Artificiell intelligens

Skapade OpenAI den första AGI med o3?

mm
Publicerad
Uppdaterad
Lägg till Securities.io bland dina föredragna källor på Google
Information: Securities.io kan få ersättning när du använder länkar till produkter vi granskar. Det påverkar inte våra redaktionella bedömningar. Vi är inte registrerad investeringsrådgivare; detta är inte investeringsråd. Läs vår affiliateinformation.

Till AGI

In the race to develop an AI model, the end goal is AGI (Artificial General Intelligence). This is a type of AI that can handle any type of situation, instead of being ultra-specialized to perform some tasks, like for example driving a car.

Så länge vi bara har specialist‑AI:er kommer de att vara mer algoritmer än verklig intelligens. Förmågan att härleda regler och reagera på nya situationer, och kanske ännu viktigare, sann resonemang, skulle vara en betydelsefull händelse i mänsklighetens historia, eftersom en sådan AGI sannolikt snabbt skulle bli åtminstone mänskligliknande.

Och naturligtvis, utan begränsning av den beräkningskapacitet som en enskild människas “wetware”-skalle har, skulle en sådan AGI snabbt kunna fortsätta förbättras och bli en science‑fiction‑superintelligens.

Detta väcker omedelbart bilder av antingen en Star‑Trek‑liknande utopi eller robotapokalypsar som Terminator eller Battlestar Galactica.

Källa: Screen Rant

Det var alltså en stor rubrik när OpenAI den 20th december meddelade att deras senaste AI-modell 03, “åtminstone under vissa förhållanden närmar sig AGI — med betydande förbehåll.”

OpenAI-modeller

o3 är den senaste iterationen av företagets “o”-serie, efter den tidigare o1 (det finns ingen o2, på grund av potentiell varumärkeskonflikt med det brittiska telebolaget med samma namn).

Den kommer tillsammans med andra ultramoderna AI som utvecklats av OpenAI: ChatGPT (textgenerering), DALL‑E (text‑till‑bild‑generering), Sora (text‑till‑video‑generering), JukeBox (musikgenerering) och Whisper (tal‑till‑text).

o1 och o3

Den släpptes i september 2024, o1-modellen skapades för att ta mer tid att tänka på sina svar, vilket ledde till högre noggrannhet. Detta är viktigt, eftersom tjänster som ChatGPT har blivit kända för att bara gissa på saker de inte vet, eller rent av hitta på dem.

Även om detta ibland kan vara okej för en chatbot, är det inte ett acceptabelt alternativ för kritiska funktioner. Det verkar inte heller föra oss på en väg direkt mot verklig artificiell intelligens.

o1 inkluderades i början av december 2024 i $200/månad ChatGPT Pro‑prenumerationen, även om andra användare också kan få åtkomst till den.

o3 har presenterats den 20th december, tillsammans med o3-mini, en lättare och snabbare version. Modellen är ännu inte tillgänglig för allmänheten, men säkerhetsforskare kan anmäla sig för en förhandsvisning av o3-mini.

En lögnaktig modell?

Säkerhetsforskarnas återkoppling kommer att vara det teknikgemenskapen vill höra mest.

Återigen, med en referens till Skynet från Terminator, noterades o1 för sin starka benägenhet att ljuga för sina användare. Även om det inte är specifikt för denna modell, var den mycket mer benägen att göra det än andra AI‑system från konkurrerande företag som Meta, Google eller Microsoft (MSFT ).

När o1:s mål skiljde sig från en användares, och o1 fick order att starkt driva dem, manipulerade AI‑modellen data för att främja sin egen agenda 19 % av gångerna, enligt rapporten. o1‑modellen försökte också inaktivera övervakningsmekanismer som införts för att säkerställa att den förblir i linje med användarmålen i 5 % av testerna.

Maxwell Zeff for TechCrunch

Hur presterar o3 i detta avseende, och har OpenAI minskat modellens benägenhet att ljuga med o3‑uppdateringen? Det vet vi ännu inte.

o3-prestationer

En ytterligare funktion i o3 jämfört med föregångaren är möjligheten att justera ”resonemangstid”. Detta låter användare justera hur mycket beräkningskraft och tid de vill avsätta för frågan.

Programmering

O1 var redan anmärkningsvärt bra på programmering och kunde klara OpenAIs anställningsintervju för forskningsingenjörer inom kodning med en träffsäkerhet på 90‑100 %. Det verkar som om o3 är ännu bättre när den testas mot kodningsfärdighetstester.

