Lưu trữ — US — techcrunch
Nghiên cứu tiết lộ phương pháp mới để 'mở rộng' AI, nhưng cần thận trọng với những tuyên bố này
Các nhà nghiên cứu đã đề xuất một định luật mới của trí tuệ nhân tạo gọi là 'inference-time search,' được cho là cải thiện hiệu suất mô hình. Tuy nhiên, sự hoài nghi vẫn tồn tại giữa các chuyên gia về tính hữu ích trong thực tế của nó, đặc biệt là trong những tình huống thiếu các hàm đánh giá rõ ràng. Cuộc tranh luận này nhấn mạnh sự phức tạp của việc nâng cao hiệu suất trí tuệ nhân tạo và nhu cầu tiếp tục cho các cơ chế lý do hiệu quả.
Điểm chính
- Các nhà nghiên cứu giới thiệu 'tìm kiếm trong thời gian suy luận' như một luật tỉ lệ mới có thể áp dụng cho trí tuệ nhân tạo.
- Phương pháp này đề xuất việc tạo ra và chọn lựa câu trả lời tốt nhất từ nhiều phản hồi có thể vượt qua các mô hình hiện tại.
- Chuyên gia như Matthew Guzdial bày tỏ sự hoài nghi về hiệu quả của nó trong các ứng dụng thực tế, đặc biệt là đối với các truy vấn không rõ ràng.
- Mike Cook nhấn mạnh rằng cách tiếp cận này không cải thiện quá trình suy luận mà là tránh né các hạn chế về công nghệ.
- Chi phí cao của việc suy luận mô hình nhấn mạnh nhu cầu không ngừng tìm kiếm phương pháp mở rộng hiệu quả trong ngành công nghiệp.
Vì sao quan trọng
- Các luật về tỷ lệ mở rộng của trí tuệ nhân tạo đã đóng vai trò then chốt trong việc tiến bộ của công nghệ AI, ảnh hưởng đến thiết kế mô hình và các phương pháp đào tạo.
- Sự phát triển của việc mở rộng 'sau quá trình đào tạo' và 'trong thời gian kiểm thử' phản ánh sự biến đổi của cảnh quan trí tuệ nhân tạo.
- Các xu hướng hiện tại nhấn mạnh việc tích hợp hiệu quả trong việc đào tạo AI và chi phí vận hành giữa nhu cầu tính toán tăng lên đáng kể.
Công nghệ 'tìm kiếm khi suy luận' đề xuất đưa ra một bước tiến hấp dẫn trong việc mở rộng trí tuệ nhân tạo, nhưng đặt ra câu hỏi về việc áp dụng thực tế và hiệu quả, cho thấy hành trình tìm kiếm các kỹ thuật suy luận trí tuệ và hiệu quả vẫn còn xa xôi.