Kaksi vuotta Luovan tekoälyn vallankumoukseen, ala kehittyy nopeista esikoulutetuista vastauksista ('nopea ajattelu') kehittyneeseen päättelyyn päättelyhetkellä ('hidas ajattelu'), mahdollistaen uuden luokan älykkäitä sovelluksia. Kun mietimme esseemme 'Luova tekoäly: Luova uusi maailma' toista vuosipäivää, havaitsemme merkittäviä muutoksia tekoälyekosysteemissä ja esittelemme ennusteitamme tulevaisuudelle. Luovan tekoälyn markkinoiden perustava kerros vakiintuu, ja sitä luonnehtivat suuret toimijat kuten Microsoft/OpenAI, AWS/Anthropic, Meta ja Google/DeepMind, joilla kaikilla on huomattavaa pääomaa ja skaalautuvia toimintoja. Vaikka kilpailudynamiikka pysyy intensiivisenä, odotamme kustannustehokkaampien seuraavan token ennustusten laajempaa saatavuutta. Tämän vakiintumisen myötä huomio siirtyy tekoälyn päättelykyvyn parantamiseen, joka kutsutaan 'Systeemi 2' ajatteluksi, mikä mahdollistaa harkitumman ongelmanratkaisun ja kognitiiviset toiminnot päättelyvaiheessa. Innoittuneena AlphaGon kaltaisista innovaatioista, tämä päättelykerros muuttaa tapaa, jolla tekoäly toimii, johtaen uusiin kognitiivisiin arkkitehtuureihin ja käyttöliittymiin. Viimeisimmässä analyysissamme tekoälyn kentästä käsittelemme, kuinka tämä konsolidaatio ruokkii kilpailua kehittyneiden päättelykykyjen kehittämiseen ja tutkimme uusia 'mestariteoksia' innovatiivisilla kognitiivisilla työkaluilla ja vuorovaikutuksilla. **Mansikkavallankumous** Vuoden 2024 keskeinen kehitys on OpenAI:n o1:n, aiemmin tunnetun nimellä Q* tai 'Mansikka', esittely. Tämä malli ei ainoastaan vahvista OpenAI:n johtajuutta mallin laadussa, vaan myös integroi aitoja päättelykykyjä päättelyhetken laskennan kautta. Toisin kuin perinteiset esikoulutetut mallit, jotka luottavat valtavaan tietomäärään perustason päättelyyn, Mansikka parantaa mallin kykyä pysähtyä ja harkita ennen vastaamista. AlphaGon esimerkillä vuoden 2016 voitostaan Go-mestari Lee Sedolista, havainnollistamme kuinka todellinen tekoälypäättely voi ylittää yksinkertaisen kuvionmukailun. AlphaGo osoitti kehittyneitä kognitiivisia prosesseja aktiivisesti simuloimalla mahdollisia lopputuloksia, mikä mahdollisti sen ylittää ihmispelaajat merkittävästi, kun sille annettiin aikaa arvioida. Käännettynä takaisin LLM:iin, haasteena on luoda tehokkaita pistemekanismeja monenlaisiin tehtäviin, kuten kirjoitetun sisällön arviointiin, mikä on edelleen haastavaa nykyisille malleille. Mansikka esittelee vahvuuksia loogisilla alueilla, mutta kamppailee subjektiivisempien tehtävien kanssa sen perustavanlaatuisten mekaniikkojen vuoksi. Syvä vahvistusoppiminen kokee elpymistä, sillä se mahdollistaa tekoälyn päättelyn tehokkaammin ja esittelee käyttäytymistä, joka muistuttaa ihmisen ajattelua, kuten askel askeleelta miettimistä ja innovatiivisia ongelmanratkaisustrategioita. Ala tutkii tällä hetkellä erilaisia keinoja jalostaa päättelyhetken prosesseja ja parantaa päättelykykyjä. **Siirtyminen systeemistä 1 systeemiin 2 ajatteluun** Siirtymä vaistomaisista vastauksista (järjestelmä 1) tietoiseen päättelyyn (järjestelmä 2) merkitsee tärkeää rajapintaa tekoälylle. Vaikka sähköinen esikoulutus voi ratkaista yksinkertaisia kysymyksiä nopeasti, monimutkaisempien ongelmien ratkaiseminen vaatii tekoälyn arvioimaan vaihtoehtoja ja päättämään päätelmänsä järjestelmällisesti.

