késleltetett adatok
Árfolyamok: 15 perccel késleltetett adatok
Mesterséges intelligencia: mégsem a méret a lényeg − elérhettük a fejlődési plafont?
Az elmúlt évtizedben a mesterségesintelligencia- (MI) kutatás alapjává vált az a tézis, miszerint egy MI-modell akkor lesz okosabb, mint elődei, ha nagyobbá válik: több információt dolgoz fel tanulása közben, több adathoz fér hozzá a válaszadás során, nagyobb számítási kapacitással tud dolgozni.
A skálázás és a mesterséges intelligencia
Ez a felvetés a „kínai Google”, a Baidu műhelyéből pattant ki még 2017-ben, öt évvel a ChatGPT világhódító útjának elindulása előtt, a jelenség elnevezése, a skálázási törvények hívószó viszont már a ChatGPT-s OpeanAI-hoz köthető, akik 2020-ban kvázi bebizonyították ezt a tézist, amit egészen napjainkig alapvetésként fogad el az MI-szakma.
Nem véletlenül: az elmúlt években, főleg a ChatGPT berobbanása óta számolatlanul döntik a pénzt az MI-fejlesztésbe a kockázatitőke-alapoktól az intézményi nagybefektetőkön át egészen a lakossági kisbefektetőkig a tőkepiacok minden fodrában és a cégek minden egyes érettségi szakaszában, az eddigi befektetések pedig busás hozamokat hoztak számukra.
Elég csak arra gondolni, hogy a folyamathoz csak áttételesen kapcsolt Nvidia részvényei 850 százalékot emelkedtek két év alatt.
Egyes kutatók azonban elkezdték kongatni a vészharangot: véleményük szerint ugyanis a skálázhatóság ugyan egy pontig minden kétséget kizáróan működött, ám ez nem lesz mindig így, sőt − a jelenlegi fejlettségi szintek jelenthetik a platót a folyamatban, innentől pedig csak az eddiginél sokkal kisebb, kvázi tőkearányos megtérülésre érdemes számítani az MI-fejlesztéstől.
A vészmadárhangokat több friss iparági fejlemény támasztja alá, ezek közül a legfontosabbnak talán az OpenAI nemrégiben belső tesztelésre bocsátott, Orion névre keresztelt modelljének teszteredményei tekinthetők, melyek a szakértők szerint elmaradtak a várakozásoktól, és az Andreessen Horowitz kockázatitőke-alap állásfoglalása szerint tökéletesen prezentálják, hogy a több pénz és több adat innentől fogva nem hoz már akkora teljesítményjavulást a modellek számára, mint eddig.
Ez persze csak egy vélemény, amelyből találni bőven a másik oldalon is.
Az Anthropic MI-cég egy közleményben egyenesen tagadta, hogy ennek a tézisnek bármilyen valóságalapja volna, szerintük egyelőre semmi sem támasztja alá, hogy a skálázhatóság véget ért. Az Andreessen Horowitz azonban messze nem az egyetlen, a témában érintett fél, amely aggodalmaskodik a fejlődés gátjai miatt. Gary Marcus író, az MI-szektor egyik legismertebb szószólója egy friss nyilatkozatában úgy fogalmazott:
Vannak bizonyos matematikai törvények, amelyek megmutatják, milyen pálya mentén kellene fejlődjön az MI-jük. A valóság viszont egyértelműen elmarad ezektől az előrejelzésektől. Elértük azt a plafont, amelyről én 2022 óta beszélek.
Portfóliónk minőségi tartalmat jelent minden olvasó számára. Egyedülálló elérést, országos lefedettséget és változatos megjelenési lehetőséget biztosít. Folyamatosan keressük az új irányokat és fejlődési lehetőségeket. Ez jövőnk záloga.