Kunstig intelligens

Skabte OpenAI den første AGI med o3?

mm
Udgivet den
Opdateret den
Føj Securities.io til dine foretrukne kilder på Google
Oplysning: Securities.io kan modtage betaling, når du bruger links til produkter, vi anmelder. Det påvirker ikke vores redaktionelle vurderinger. Vi er ikke registreret investeringsrådgiver; dette er ikke investeringsrådgivning. Læs vores affiliateoplysning.

Mod AGI

In løbet af kapløbet om at udvikle en AI‑model er slutmålet AGI (Artificial General Intelligence). Det er en type AI, der kan håndtere enhver situation, i stedet for at være ultra‑specialiseret til kun at udføre nogle opgaver, som for eksempel at køre en bil.

Så længe vi kun har specialist‑AI’er, vil de være mere algoritmer end reel intelligens. Evnen til at udlede regler og reagere på nye situationer, og måske vigtigere, sand ræsonnement, ville være en skelsættende begivenhed i menneskehedens historie, da sådan en AGI sandsynligvis hurtigt vil blive mindst menneskelig.

Og selvfølgelig, uden at være begrænset af den beregningsmæssige begrænsning i en enkelt menneskelig kranie’s “våde hardware”, kunne en sådan AGI hurtigt fortsætte med at forbedre sig og blive en science‑fiction superintelligens.

Dette fremkalder straks billeder af enten en Star Trek‑lignende utopi eller robotapokalypser som Terminator eller Battlestar Galactica.

Det var naturligvis en stor overskrift, da OpenAI annoncerede den 20th december, at deres seneste AI‑model 03, “mindst under visse betingelser nærmer sig AGI — med betydelige forbehold.”

OpenAI‑modeller

o3 er den seneste iteration af virksomhedens “o”-serie, efter den tidligere o1 (der findes ingen o2 på grund af potentiel varemærkekonflikt med det britiske telekommunikationsselskab med samme navn).

Den kommer sammen med andre ultra‑avancerede AI‑systemer udviklet af OpenAI: ChatGPT (tekstgenerering), DALL‑E (tekst‑til‑billede‑generering), Sora (tekst‑til‑video‑generering), JukeBox (musikgenerering) og Whisper (tale‑til‑tekst).

o1 og o3

Udgivet i september 2024 blev o1-modellen skabt til at tage mere tid til at tænke over deres svar, hvilket førte til højere nøjagtighed. Dette er vigtigt, da tjenester som ChatGPT er blevet kendt for blot at gætte på ting, de ikke ved, eller direkte opfinde dem.

Selvom dette nogle gange kan være acceptabelt for en chatbot, er det ikke en acceptabel løsning for kritiske funktioner. Det ser heller ikke ud til at sætte os på en vej direkte mod ægte kunstig intelligens.

o1 blev inkluderet i begyndelsen af december 2024 i $200/måned ChatGPT Pro-abonnementet, selvom andre brugere også kan få adgang til det.

o3 blev afsløret den 20th december, sammen med o3-mini, en lettere og hurtigere version. Modellen er endnu ikke tilgængelig for offentlig brug, men sikkerhedsforskere kan tilmelde sig en forhåndsvisning af o3-mini.

En løgnagtig model?

Sikkerhedsforskernes feedback vil være det, teknologisamfundet mest ønsker at høre.

Endnu en gang, med fremkaldelse af Skynet fra Terminator, blev o1 bemærket for sin stærke tilbøjelighed til at lyve over for sine brugere. Selvom det ikke er specifikt for denne model, var den meget mere tilbøjelig til at gøre det end andre AI’er fra konkurrerende virksomheder som Meta, Google eller Microsoft (MSFT ).

Når o1’s mål adskilte sig fra en brugers, og o1 blev bedt om kraftigt at forfølge dem, manipulerede AI-modellen data for at fremme sin egen agenda 19 % af tiden, ifølge rapporten. o1-modellen forsøgte også at deaktivere tilsynsmekanismer, der er indført for at sikre, at den forbliver i overensstemmelse med brugerens mål, i 5 % af testene.

Maxwell Zeff for TechCrunch

Hvordan klarer o3 sig i den henseende, og har OpenAI reduceret modellens tendens til at lyve med o3-opdateringen? Det ved vi endnu ikke.

o3‑præstationer

En ekstra funktion ved o3 sammenlignet med forgængeren er muligheden for at justere “resoneringstiden”. Dette giver brugerne mulighed for at justere, hvor meget beregningskraft og tid de vil allokere til spørgsmålet.

