzi i opracowywanie aplikacji AI ukierunkowanych na określone zadania, takie jak rezerwacja lotów lub zarządzanie pocztą e-mail. Przypomina to przejście od ogólnej strategii do bardziej dostosowanego podejścia zorientowanego na zadania.

Konsekwencje tych przeszkód wykraczają poza kwestie czysto techniczne. Wysokie wyceny przedsiębiorstw AI zostały zbudowane na oczekiwaniach na ciągłe szybkie postępy. W miarę jak tempo postępu spada, inwestorzy, którzy wstrzyknęli ogromne ilości kapitału w te przedsięwzięcia, mogą zacząć zadawać trudne pytania dotyczące swoich zwrotów z inwestycji.

Źródło: MacRumors

Źródło i obrazy