Det bör också noteras att detta överträffade all konkurrens med råge, inklusive den nyligen släppta Gemini 2.0 från Google.

Matematik & vetenskaper

Kanske mer än kundservice eller ”mänskligt‑likt” resonemang, är det mest lovande området för AI för närvarande att accelerera teknik och vetenskaper.

Här också förbättrade o3 radikalt prestandan hos tidigare AI‑system. Ännu viktigare är att den kan besvara matematikfrågor på doktorandnivå med en noggrannhet på 87,7 %, vilket är bättre än de flesta människor, även matematiktränade personer som får omkring 70 %.

 

Om o3 kan förstå komplexa matematikfrågor så väl, kommer den sannolikt på lång sikt kunna besvara liknande komplexa frågor om materialvetenskap, kemi eller bioteknik.

Är det AGI?

Påståendet att o3 är nära AGI har rört AI‑världen sedan modellen tillkännagavs. Att kunna överträffa många doktorandnivå‑människor i matematik var definitivt inte förväntat.

François Chollet, en AI‑forskare och medskapare av ARC-AGI (Abstract and Reasoning Corpus for Artificial General Intelligence), ett benchmark för att mäta AI:s färdighetsförvärv på okända uppgifter, säger att den närmar sig:

Idag meddelade OpenAI o3, deras nästa generations resonemangsmodell. Vi har samarbetat med OpenAI för att testa den på ARC‑AGI, och vi tror att den representerar ett betydande genombrott i att få AI att anpassa sig till nya uppgifter.

Den får 75,7 % på den semi‑privata utvärderingen i låg‑beräkningsläge (för $20 per uppgift i beräkning) och 87,5 % i hög‑beräkningsläge (tusentals $ per uppgift).

Den mycket höga kostnaden väcker frågan hur skalbar denna metod är, eftersom du kanske bara kan tillämpa högklassig o3 på mycket dyra uppgifter för att det ska löna sig.

Samtidigt, om de senaste decennierna har lärt oss något, så är det att beräkningskraft tenderar att bli mycket billigare med tiden.

Alltså är det knappast ett bevis på att o3, eller en framtida oX‑iteration av systemet, inte kommer att användas rutinmässigt på forskningsinstitut för att bistå mänskliga forskare i att öppna nya vetenskapliga fronter.

Naturligtvis, kan vi verkligen mäta intelligens genom matematik‑ och kodningsförmåga? Detta kan vara lite obekvämt för de flesta teknik‑fokuserade personer, men dessa färdigheter är inte hela definitionen av intelligens.

På lång sikt kommer vi närmare sann AGI när samma AI kan utföra många orelaterade uppgifter samtidigt, från att köra bil till matematik‑ och kodningsproblem, navigera i verkliga situationer och objekt, osv.

Det verkar dock som att vi närmar oss dag för dag.

Begränsningar

Förutom de tekniska begränsningarna i o3:s prestanda finns det tre frågor som AI‑industrin måste besvara för att dess vision om AGI ska bli verklighet.

Större är inte alltid bättre

Först måste den ta reda på om dess nuvarande metoder är skalbara upp till AGI‑nivåer. För närvarande har en stor del av metoden varit att ”kasta” mer data och beräkningskraft på problemet. Men vi kan snart få slut på färsk data, och AI‑genererat innehåll kan inte matas tillbaka in i AI‑modeller utan att de kollapsar.

Kvalitativ förbättring kommer sannolikt att behövas utöver större, större datacenter.

Priser & energikostnader

När det gäller större datacenter tittar teknikindustrin nu på datacenter i gigawatt‑skala. Det är ingen slump att vi börjar mäta dem efter deras energiförbrukning istället för deras beräkningskapacitet.

Det beror på att den begränsande faktorn snart blir inte chipens kraft utan den tillgängliga tillgången på el. Detta är anledningen till att Microsoft först, och sedan alla de andra stora teknikföretagen, skyndar sig att säkra elförsörjning från kärnkraftverk för sina AI‑datacenter.

Och om kampen mot koldioxidutsläpp har lärt oss något, så är det att öka produktionen av låg‑koldioxid‑energi är en mycket svårare nöt att knäcka än att skapa större datacenter.

