Nyheden om, at OpenAI, Google og Anthropic – tre af de største navne inden for kunstig intelligens – har svært ved at perfektionere deres nyeste modeller, vækker opsigt. Fokus ligger på OpenAIs nye projekt "Orion", som skal overstige ydeevnen fra tidligere modeller som GPT-4. Men i stedet for at opnå et stort fremskridt, kæmper virksomheden med et tilbageslag: Orion opfylder ikke de interne forventninger. Den samme dynamik ses hos Google og Anthropic, som også står over for udfordringer.

Orion: Ein Schritt zurück?

Orion, OpenAIs længe ventede nye model, blev i september underkastet en første træningsrunde. Forventningerne var høje, da den forventedes at overgå GPT-4. Men insidere rapporterer, at Orion har fejlet i at nå de fastsatte præstationsmål, især ved komplekse opgaver som programmeringsspørgsmål, der ligger uden for træningsdatagrundlaget.

En insider forklarede, at Orion mangler tilstrækkelige specifikke træningsdata inden for programmering. Et problem, som OpenAI gang på gang støder på i udviklingen af Orion: På trods af intens finjustering – såkaldte "efter-træningsprocesser" – forbliver Orion under det niveau, der er nødvendigt for en markedslancering. Virksomheden kunne derfor udskyde offentliggørelsen af modellen til næste år.

Der schrumpfende Fortschritt

OpenAIs oplevelse er ikke en enestående sag. Også Google og Anthropic er under pres. Hos Google skuffer den nyeste version af Gemini-softwaren, og hos Anthropic er lanceringen af den længe ventede Claude-3.5-Opus forsinket. Trods omfattende udviklingsarbejde, enorme finansielle investeringer og mange eksperters talent forbliver succesen med de nye KI-modeller indtil videre langt under forventningerne.

KI-Modelle am Limit – Ein Wachstumsdilemma

Udviklingen af nye AI-modeller er primært baseret på to søjler: tilgængeligheden af træningsdata af høj kvalitet og massiv regnekraft. Men begge ressourcer er svære at få fat i. Kvalitetskilder af menneskeskabte data bliver sjældne, og udforskning af nye, unikke datasæt kræver specialiserede fagfolk og enorme investeringer. Nogle virksomheder tyr nu til syntetiske data – tekster og billeder, der er AI-genereret – men kvaliteten og mangfoldigheden af sådanne data forbliver begrænset.

„Det handler mindre om kvantitet og mere om kvalitet og mangfoldighed af data,“ siger Lila Tretikov, leder af AI-strategi hos New Enterprise Associates. „Vi kan generere syntetiske data i stor mængde, men at opnå virkelig højkvalitets, unikke datasæt uden menneskelig vejledning er en udfordring, især med sprogbaserede modeller.“

Die Kosten steigen, die Fortschritte sinken

For virksomheder som OpenAI og Google, der investerer milliarder i KI-udvikling, er den faldende effektivitet et alvorligt problem. Udviklingen af modeller som Orion eller Gemini koster hvert år hundreder af millioner dollar. "Vi har på kort tid gjort enorme fremskridt," siger Noah Giansiracusa, matematikprofessor ved Bentley University, "men det var ikke bæredygtigt." Begejstringen for hurtige innovationer synes at køle af, mens KI-udvikling har brug for nye tilgange for at gøre betydelige fremskridt.

OpenAI og Google har også ændret strategi: Væk fra ren modelvækst til konkrete anvendelsestilfælde.

Wird das „Agenten-Zeitalter“ die KI befreien?

I AI-branchen betragtes konceptet med "agenter" som et potentielt vendepunkt. KI-applikationer, der kan træffe aktive og automatiserede beslutninger, kunne være den næste revolution, der omvælter markedet. OpenAI planlægger at rulle denne teknologi ud i de kommende år, og Google eksperimenterer med lignende værktøjer.

Mens grænserne for det nuværende modelsystem bliver stadig mere tydelige, kunne "agenter" danne grundlaget for den næste generation af AI – en, der ikke kun reagerer, men også handler. Forventningerne er høje, og for AI-branchen bliver kapløbet om fremtiden for kunstig intelligens hårdere end nogensinde.