Rapporten att OpenAI, Google och Anthropic – tre av de största namnen inom artificiell intelligens – har svårt att perfektionera sina senaste modeller, orsakar stora reaktioner. Fokus ligger på OpenAIs nya projekt "Orion", som förväntas överträffa prestandan hos tidigare modeller som GPT-4. Men istället för ett stort framsteg, brottas företaget med ett bakslag: Orion uppfyller inte de interna förväntningarna. Samma dynamik visar sig hos Google och Anthropic, som också står inför utmaningar.

Orion: Ein Schritt zurück?

Orion, OpenAIs efterlängtade nya modell, genomgick en första träningsomgång i september. Förväntningarna var höga, eftersom den skulle överträffa GPT-4. Men insiders rapporterar att Orion inte uppnådde de uppsatta prestationsmålen, särskilt när det gäller komplexa uppgifter som programmeringsfrågor utanför träningsdatans område.

En insider förklarade att Orion saknar tillräckligt specifika träningsdata inom programmering. Ett problem som OpenAI ständigt stöter på i utvecklingen av Orion: Trots intensivt finjusteringsarbete – så kallade "post-träningsprocesser" – ligger Orion fortfarande under den nivå som krävs för en lansering. Företaget kan därför komma att skjuta upp publiceringen av modellen till nästa år.

Der schrumpfende Fortschritt

Erfarenheterna från OpenAI är inget isolerat fall. Även Google och Anthropic är under press. Hos Google är den senaste versionen av Gemini-programvaran en besvikelse, och hos Anthropic försenas den efterlängtade lanseringen av Claude-3.5-Opus. Trots omfattande utvecklingsarbete, enorma ekonomiska insatser och talang från många expertteam ligger framgången för de nya AI-modellerna hittills långt efter förväntningarna.

KI-Modelle am Limit – Ein Wachstumsdilemma

Utvecklingen av nya AI-modeller bygger främst på två pelare: tillgången till kvalitativt högvärdiga träningsdata och massiv datorkraft. Men båda resurserna är svåråtkomliga. Högkvalitativa, mänskligt genererade datakällor blir sällsynta, och att utveckla nya, unika datamängder kräver specialiserade experter och enorma investeringar. Vissa företag använder numera syntetiska data – texter och bilder som är AI-genererade – men kvaliteten och mångfalden hos sådana data är fortfarande begränsad.

Det handlar mindre om kvantitet och mer om kvalitet och mångfald av data," säger Lila Tretikov, chef för AI-strategi på New Enterprise Associates. "Vi kan generera syntetiska data i stor mängd, men att få riktigt högkvalitativa, unika dataset utan mänsklig vägledning är en utmaning, särskilt när det gäller språkbaserade modeller.

Die Kosten steigen, die Fortschritte sinken

För företag som OpenAI eller Google, som investerar miljarder i AI-utveckling, är den minskande effektiviteten ett allvarligt problem. Utvecklingen av modeller som Orion eller Gemini kostar varje år hundratals miljoner dollar. "Vi har gjort enorma framsteg på kort tid", säger Noah Giansiracusa, matematikprofessor vid Bentley University, "men det var inte hållbart." Entusiasmen för snabba innovationer verkar svalna, medan AI-utvecklingen behöver nya strategier för att göra betydande framsteg.

OpenAI und Google har dessutom ändrat sin strategi: Bort från ren modell-tillväxt mot konkreta användningsfall.

Wird das „Agenten-Zeitalter“ die KI befreien?

In KI-branschen anses konceptet med "agenter" som en potentiell vändpunkt. KI-applikationer som kan fatta aktiva och automatiserade beslut kan bli nästa revolution som omvälver marknaden. OpenAI planerar att lansera denna teknik under de kommande åren, och Google experimenterar med liknande verktyg.

Medan gränserna för det nuvarande modellsystemet blir allt tydligare, kan "agenter" lägga grunden för nästa generation av AI – en som inte bara svarar utan agerar. Förväntningarna är höga och kapplöpningen om framtiden för artificiell intelligens blir tuffare än någonsin för AI-branschen.