'युक्तिवाद' एआय मॉडेल्समधील सुधारणा लवकरच कमी होऊ शकतात, असे विश्लेषण शोधते

एक विश्लेषण एपोच एआय, एक नानफा नफा एआय रिसर्च इन्स्टिट्यूट, सुचवितो की एआय उद्योग एआय मॉडेल्सच्या कारणास्तव मोठ्या प्रमाणात कामगिरी मिळवू शकणार नाही. अहवालाच्या निष्कर्षांनुसार एका वर्षाच्या आतच तर्क मॉडेल्समधून प्रगती कमी होऊ शकते.

ओपनईच्या ओ 3 सारख्या युक्तिवादाच्या मॉडेल्समुळे अलिकडच्या काही महिन्यांत एआय बेंचमार्कवर, विशेषत: गणित आणि प्रोग्रामिंग कौशल्यांचे मोजमाप करणारे बेंचमार्क. मॉडेल समस्यांवर अधिक संगणन लागू करू शकतात, जे त्यांच्या कार्यक्षमतेत सुधारणा करू शकतात, कार्ये पूर्ण करण्यासाठी पारंपारिक मॉडेलपेक्षा जास्त वेळ घेतात.

तर्क मॉडेल्स प्रथम प्रशिक्षणाद्वारे प्रथम प्रशिक्षण देऊन विकसित केले जातात, त्यानंतर मोठ्या प्रमाणात डेटावर, नंतर रनफोर्समेंट लर्निंग नावाचे तंत्र लागू केले जाते, जे मॉडेलला त्याच्या कठीण समस्यांवरील निराकरणावर प्रभावीपणे “अभिप्राय” देते.

आतापर्यंत, ओपनई सारख्या फ्रंटियर एआय लॅबने इपोचच्या म्हणण्यानुसार तर्क मॉडेल प्रशिक्षणाच्या मजबुतीकरण शिकण्याच्या टप्प्यावर संगणकीय शक्तीची प्रचंड प्रमाणात लागू केली नाही.

ते बदलत आहे. ओपनईने म्हटले आहे की त्याने त्याच्या पूर्ववर्ती, ओ 1 पेक्षा ओ 3 प्रशिक्षण देण्यासाठी सुमारे 10x अधिक संगणन लागू केले आणि युगाचा असा अंदाज आहे की यापैकी बहुतेक संगणन मजबुतीकरण शिक्षणासाठी समर्पित आहे. आणि ओपनई संशोधक डॅन रॉबर्ट्सने अलीकडेच उघड केले की कंपनीच्या भविष्यातील योजनांसाठी कॉल करा मजबुतीकरण शिक्षणास प्राधान्य देणे प्रारंभिक मॉडेल प्रशिक्षणापेक्षा बरेच काही संगणकीय शक्ती वापरण्यासाठी.

परंतु प्रति युगातील मजबुतीकरण शिक्षणासाठी किती संगणकीय लागू केले जाऊ शकते याची अद्याप एक वरची मर्यादा आहे.

जोश यू, एपोचचे विश्लेषक आणि विश्लेषणाचे लेखक, स्पष्ट करतात की मानक एआय मॉडेल प्रशिक्षणातून कामगिरीचे नफा सध्या दरवर्षी चौपट होत आहे, तर मजबुतीकरण शिक्षणातून कामगिरी नफा दर -5- months महिन्यांनी दहापट वाढत आहे. युक्तिवाद प्रशिक्षणाची प्रगती “कदाचित २०२26 पर्यंत एकूणच सीमेवरून एकत्रित होईल,” तो पुढे म्हणतो.

एपोचचे विश्लेषण अनेक गृहितक बनवते आणि एआय कंपनीच्या अधिका from ्यांच्या सार्वजनिक टिप्पण्यांवर काही प्रमाणात आकर्षित करते. परंतु हे असेही घडवून आणते की स्केलिंग तर्क मॉडेल्स संगणकीय व्यतिरिक्त, संशोधनासाठी उच्च ओव्हरहेड खर्चासह संगणकीय व्यतिरिक्त कारणास्तव आव्हानात्मक ठरू शकतात.

“जर संशोधनासाठी सतत ओव्हरहेड खर्चाची आवश्यकता असेल तर तर्क मॉडेल्सने अपेक्षेनुसार मोजले जाऊ शकत नाही.” “रॅपिड कॉम्प्यूट स्केलिंग संभाव्यत: तर्क मॉडेलच्या प्रगतीमध्ये एक महत्त्वपूर्ण घटक आहे, म्हणून हे बारकाईने ट्रॅक करणे फायदेशीर आहे.”

नजीकच्या भविष्यात तर्क मॉडेल्स काही प्रमाणात मर्यादा गाठू शकतात असे कोणतेही संकेत म्हणजे एआय उद्योगाची चिंता करण्याची शक्यता आहे, ज्याने या प्रकारच्या मॉडेल्सचा विकास करणार्‍या प्रचंड संसाधनांची गुंतवणूक केली आहे. आधीपासूनच, अभ्यासानुसार असे दिसून आले आहे की तर्किंग मॉडेल्स, जे चालविणे आश्चर्यकारकपणे महाग असू शकते, विशिष्ट पारंपारिक मॉडेल्सपेक्षा जास्त भ्रमित करण्याच्या प्रवृत्तीप्रमाणे गंभीर त्रुटी आहेत.