Desafios enfrentados pelas principais empresas de IA no aprimoramento de modelos

Insights essenciais

• As principais empresas de IA, incluindo OpenAI, Google e Anthropic, estão enfrentando obstáculos significativos em sua busca para aprimorar seus modelos mais recentes de inteligência artificial, experimentando retornos decrescentes sobre seus investimentos.
• O modelo mais recente da OpenAI, o Orion, não atendeu às expectativas, especialmente em relação aos recursos de codificação, enquanto desafios semelhantes são enfrentados pelo Gemini do Google e pelo Claude 3.5 Opus da Anthropic.
• Os principais desafios incluem a falta de dados de treinamento de qualidade, enormes despesas com computação e restrições de recursos energéticos.

Os principais players da indústria de tecnologia especializados em IA estão encontrando dificuldades em sua ambição de criar modelos de inteligência artificial mais sofisticados. A OpenAI, conhecida por ChatGPT, descobriu que sua mais recente criação, Orion, está abaixo dos padrões previstos. Particularmente, ela luta com tarefas de codificação, não mostrando avanços substanciais em comparação com versões anteriores, de acordo com um relatório da Bloomberg .

Retrocessos semelhantes são relatados em outros grandes desenvolvedores de IA. A futura plataforma Gemini do Google não está atingindo metas internas, e a Anthropic atrasou o lançamento de seu modelo Claude 3.5 Opus. Esses problemas abalaram as fundações do Vale do Silício, que há muito presumia que aumentar o poder de computação e a entrada de dados garantiria melhorias nos sistemas de IA.

A questão central surge da disponibilidade limitada de dados de treinamento de qualidade. Imagine ensinar um aluno com cada vez menos livros didáticos – as empresas de IA estão ficando sem conteúdo de alta qualidade, gerado por humanos, necessário para treinar seus modelos. Especialistas sugerem que, até 2028, os modelos de IA podem esgotar o material de treinamento atual, levando as empresas a buscar novas soluções inovadoras.

Em resposta a esses desafios, as empresas estão reavaliando suas estratégias. Em vez de focar apenas em modelos maiores, elas agora estão considerando metodologias diversas. Isso inclui melhorias pós-treinamento, integração de feedback humano e criação de aplicativos de IA direcionados a tarefas específicas, como reserva de voos ou gerenciamento de e-mail. Isso se assemelha a uma mudança de uma estratégia genérica para uma abordagem mais personalizada e orientada a tarefas.

As ramificações desses obstáculos vão além de meras questões técnicas. As altas avaliações de empresas de IA foram construídas com base na expectativa de avanços rápidos e contínuos. À medida que a velocidade do progresso desacelera, os investidores que injetaram grandes quantidades de capital nesses empreendimentos podem começar a fazer perguntas desafiadoras sobre seus retornos de investimento.

Fonte: MacRumors

Fonte e Imagens