得益於創新的訓練技術，人工智能 (AI) 進入了新的發展階段。這些方法由 OpenAI 和其他領先公司引領，旨在創建更智能、更高效、能夠像人類一樣推理的模型。
讓我們看看本文中的所有細節。
得益於有望徹底改變該領域的創新訓練技術的引入，人工智能（AI）正面臨關鍵的轉折點。
OpenAI等公司確實正在努力克服當前方法的侷限性，解決可擴展性、成本和能源消耗問題。
OpenAI 的 o1 模型是主要創新之一，代表了人工智能如何向更人性化和可持續的方式發展的具體例子。
近年來，大型語言模型（LLM）的擴展已經到達一個臨界點，儘管2010年代取得了重大進展，但研究人員遇到的困難也越來越多。
OpenAI 和 Safe Superintelligence 聯合創始人Ilya Sutskever強調，現在的重點轉向質量而不是數量。
他表示：“朝着正確的方向擴展才是最重要的”，並指出，僅僅擴大模型已不足以實現顯著的改進。
從這個意義上說，OpenAI 的 o1 模型以其獨特的方法脫穎而出。它不是單純地依賴於計算資源的增加，而是使用模仿人類推理的技術。
通過將任務分爲幾個階段並接收專家的反饋，o1 能夠以更準確、更有策略的方式處理複雜的數據。
此外，採用“測試時間計算”方法可以更有針對性地分配計算資源，從而無需大幅增加成本即可提高性能。
OpenAI 研究員Noam Brown在 TED AI 大會上展示了這一創新的一個具體例子。
它確實證明，一個機器人在玩一手撲克牌時只用推理 20 秒，就能取得相當於訓練時間延長 100,000 倍的模型的結果。
這一結果凸顯了新技術使人工智能更加強大和高效的潛力。
除了高成本外，訓練大型人工智能模型還涉及大量能源消耗。訓練過程需要大量計算能力，對電網和環境產生切實影響。
另一個關鍵問題是數據稀缺：語言模型現在已經用完了網上可訪問的大部分信息，這對未來的發展帶來了前所未有的挑戰。
爲了解決這些問題，研究人員正在探索更可持續的方法。例如，o1 模型使用專門的數據，並僅針對需要複雜推理的任務優化處理，從而減少總體資源消耗。
換句話說，新技術不僅重新定義了模型的訓練方式，而且還可能改變 IA 硬件的牛市。
像Nvidia這樣的 AI 芯片生產領先公司可能必須調整其產品以滿足新的需求。
得益於人工智能芯片的需求，英偉達去年 10 月成爲全球最有價值的公司，但它可能面臨來自提供替代和更高效解決方案的新參與者日益激烈的競爭。
其他實驗室，包括 Google DeepMind、Anthropic 和 xAI，也在開發 OpenAI 採用的技術的自己的版本。本次比賽旨在激發進一步的創新，爲日益先進和多樣化的人工智能模型鋪平道路。
日益激烈的競爭還可以降低與人工智能相關的成本，使得更多的公司和行業能夠更容易地使用這些技術。