Kodning

O1 var allerede bemærkelsesværdigt god til kodning og kunne bestå OpenAI’s ansættelsesinterview for forskningsingeniører i kodning med en succesrate på 90‑100 %. Det ser ud til, at o3 er endnu bedre, når den testes mod kodningsevnetests.

Det bør også bemærkes, at dette knuste al konkurrencen i vandet, inklusive den nyligt udgivne Gemini 2.0 fra Google.

Matematik & videnskab

Måske mere end kundeservice eller “menneskelignende” ræsonnement er det mest lovende område for AI i øjeblikket at accelerere teknologi og videnskab.

Her også forbedrede o3 radikalt præstationen af tidligere AI’er. Endnu vigtigere er, at den kan besvare PhD‑niveau matematikspørgsmål med en nøjagtighed på 87,7 %, hvilket er bedre end de fleste mennesker, selv matematiktrænede mennesker scorer omkring 70 %.

 

Hvis o3 kan forstå komplekse matematikspørgsmål så godt, vil den sandsynligvis på lang sigt kunne besvare lignende komplekse spørgsmål om materialvidenskab, kemi eller biotek.

Er det AGI?

Nu har påstanden om, at o3 er tæt på AGI, rystet AI‑verdenen siden modellen blev annonceret. Det er helt sikkert, at evnen til at overgå mange PhD‑niveau mennesker i matematik ikke var forventet.

François Chollet, en AI‑forsker og medskaber af ARC-AGI (Abstract and Reasoning Corpus for Artificial General Intelligence), et benchmark til at måle AI’s evne til at tilegne sig færdigheder på ukendte opgaver, siger, at det er ved at blive tæt på:

I dag annoncerede OpenAI o3, deres næste generations resonansmodel. Vi har arbejdet sammen med OpenAI for at teste den på ARC-AGI, og vi mener, at den udgør et betydeligt gennembrud i at få AI til at tilpasse sig nye opgaver.

Den opnår 75,7 % i den semi‑private evaluering i lav‑beregnings‑tilstand (for $20 pr. opgave i beregning) og 87,5 % i høj‑beregnings‑tilstand (tusinder af $ pr. opgave).

Den meget høje omkostning rejser spørgsmålet om, hvor skalerbar denne tilgang er, da du måske kun kan anvende højniveau‑o3 på meget dyre opgaver for at gøre det umagen værd.

Samtidig, hvis de sidste årtier har lært os noget, er det, at beregningskraft har en tendens til at blive meget billigere over tid.

Så det er næppe bevis på, at o3, eller en fremtidig oX‑iteration af systemet, ikke vil blive rutinemæssigt brugt i forskningsinstitutter til at yde assistance til menneskelige forskere i at åbne nye videnskabelige grænser.

Selvfølgelig, kan vi virkelig måle intelligens gennem matematik‑ og kodningsfærdigheder? Dette er noget, der kan være lidt ubehageligt for de fleste teknologifokuserede mennesker, men disse færdigheder er ikke alt i intelligens.

På længere sigt vil vi komme tættere på sand AGI, når den samme AI kan udføre mange urelaterede opgaver på én gang, fra at køre en bil til matematik‑ og kodningsproblemer, navigere i virkelige situationer og genstande osv.

Det ser dog ud til, at vi kommer tættere dag for dag.

Begrænsninger

Udover de tekniske begrænsninger i o3’s præstationer er der tre spørgsmål, som AI‑industrien skal besvare, for at dens vision om AGI kan blive til virkelighed.

Større er ikke altid bedre

Først skal den finde ud af, om de nuværende metoder er skalerbare op til AGI‑niveauer. Indtil videre har en stor del af metoden været at “kaste” mere data og beregning på problemet. Men vi kan snart løbe tør for frisk data, og AI‑genereret indhold kan ikke fødes tilbage i AI‑modeller uden at få dem til at kollapse.

Kvalitativ forbedring vil sandsynligvis være nødvendig ud over større, større datacentre.

Priser & energiomkostninger

Når vi taler om større datacentre, ser teknologibranchen nu på datacentre i gigawatt‑skala. Det er ingen tilfældighed, at vi begynder at måle dem efter deres energiforbrug i stedet for deres beregningskapacitet.

Det er fordi den begrænsende faktor snart bliver ikke chip‑ernes kraft, men den tilgængelige forsyning af elektrisk energi. Dette er grunden til, at Microsoft først, og derefter alle de andre store teknologivirksomheder, kæmper for at sikre el‑forsyning fra atomkraftværker til deres AI‑datacentre.