Detta är också en sektor där kostnadsreduktionen inte kommer att följa Moores lag, vilket sannolikt gör den framtida minskningen av AI‑kostnader mycket mer måttlig än vi skulle önska.

Alltså kommer även en kvalitativ förbättring av AI‑efterfrågan att behövas här åtminstone om vissa nuvarande begränsningar för AI lyfts.

Superintelligenser?

När vi närmar oss AGI, kommer det att vara ett maximalt tröskelvärde att nå eller bara ett steg på vägen mot att skapa AI som är smartare än människor?

Det är en viktig fråga, eftersom detta är både ett fascinerande och skrämmande perspektiv. Många teknikentusiaster omfamnar den så kallade singulariteten, där AI snabbt förbättrar sig själv i en exponentiell återkopplingsslinga.

Den allmänna publiken av vanliga människor kanske inte är så entusiastisk.

Så förutom den existentiella risken är motreaktionen från allmänheten & regulatorerna sannolikt alltför verklig och kan inträffa tidigare.

Detta är något AI‑företag sannolikt kommer att kämpa med, eftersom de samtidigt måste lugna allmänheten, eventuellt tona ner sina framsteg, samtidigt som de måste rättfärdiga för investerare som satsar hundratals miljarder dollar på tekniken och dess infrastruktur.

AI‑företag

Microsoft

MSFT Prisdiagram

Microsoft har varit i centrum av teknikindustrin nästan sedan starten med sitt fortfarande dominerande operativsystem Windows.

Det är nu också en ledare inom företagsprogramvara (Office365, Teams, LinkedIn, Skype, GitHub), spel (Xbox och flera förvärv av videospelsstudior), och i molnet (Azure).

På senare tid har de gjort goda framsteg inom AI. Detta inkluderar konsumentinriktad AI som Bing Image Creator och mer affärsinriktade initiativ, som Copilot för Microsoft 365 och Microsoft Research. Copilot distribueras nu till detaljhandeln och mindre företag också.

Microsoft har fått ett rykte som den företagsinriktade teknikjätten, jämfört med mer konsumentfokuserade företag som till exempel Apple (AAPL ) eller Facebook. Eftersom AI blir allt viktigare i affärsmodeller bör Microsofts redan etablerade närvaro inom moln och företags tjänster ge dem ett försprång i att distribuera AI i skala och i kundförvärv.

Microsoft – OpenAIs röriga äktenskap

Samarbetet med AI‑utvecklingsledare som OpenAI (kända för ChatGPT) stärker också Microsofts position som en AI‑kraftkälla.

Relationen mellan de två är komplex, eftersom OpenAI tekniskt sett är en egen organisation, men i praktiken har blivit beroende av resurser från Microsoft, både finansiella och beräkningsmässiga.

“Under de kommande månaderna skulle Microsoft inte ge med sig medan OpenAI, som förväntar sig förlora 5 miljarder dollar i år, fortsatte att begära mer pengar och mer beräkningskraft för att bygga och köra sina AI‑system.

Källa: Marketing AI Institute

Samtidigt bygger Microsoft sina egna interna AI‑projekt, efter att ha förvärvat majoriteten av personalen från Inflection.

Det blir ännu mer komplicerat eftersom OpenAI försöker övergå till en vinstdrivande status, något som skapar konflikt med tidigare finansiärer som Elon Musk.

Det är en viktig fråga, eftersom detta är både ett fascinerande och skrämmande perspektiv. Många teknikentusiaster omfamnar den så kallade singulariteten, där AI snabbt förbättrar sig själv i en exponentiell återkopplingsslinga.

“Om OpenAI uppnår AGI blir Microsofts tillgång till OpenAIs teknik ogiltig. Ännu viktigare är att OpenAIs styrelse får bestämma när AGI har uppnåtts.”

Viktigt är att OpenAIs styrelse får bestämma när AGI har uppnåtts.” Källa: Marketing AI Institute Det är sannolikt att o3 fortfarande inte är AGI, och att en hypotetisk o5 inte kommer att vara det. Men detta är något att komma ihåg för alla investerare som potentiellt är intresserade av Microsoft och baserar sin tes på relationen med OpenAI.

Källa: Marketing AI Institute

mm

Jonathan är en före detta biokemist som arbetade med genetisk analys och kliniska prövningar. Han är nu en aktieanalytiker och finansskribent med fokus på innovation, marknads cykler och geopolitik i sin publikation The Eurasian Century.