Ennek a történetnek egy változata szerepelt a CNN Business Nightcap hírlevelében. Iratkozz fel itt, hogy ingyenesen megkapd az e-mail fiókodba. Két évvel ezelőtt az OpenAI bemutatta a ChatGPT-t, ami egyfajta aranylázat indított el a mesterséges intelligencia területén. Milliárdokat fektetnek AI-központú és kapcsolódó vállalkozásokba, azzal a várakozással, hogy ez a technológia átalakítja (vagy esetleg megzavarja) a kortárs élet minden aspektusát. A Szilícium-völgy üzenete egyértelmű: a mesterséges intelligencia forradalom elindult, és az okos befektetőknek csatlakozniuk kell, mielőtt ezek az innovációk „szuperintelligensekké” válnak, és el kezdik megoldani az összes világi problémát. Az erősen hívők számára ez nem túlzás, és az ilyen elvárások olyan vállalatokat, mint a chipgyártó Nvidia, amely szerdán jelenti be nyereségét, a világ legelismertebb eszközei közé emeltek. A történet középpontjában az a gondolat áll, hogy a nagy nyelvi modellek (LLMs), mint a ChatGPT, gyors ütemben fejlődnek. Azonban az AI kritikusai évek óta figyelmeztetnek a „skálázási törvényekre”—arra utalva, hogy egy modell teljesítménye folyamatosan javítható, ha egyszerűen növeljük az adatokat és a számítási erőforrásokat. Ezek inkább művelt találgatások, mint valódi törvények. Valójában még az LLM fejlesztők sem teljesen értik, hogyan működnek. Nemrég úgy tűnik, hogy néhány vezető nyelvi modell korlátokhoz érkezett, három múlt heti jelentés szerint.

Lásd itt: Az OpenAI vezérigazgatója, Sam Altman cáfolta ezeket az állításokat, és a múlt héten az X-en közzétette, hogy „nincs fal”. Akár falnak, hegynek vagy fennsíknak tekintik, még az AI támogatói is elismerik a lehetséges fordulópontot, a legutóbbi termékkiadások alapján ítélve. „Egy ideje nem láttunk áttörést jelentő modellt, ” nyilatkozta Gil Luria, a D. A. Davidson ügyvezető igazgatója. „Már kimerítettük az összes elérhető emberi adatot, és további számítási teljesítmény esetleg nem javítja az eredményeket. ” Ez technikai kérdés, de kulcsfontosságú a modellek korlátainak megértéséhez: hogy az AI emberinek tűnjön, emberi adatokkal kell képezni, lényegében lefedve az online szöveg vagy audio teljes tartalmát. Amint ez felszívódott, nincs „valódi” új adat a képzéshez. Azonban, hogy egy fennsík nem feltétlenül végzetes csapás az AI iparra nézve. De kihívásokat jelent, különösen, amikor Wall Street azt latolgatja, mikor fognak ezek a költséges termékek kézzelfogható bevételt termelni. Olyan vállalatok, mint például az Nvidia, amely közel 3, 5 billió dollárra van értékelve, és más nagy AI vállalkozások valószínűleg nem fognak azonnal szembesülni a skálázási aggályokkal. „Az Nvidia iránti kereslet az elmúlt és az aktuális negyedévben meghaladta a kínálatukat, ” magyarázta Luria. Ha azonban egy skálázási korlátot elértünk, „jelezheti, hogy a techóriások túlzottan befektettek” és hamarosan visszavághatnak. Ez a mesterséges intelligencia optimista/pragmatikus álláspontja. Egy kevésbé optimista nézőpontért megkerestem Gary Marcust, az NYU emeritus professzorát és a mesterséges intelligencia nyílt szkeptikusát.