得益于创新的训练技术，人工智能 (AI) 进入了新的发展阶段。这些方法由 OpenAI 和其他领先公司引领，旨在创建更智能、更高效、能够像人类一样推理的模型。
让我们看看本文中的所有细节。
得益于有望彻底改变该领域的创新训练技术的引入，人工智能（AI）正面临关键的转折点。
OpenAI等公司确实正在努力克服当前方法的局限性，解决可扩展性、成本和能源消耗问题。
OpenAI 的 o1 模型是主要创新之一，代表了人工智能如何向更人性化和可持续的方式发展的具体例子。
近年来，大型语言模型（LLM）的扩展已经到达一个临界点，尽管2010年代取得了重大进展，但研究人员遇到的困难也越来越多。
OpenAI 和 Safe Superintelligence 联合创始人Ilya Sutskever强调，现在的重点转向质量而不是数量。
他表示：“朝着正确的方向扩展才是最重要的”，并指出，仅仅扩大模型已不足以实现显著的改进。
从这个意义上说，OpenAI 的 o1 模型以其独特的方法脱颖而出。它不是单纯地依赖于计算资源的增加，而是使用模仿人类推理的技术。
通过将任务分为几个阶段并接收专家的反馈，o1 能够以更准确、更有策略的方式处理复杂的数据。
此外，采用“测试时间计算”方法可以更有针对性地分配计算资源，从而无需大幅增加成本即可提高性能。
OpenAI 研究员Noam Brown在 TED AI 大会上展示了这一创新的一个具体例子。
它确实证明，一个机器人在玩一手扑克牌时只用推理 20 秒，就能取得相当于训练时间延长 100,000 倍的模型的结果。
这一结果凸显了新技术使人工智能更加强大和高效的潜力。
除了高成本外，训练大型人工智能模型还涉及大量能源消耗。训练过程需要大量计算能力，对电网和环境产生切实影响。
另一个关键问题是数据稀缺：语言模型现在已经用完了网上可访问的大部分信息，这对未来的发展带来了前所未有的挑战。
为了解决这些问题，研究人员正在探索更可持续的方法。例如，o1 模型使用专门的数据，并仅针对需要复杂推理的任务优化处理，从而减少总体资源消耗。
换句话说，新技术不仅重新定义了模型的训练方式，而且还可能改变 IA 硬件的牛市。
像Nvidia这样的 AI 芯片生产领先公司可能必须调整其产品以满足新的需求。
得益于人工智能芯片的需求，英伟达去年 10 月成为全球最有价值的公司，但它可能面临来自提供替代和更高效解决方案的新参与者日益激烈的竞争。
其他实验室，包括 Google DeepMind、Anthropic 和 xAI，也在开发 OpenAI 采用的技术的自己的版本。本次比赛旨在激发进一步的创新，为日益先进和多样化的人工智能模型铺平道路。
日益激烈的竞争还可以降低与人工智能相关的成本，使得更多的公司和行业能够更容易地使用这些技术。