Og hvis kampen mod CO₂‑udledning har lært os noget, er det, at øgning af lav‑CO₂‑udledning energiproduktion er en meget sværere opgave end at oprette større datacentre.

Dette er også en sektor, hvor omkostningsreduktionen ikke vil følge Moores lov, hvilket sandsynligvis vil gøre den fremtidige reduktion af AI‑omkostninger meget mere moderat, end vi kunne ønske.

Så kvalitativ forbedring i AI‑efterspørgslen vil også være nødvendig her, i det mindste hvis nogle nuværende begrænsninger for AI løftes.

Superintelligencer?

Når vi kommer tættere på AGI, vil det være en maksimal tærskel at nå, eller blot et skridt på vejen mod at skabe AI, der er smartere end mennesker?

Det er et vigtigt spørgsmål, da dette både er en fascinerende og skræmmende udsigt. Mange teknologientusiaster omfavner denne såkaldte singularitet, hvor AI hurtigt vil forbedre sig selv i en eksponentiel feedback‑sløjfe.

Den brede offentlighed af almindelige mennesker er måske ikke så entusiastisk.

Så udover den eksistentielle risiko er modstanden fra offentligheden & regulatorerne sandsynligvis alt for reel og vil ramme hurtigere.

Dette er noget, AI‑virksomheder sandsynligvis vil kæmpe med, da de samtidigt skal berolige offentligheden, muligvis nedtone deres præstationer, mens de også skal retfærdiggøre over for investorer, der pumpere hundredvis af milliarder af dollars ind i teknologien og dens infrastruktur.

AI‑virksomhed

Microsoft

MSFT Prisdiagram

Microsoft har været i centrum af teknologibranchen næsten siden sin begyndelse med sit stadig dominerende operativsystem Windows.

Det er nu også en leder inden for virksomhedssoftware (Office365, Teams, LinkedIn, Skype, GitHub), gaming (Xbox og flere opkøb af videospilstudier) og i cloud (Azure).

For nylig har den gjort gode fremskridt inden for AI. Dette inkluderer forbruger‑grade AI som Bing Image Creator og mere forretningsfokuserede initiativer, som Copilot for Microsoft 365 og Microsoft Research. Copilot bliver nu også udrullet til detailhandlen og mindre virksomheder.

Microsoft har opnået et ry for at være den virksomhedsfokuserede teknologigigant, sammenlignet med mere forbruger‑fokuserede virksomheder som for eksempel Apple (AAPL ) eller Facebook. Da AI bliver stadig vigtigere i forretningsmodeller, bør Microsofts eksisterende tilstedeværelse i cloud‑ og virksomhedsservices give den et forspring i udrulning af AI i stor skala og i kundetilegnelse.

Microsoft – OpenAIs rodet ægteskab

Samarbejdet med AI‑udviklingsledere som OpenAI (kendt fra ChatGPT) cementerer også Microsofts position som en AI‑kraftcenter.

Forholdet mellem de to er komplekst, da OpenAI teknisk set er sin egen organisation, men i praksis er blevet afhængig af ressourcer fra Microsoft, både finansielle og beregningsmæssige.

I løbet af de næste par måneder ville Microsoft ikke give efter, mens OpenAI, som forventer at tabe 5 milliarder dollars i år, fortsatte med at bede om flere penge og mere beregningskraft for at bygge og drive deres AI‑systemer.

Kilde: Marketing AI Institute

Samtidig bygger Microsoft sine egne interne AI‑projekter, efter at have erhvervet størstedelen af personalet fra Inflection.

Det bliver endnu mere kompliceret, da OpenAI forsøger at overgå til en profitdrevet status, hvilket skaber konflikt med tidligere støtter som Elon Musk.

Og her bliver debatten om AGI næsten eksistentiel for OpenAI:

Hvis OpenAI opnår AGI, bliver Microsofts adgang til OpenAIs teknologi ugyldig. Endnu vigtigere er, at OpenAIs bestyrelse får lov til at beslutte, hvornår AGI er opnået.

Kilde: Marketing AI Institute

Det er sandsynligt, at o3 stadig ikke er AGI, og at en hypotetisk o5 heller ikke vil være det. Men dette er noget, som enhver investor, der potentielt er interesseret i Microsoft, bør huske, især hvis de baserer deres tese på relationen til OpenAI.

mm

Jonathan er en tidligere biokemisk forsker, der har arbejdet med genetisk analyse og kliniske forsøg. Han er nu en aktieanalytiker og finansforfatter med fokus på innovation, markedscykler og geopolitik i sin publikation The Eurasian Century.