アーカイブ — US — techcrunch
研究者、新たなAI「スケーリングアップ」方法を発見も懐疑的視する声も
研究者たちは、モデルの性能を向上させることを提案する新しいAIの「スケーリング法則」である「推論時間検索」を提案しました。しかし、明確な評価関数がない状況では、その実用的な有用性について専門家の間で懐疑論も存在しています。この議論は、AIの性能向上の複雑さと、効果的な推論メカニズムの継続的な必要性を浮き彫りにしています。
要点
- 研究者たちが、「推論時間探索」という新しいAIスケーリング法を提案。
- この手法は、膨大な回答から最適な回答を生成・選択することで、既存のモデルを上回る可能性があると指摘。
- Matthew Guzdialなどの専門家は、特に曖昧なクエリに対してこの手法の有効性に疑念を示している。
- Mike Cookは、このアプローチが推論を向上させるのではなく、技術的な制約を回避するものであると強調。
- モデル推論の高いコストが、産業界が効果的なスケーリング手法を模索する動きを浮き彫りにしている。
なぜ重要か
- AI技術の発展において重要な役割を果たしてきたのがAIスケーリング則です。これはモデル設計やトレーニング方法に影響を与えています。
- "post-training"や"test-time"のスケーリングが台頭することで、AI能力の変化する風景を反映しています。
- 現在のトレンドは、AIトレーニングや運用コストの効率性を統合することを重視しており、計算要求の増加に対応しています。
AIのスケーリングにおける興味深い進展である提案された「推論時間検索」は、実用性や効果に関する疑問を呼び起こしています。これは革新的かつ効率的なAI推論技術の探求がまだ終わっていないことを示しています。