A hír, hogy az OpenAI, a Google és az Anthropic – három legnagyobb név a mesterséges intelligencia területén – nehézségekbe ütközik legújabb modelljeik tökéletesítésében, nagy hullámokat kelt. A fókusz az OpenAI új projektjén, az „Orion”-on van, amely a korábbi modellek, például a GPT-4 teljesítményét felülmúlva kívánja javítani. Azonban a nagy előrelépés helyett a vállalat visszaeséssel küzd: az Orion nem felel meg a belső elvárásoknak. Hasonló dinamikát mutat a Google és az Anthropic is, akik szintén kihívásokkal néznek szembe.

Orion: Ein Schritt zurück?

Orion, az OpenAI régóta várt új modellje, szeptemberben esett át az első tréningkörön. Az elvárások magasak voltak, hiszen túl kellett volna szárnyalnia a GPT-4-et. Azonban bennfentesek arról számoltak be, hogy Orion nem érte el a kitűzött teljesítménycélokat, különösen az olyan összetett feladatoknál, mint a programozási kérdések, amelyek a tréningadatok körén kívül esnek.

Egy bennfentes elmagyarázta, hogy az Orionban nincsen elegendő, specifikus edzésadat a programozás területén. Ez egy olyan probléma, amely az Orion fejlesztése során folyamatosan felmerül az OpenAI számára: az intenzív finomhangolás – úgynevezett „utóképzési folyamatok” – ellenére az Orion nem éri el azt a szintet, amely a piaci bevezetéshez szükséges lenne. A vállalat ezért jövő évre halaszthatja a modell kiadását.

Der schrumpfende Fortschritt

OpenAI tapasztalatai nem egyedi esetek. A Google és az Anthropic is nyomás alatt áll. A Google esetében csalódást okoz a Gemini szoftver legújabb verziója, és az Anthropicnál késik a régóta várt Claude-3.5 Opus megjelenése. Az alapos fejlesztői munka, a hatalmas pénzügyi ráfordítás és sok szakértőcsapat tehetsége ellenére az új mesterséges intelligencia modellek sikere eddig messze elmarad a várakozásoktól.

KI-Modelle am Limit – Ein Wachstumsdilemma

Az új MI-modellek fejlesztése elsősorban két pilléren alapul: a magas színvonalú tanulási adatok rendelkezésre állásán és a hatalmas számítási teljesítményen. Mindkét erőforrás nehezen hozzáférhető. A kiváló minőségű, ember által generált adatforrások ritkává válnak, és az új, egyedi adatkészletek kiaknázása speciális szakértelmet és hatalmas befektetéseket igényel. Néhány vállalat már szintetikus adatokhoz – mesterséges intelligencia által generált szövegekhez és képekhez – fordul, de az ilyen adatok minősége és változatossága korlátozott marad.

„Nem annyira a mennyiségről, mint inkább az adatok minőségéről és sokféleségéről van szó” – mondja Lila Tretikov, a New Enterprise Associates mesterséges intelligencia stratégiájának vezetője. „Nagy mennyiségben tudunk szintetikus adatokat generálni, de igazán magas minőségű, egyedi adatállományokat emberi útmutatás nélkül megszerezni kihívás, különösen a nyelvalapú modellek esetében.”

Die Kosten steigen, die Fortschritte sinken

Vállalatok számára, mint az OpenAI vagy a Google, amelyek milliárdokat fektetnek a mesterséges intelligencia fejlesztésébe, a csökkenő hatékonyság komoly problémát jelent.

OpenAI és a Google is megváltoztatta a stratégiáját: a puszta modellnövekedéstől a konkrét alkalmazási esetek felé.

Wird das „Agenten-Zeitalter“ die KI befreien?

A mesterséges intelligencia ágazatban az „ügynökök” koncepcióját potenciális fordulópontnak tekintik. Azok a MI-alkalmazások, amelyek aktívan és automatizáltan képesek döntéseket hozni, lehetnek a következő forradalom, amely felforgatja a piacot. Az OpenAI tervezi, hogy a következő években bevezeti ezt a technológiát, és a Google hasonló eszközökkel kísérletezik.

Miközben a jelenlegi modellszisztéma határai egyre nyilvánvalóbbá válnak, az „ügynökök” megalapozhatják a következő generációs mesterséges intelligenciát – egy olyat, amely nemcsak válaszol, hanem cselekszik is. Az elvárások magasak maradnak, és a mesterséges intelligencia iparág számára a mesterséges intelligencia jövőjéért folytatott verseny keményebb, mint valaha.