OpenAI'nin kurucularından Ilya Sutskever'a göre, AI endüstrisi "veri zirvesine" ulaşmış olabilir, bu da internetten faydalı verilerin tükenmesi nedeniyle AI gelişmelerinde potansiyel bir yavaşlamayı işaret ediyor. Bu durum, bol veriyle önceden eğitim almayı gerektiren AI modellerinin gelecekteki büyümesini etkileyebilir. Buna rağmen, birçok AI uzmanı bu sorunu aşmanın yollarını araştırıyor. Umut veren bir yaklaşım, karmaşık sorguları daha küçük görevlere ayırarak her birini ayrı ayrı işleyen ve ardından ilerleyen "test-zamanı" veya "çıkarım-zamanı hesaplama" tekniğidir. Bu yöntem, özellikle matematik problemleri gibi belirgin cevapları olan görevlerde, AI modellerinin daha yüksek kaliteli çıktı üretmesine olanak tanır. Bu akıl yürütme modellerinden elde edilen çıktılar yeni eğitim verisi haline gelebilir ve model iyileştirmesi için bir döngü oluşturabilir.

Bu konsept, Google DeepMind tarafından yapılan araştırmalarla desteklenmiştir ve bu çıktılar veri zirvesi engelini aşmasına rağmen büyük dil modellerini (LLM'ler) geliştirmeyi hedeflemektedir. OpenAI ve benzeri AI laboratuvarları, OpenAI'nin "o1" gibi belirli kriterlerde üstün performans sergileyen bu tekniği kullanan modelleri devreye sokmaya başladı. Microsoft CEO'su Satya Nadella, model çıktılarının eğitim süreçlerine yeniden beslenmesiyle veri sınırlamalarını aşmanın bir yolu olarak bu stratejiyi AI modellerini ilerletmek için temel bir ölçekleme yasası olarak nitelendirdi. Test-zamanı hesaplamanın etkinliği 2025 yılına kadar daha detaylı değerlendirilecek. Charlie Snell gibi araştırmacılar umutlu olsa da, tekniği kompozisyon yazma gibi kesin yanıtlar içermeyen görevlere genellemenin zorluklarını kabul ediyorlar. Bununla birlikte, bu yöntemle üretilen sentetik verilerin mevcut internet veri kalitesini aşarak gelecekteki AI modellerinin eğitilmesine yardımcı olabileceğine dair bir iyimserlik var. Zaten, DeepSeek gibi bazı şirketlerin, en son modelleri "DeepSeek V3" gibi, OpenAI'nin o1 çıktılarından yararlandığına dair spekülasyonlar var. Endüstri bu stratejileri izlerken, test-zamanı hesaplamayı veri sınırlamalarını aşmak için kullanma potansiyeli ihtiyatla umut verici ancak hala keşif aşamasında.