Lưu trữ — US — techcrunch
Phân tích chỉ ra rằng sự cải tiến trong các mô hình AI "lập luận" có thể sẽ chậm lại trong thời gian tới.
Một phân tích của EpochAI cho thấy, sự tiến bộ trong các mô hình AI về lý do, như o3 của OpenAI, có thể giảm tốc trong vòng một năm tới do hạn chế về sức mạnh tính toán và chi phí quản lý cao. Cải thiện hiện tại từ quá trình đào tạo tiêu chuẩn tăng gấp bốn mỗi năm, trong khi lợi ích từ học tăng cường tăng gấp đôi mỗi 3-5 tháng. Hy vọng của ngành công nghiệp AI về các đột phá đáng kể có thể sẽ bị làm dịu bởi những kết quả này.
Điểm chính
- EpochAI đã thực hiện một phân tích cho thấy việc cải thiện hiệu suất từ trí tuệ nhân tạo có thể sẽ sớm đạt đến giới hạn
- Các mô hình như o3 của OpenAI đã cải thiện các chỉ số trong toán học và lập trình bằng cách sử dụng kỹ thuật học tăng cường
- Học tăng cường sử dụng nhiều sức mạnh máy tính hơn nhưng cho thấy sự giảm dần về lợi ích qua thời gian
- Cải thiện hiệu suất từ việc huấn luyện mô hình trí tuệ nhân tạo hiện đang tăng gấp bốn lần mỗi năm so với việc huấn luyện thông thường, trong khi cải thiện từ học tăng cường gấp mười lần mỗi 3-5 tháng
- Việc đầu tư lớn vào các mô hình lý do có thể không đem lại kết quả có thể mở rộng dự kiến do chi phí vận hành và giới hạn về sức mạnh máy tính.
Vì sao quan trọng
- Phân tích phản ánh xu hướng lịch sử trong phát triển trí tuệ nhân tạo, nơi tiến triển nhanh ban đầu thường được theo sau bởi điểm bão hòa.
- Tương tự như các đổi mới trong lĩnh vực máy tính trong quá khứ, như sự bão hòa được quan sát trong Định luật của Moore, các hạn chế trong khả năng xử lý có thể sớm ảnh hưởng đến sự tiến bộ của trí tuệ nhân tạo.
- Tính quan trọng của học tăng cường được nhấn mạnh thông qua các chiến lược đào tạo trí tuệ nhân tạo gần đây, xuất hiện trong các mô hình nổi tiếng từ tổ chức như OpenAI.
Sự chậm trễ sắp tới trong hiệu suất mô hình AI lý trí, như đã được nêu bật bởi EpochAI, có thể đối mặt với ngành công nghiệp AI, đòi hỏi sự đánh giá lại phân bổ tài nguyên và chiến lược nghiên cứu để duy trì đổi mới dài hạn.