Žinia, kad OpenAI, Google ir Anthropic – trys didžiausi dirbtinio intelekto vardai – turi sunkumų tobulindami savo naujausius modelius, kelia didelį ažiotažą. Dėmesys sutelktas į OpenAI naują projektą „Orion“, kuris turėtų pranokti ankstesnių modelių, tokių kaip GPT-4, galimybes. Tačiau vietoj didelės pažangos įmonė susiduria su kliūtimis: Orion neatitinka vidinių lūkesčių. Panaši dinamika atsiskleidžia ir „Google“ bei „Anthropic“, kurios taip pat susiduria su iššūkiais.

Orion: Ein Schritt zurück?

Orion, „OpenAI“ ilgai lauktas naujasis modelis, rugsėjį buvo pirmą kartą treniruojamas. Lūkesčiai buvo dideli, nes buvo tikimasi, kad jis pranoks GPT-4. Tačiau, pasak šaltinių, Orion nepasiekė numatytų veiklos tikslų, ypač atliekant sudėtingas užduotis, tokias kaip programavimo klausimai, kurie nepatenka į mokymosi duomenų sritį.

Vienas įmonės atstovas paaiškino, kad Orion trūksta pakankamai specifinių programavimo mokymo duomenų. Problema, su kuria OpenAI nuolat susiduria kurdama Orion: nepaisant intensyvaus tobulinimo – vadinamųjų „po treniruočių procesų“ – Orion išlieka žemiau lygio, kuris būtų reikalingas rinkos pristatymui. Bendrovė galėtų atidėti modelio išleidimą iki kitų metų.

Der schrumpfende Fortschritt

OpenAI patirtis nėra unikali. Google ir Anthropic taip pat patiria spaudimą. Google nuvylė naujausia „Gemini“ programinės įrangos versija, o Anthropic ilgai lauktas Claude-3.5-Opus paleidimas vėluoja. Nepaisant didelio plėtros darbo, milžiniškų finansinių išlaidų ir daugelio ekspertų komandų talento, naujų dirbtinio intelekto modelių sėkmė kol kas yra gerokai žemiau lūkesčių.

KI-Modelle am Limit – Ein Wachstumsdilemma

Naujų dirbtinio intelekto modelių kūrimas visų pirma remiasi dviem pagrindais: aukštos kokybės mokymo duomenų prieinamumu ir didžiuliais skaičiavimo pajėgumais. Tačiau abi šios ištekliai yra sunkiai pasiekiamos. Aukštos kokybės, žmonių sukurtų duomenų šaltiniai tampa reti, o naujų, unikalių duomenų rinkinių vystymas reikalauja specializuotų specialistų ir didžiulių investicijų. Kai kurios įmonės šiuo metu pasitelkia sintetinius duomenis – tekstus ir vaizdus, kuriuos generuoja dirbtinis intelektas –, tačiau tokių duomenų kokybė ir įvairovė lieka ribota.

„Mažiau svarbi yra kiekybė, o svarbesnė yra duomenų kokybė ir įvairovė“, sako Lila Tretikov, dirbtinio intelekto strategijos vadovė New Enterprise Associates. „Galime generuoti daug sintetinės duomenų, tačiau gauti tikrai aukštos kokybės, unikalius duomenų rinkinius be žmogaus nurodymų yra iššūkis, ypač kalbos modelių atveju.“

Die Kosten steigen, die Fortschritte sinken

Įmonėms, tokioms kaip „OpenAI“ ar „Google“, kurios investuoja milijardus į dirbtinio intelekto vystymą, mažėjantis efektyvumas yra rimta problema. Modelių, tokių kaip „Orion“ ar „Gemini“, kūrimas kasmet kainuoja šimtus milijonų dolerių. „Mes pasiekėme didelę pažangą per trumpą laiką“, - sako Noah Giansiracusa, Bentley universiteto matematikos profesorius, „tačiau tai nebuvo tvaru.“ Entuziazmas dėl greitų inovacijų, atrodo, mažėja, o dirbtinio intelekto vystymui reikalingi nauji požiūriai, kad būtų pasiekti reikšmingi pasiekimai.

„OpenAI“ ir „Google“ taip pat pakeitė strategiją: nuo gryno modelių augimo prie konkrečių taikymo atvejų. „Google“ dirba ties savo „Gemini“ modelių tobulinimu sudėtingoms užduotims, tokioms kaip vaizdų atsakymų kūrimas, o „OpenAI“ vis daugiau dėmesio skiria vadinamiesiems „agentams“. Šie dirbtinio intelekto įrankiai turi gebėti savarankiškai atlikti užduotis, pvz., užsakyti skrydžius arba siųsti el. laiškus.

Wird das „Agenten-Zeitalter“ die KI befreien?

Dirbtinio intelekto pramonėje agentų koncepcija laikoma potencialiu lūžio tašku. DI taikomosios programos, galinčios aktyviai ir automatiškai priimti sprendimus, gali būti kita revoliucija, kuri sukrės rinką. OpenAI planuoja šią technologiją pristatyti per artimiausius metus, o Google eksperimentuoja su panašiais įrankiais.

Kai dabartinės modelių sistemos ribos tampa vis akivaizdesnės, „agentai“ galėtų padėti sukurti dirbtinio intelekto naujos kartos pagrindus – tokią, kuri ne tik atsako, bet ir veikia. Lūkesčiai išlieka dideli, o dirbtinio intelekto pramonėje kova dėl dirbtinio intelekto ateities tampa aršesnė nei bet kada.