Tämä syvempi prosessi on välttämätön merkittävien ongelmien ratkaisemiseksi eri aloilla, matematiikasta biologiaan, missä pelkkä kuvion tunnistus on riittämätöntä. Kehittyvien tekoälysovellusten alalla uudet mallit ilmentävät mullistavaa lähestymistapaa. Yritykset, kuten Sierra, määrittelevät asiakaspalvelun uudelleen ratkaisemalla ongelmat tehokkaasti, kun taas muiden agenttisovellusten, kuten Harvey (oikeus) ja Glean (työavustaja) sekä XBOW (penetraatiotestaus) tulon myötä havainnollistetaan tapaa, jolla tekoäly tuottaa arvoa ja hyödyntää markkinoiden mahdollisuuksia. Koska nämä sovellukset vähentävät toimituskustannuksia hyödyntämällä päättelyn edistysaskeleita, ne voivat häiritä perinteisiä markkinamalleja, parantaen työnkulun tehokkuutta ja saavutettavuutta. **SaaS-maiseman uudelleenarviointi** Huolia on herännyt siitä, voisiko Luova tekoäly uhata olemassa olevia pilviyrityksiä. Alkuperäinen kantaamme on kuitenkin, että perustavat mallit pysyvät saatavilla alan vakiintuneille toimijoille, sillä heillä on olemassa olevia etuja tiedoissa ja jakelussa. Startupit ovat paremmassa asemassa kohdistamaan automatisoitavia työnkulkuja sen sijaan, että ne korvaisivat kokonaan vakiintuneita ohjelmistoyrityksiä. Kuitenkin huomattava suunnittelu- ja innovointitarve pakottavien tekoälypohjaisten ratkaisujen luomiseksi saattaa viitata siihen, että olemme aliarvioineet tarpeen olla 'tekoäly-alkuperäinen'. Samoin kuin muutos paikallisista ohjelmistoista SaaS:hen muutti liiketoimintamalleja kaksikymmentä vuotta sitten, samanlainen evoluutio voi määritellä uudelleen tekoälysovellusten maiseman. Day. ai ilmentää tätä potentiaalia esittämällä tekoäly-alkuperäisen CRM:n, joka tuottaa automaattisesti räätälöityjä ratkaisuja minimaalisella ihmisen osallistumisella. Tämä ilmentää kasvavaa trendiä monimutkaisten prosessien automatisointiin ja markkinoiden odotusten muokkaamiseen. **Investointi näkemyksiä** Investoinnin näkökulmasta hypersuorittajien keskittymä on vähemmän houkutteleva pääomasijoittajille, hallitseminen suurten pelureiden fokusoituneilla peliteoreettisilla strategioilla. Mallien maisema kärsii innovaatiopainotteisuutesta, usein jättäen käytännön taloudelliset näkökulmat huomiotta. Toisaalta kehittäjätyökalut ja sovellustasot herättävät merkittävämpää kiinnostusta, ja niissä voi olla tulojen uudelleen nousemisen mahdollisuus, kuten nähtiin siirryttäessä pilveen. Investointi sovellustason yrityksiin pysyy lupaavana, missä mahdollisuuksien runsaus voi tuottaa merkittäviä tuottoja ja kestävyyttä. Siirtymä agenttisovelluksiin on asetettu määrittelemään uudelleen tekoälyekosysteemin dynamiikkaa, luoden merkittävää kasvua ja innovaatioita.