رقابت بر سر توسعهی مدلهای زبانی وارد مرحلهی پیچیده و حساسی شده است. در شرایطی که استارتاپهای پیشرو تمام توان محاسباتی خود را برای رسیدن به مرزهای هوش جامع مصنوعی (هوش مصنوعی انسانگونه) بهکار گرفتهاند، اخباری از تغییر اولویتها و درنگ در توسعهی بزرگترین سیستمهای نسل بعد به گوش میرسد.
اوپنایآی فرایند آموزش توانمندترین مدلهای مرزی خود را بهصورت موقت به حالت تعلیق درآورده است. تصمیم یادشده نشاندهندهی بازنگری عمیق در استراتژیهای مقیاسپذیری و تمرکز مجدد بر پروتکلهای ایمنی، ارزیابی ریسکهای پیشرفته و کارآمدی معماریهای محاسباتی تلقی میشود.
آموزش مدلهای غولپیکر هوش مصنوعی نیازمند خوشههای عظیمی از پردازندههای گرافیکی و میلیاردها دلار سرمایهگذاری زیرساختی است. با فراتر رفتن توانمندی این شبکهها از مرزهای شناختهشده، پیشبینی رفتار آنها نیز دشوارتر میشود. پژوهشگران دریافتهاند که صرف افزایش دادهها و توان پردازشی، بازدهی خطی سابق را ایجاد نمیکند و پدیدهی کاهش بازده نهایی در روشهای مرسوم پیشآموزش خود را نشان داده است.
نگرانیهای ایمنی و همترازی پیرامون سیستمهای فوقپیشرفته نیز در اتخاذ تصمیم تعلیق نقش پررنگی داشتهاند. ارزیابی رفتارهای پیشبینینشده، جلوگیری از سوءاستفادههای احتمالی در حوزههای امنیت سایبری و اطمینان از پایبندی به چارچوبهای سختگیرانهی ارزیابی ریسک، نیازمند زمان و بررسیهای دقیقتر پیش از ادامهی اجرای چرخههای سنگین آموزشی است.
تمرکز توسعهدهندگان بهجای گسترش بیوقفهی مدلهای پایه در مرحلهی پیشآموزش، بهسمت تکنیکهای پسآموزش و استدلال در زمان استنتاج سوق پیدا کرده است. مدلهایی مانند سری o1 نشان دادهاند که با اختصاص زمان پردازش بیشتر هنگام پاسخدهی، میتوان بدون نیاز به افزایش انفجاری پارامترها، به نتایج درخشانتری در ریاضیات، برنامهنویسی و علوم پایه دست یافت.
ایجاد وقفه در آموزش مدلهای مرزی به مهندسان اوپنایآی فرصت میدهد تا نتایج آزمایشهای اخیر را تحلیل کنند، دادههای آموزشی باکیفیتتری بسازند و مصرف بهینهتر منابع ابری و پردازشی را در دستور کار قرار دهند. ادامهی مسیر توسعه پس از رفع گلوگاههای نظری و تکمیل فازهای ارزیابی ایمنی از سر گرفته خواهد شد.
