Waarom u geen snelle verbeteringen van ChatGPT mag verwachten: wat u moet weten

Overzicht van de toekomst van ChatGPT en LLM-ontwikkeling

De overgang naar jaarlijkse updates duidt op een trager releaseschema voor ChatGPT.
De afnemende opbrengsten van transformatortechnologie hebben gevolgen voor de innovatie van LLM.
Het gebrek aan trainingsgegevens en ongrijpbare winstmodellen vormen grote obstakels voor de ontwikkeling van AI.

ChatGPT heeft een aanzienlijke impact gehad op wereldwijde levensstijlen en werkpatronen, maar scherpzinnige waarnemers van de release-tijdlijn hebben een zorgwekkende vertraging opgemerkt. Dit artikel duikt in de nuances van LLM-ontwikkeling en vraagt zich af of we afstevenen op een “AI dark age” na 2025.

ChatGPT-releasetijdlijn

De introductie van ChatGPT 3.5 door OpenAI in november 2022 heeft het AI-landschap drastisch veranderd en binnen drie maanden een verbluffende 100 miljoen gebruikers erbij gekregen. Deze toename werd alleen gestopt door de introductie van Meta Threads in 2023, waarmee ChatGPT werd verdrongen als de snelstgroeiende applicatie ooit.

Na verloop van tijd ging de aanpak van OpenAI over van halfjaarlijkse releases naar een verwacht jaarlijks schema. Opvallend is dat de kloof tussen ChatGPT 3.5 en ChatGPT 4.0 slechts vijf maanden was, terwijl het volgende model (ChatGPT o1) bijna twee jaar nodig had om te ontwikkelen en te lanceren.

De exacte datum voor de release van ChatGPT o3 blijft onzeker, met bètatesters die momenteel de functies ervan verkennen, maar er is geen specifieke openbare onthulling achter de rug. Dit roept kritische vragen op over de redenen achter de vertraging in LLM-ontwikkeling en of doorlopende investeerdersbijdragen de verwachte rendementen zullen opleveren.

Transformatoren: de drijvende kracht

Transformers hebben de AI-sector sinds hun oprichting rond 2017 gerevolutioneerd door CUDA-architectuur te benutten om conventionele GPU’s om te zetten in krachtige AI-verwerkingseenheden. Aanvankelijk maakten grotere tokeninput en eerdere LLM-versies optimaal gebruik van deze architectuur.

We worden echter nu geconfronteerd met afnemende opbrengsten in AI-prestaties. Hoewel technologische vooruitgang de GPU-mogelijkheden heeft vergroot, stagneren ze. De verwachte revolutionaire vooruitgang in AI-hardware, getoond tijdens Nvidia’s CES-keynote , werd met lauwe reacties ontvangen, omdat het duidelijk werd dat de industrie een evolutionaire fase was ingegaan in plaats van baanbrekende veranderingen te leveren.

Vooraanzicht van NVIDIA's Project DIGITS getoond op CES 2025. — Justin Duino / How-To Geek

Ondanks de aanzienlijke vooruitgang in GPU’s en transformatortechnologie, worden we nog niet gehinderd door fysieke beperkingen zoals bij traditionele CPU’s. De snelle vooruitgang die de afgelopen vijf jaar is geboekt in AI-prestaties, neemt echter nu aanzienlijk af, waardoor velen in de industrie hunkeren naar de explosieve groei die vergelijkbaar is met de computerrevolutie van eind 20e eeuw.

Uitdagingen bij het trainen van gegevens

Een andere dringende zorg voor LLM-ontwikkelaars, waaronder OpenAI, draait om de beschikbaarheid van hoogwaardige trainingsdata. Alle belangrijke modellen, zoals ChatGPT, Gemini en Claude, hebben het merendeel van de toegankelijke openbare informatie uitputtend gedolven. Dit heeft een scenario gecreëerd waarin het verkrijgen van verse data een cruciale uitdaging is.

Om deze horde te nemen, onderzoeken sommige teams ‘recursieve’ trainingsmodellen waarbij AI-systemen worden gebruikt om elkaar te onderwijzen. Helaas levert deze methode gemengde resultaten op, met name op het gebied van coherentie en betrouwbaarheid. De output van een AI die is getraind op AI, lijdt vaak aan hallucinaties en onnauwkeurigheden, wat vragen oproept over de haalbaarheid van deze aanpak voor complexe taken.

Financiële duurzaamheid van LLM’s

De felle concurrentie in de AI-sector heeft financiële onrust aangewakkerd, met prognoses die een duizelingwekkende $ 1 biljoen aan investeringen in AI-initiatieven op korte termijn inschatten. Ondanks deze toestroom vormen de enorme kosten die gepaard gaan met het creëren en onderhouden van LLM’s een raadsel bij het opzetten van een levensvatbaar winstkanaal.

Rapporten geven aan dat het uitvoeren van een LLM-query tot wel tien keer zoveel computerbronnen kan vereisen als een standaard Google-zoekopdracht, hoewel de exacte operationele kosten van OpenAI vertrouwelijk blijven. Traditionele bedrijfsmodellen in AI volgen over het algemeen een patroon waarbij bedrijven enorme VC-financiering vergaren, marktaandeel veroveren en vervolgens strategieën voor winstgevendheid bedenken. De computerkosten zijn echter enorm gestegen, wat samenvalt met de aandelenwaardering van Nvidia, waardoor er onduidelijke paden zijn voor het genereren van inkomsten.

Lucas Gouveia / How-To-nerd

Het abonnementsmodel van ChatGPT rekent momenteel $ 20 per maand voor geavanceerde functies, maar OpenAI overweegt premium-lagen die mogelijk tot $ 2.000 per maand kosten, afhankelijk van de mogelijkheden van de LLM. De afnemende opbrengsten die verband houden met gebruikerstevredenheid hebben zorgen aangewakkerd dat loyale gebruikers gevestigde modellen als “goed genoeg” zouden kunnen beschouwen, waardoor de vraag naar geüpgradede abonnementen afneemt.

Anticiperen op de volgende ChatGPT-evolutie

Nu ChatGPT op weg is naar de lancering van zijn o3-versie, voorspellen experts in de sector dat dit de enige belangrijke nieuwe release van OpenAI voor heel 2025 zal zijn. Hoewel er hoop is op aanvullende doorbraken, suggereren de geschetste uitdagingen een conservatiever ontwikkelingstempo in de toekomst.

Maar is deze stagnatie werkelijk schadelijk? De ranglijsten op Chatbot Arena illustreren dat LLM’s vroeger aanzienlijke benchmarks behaalden tussen iteraties, maar nu stagneren of slechts marginale winst boeken. Hoewel bedrijfsapplicaties veelbelovend blijven, lijken de mogelijkheden die beschikbaar zijn voor alledaagse gebruikers de optimalisatielimieten te bereiken.

Samenvattend blijft de tijdlijn voor toegang tot de nieuwste ChatGPT-upgrade onvoorspelbaar. Gebruikers kunnen echter nog steeds vertrouwen op de robuuste functionaliteit van bestaande modellen zoals ChatGPT o1 en 4o voor dagelijkse taken, zoals het maken van georganiseerde boodschappenlijstjes of het vinden van referenties in literatuur.

Veelgestelde vragen

1. Waarom verloopt de ontwikkeling van ChatGPT trager?

De huidige vertraging in de ontwikkeling van ChatGPT kan worden toegeschreven aan verschillende factoren, waaronder een lager rendement van transformatortechnologie, een schaarste aan nieuwe trainingsgegevens en uitdagingen bij het opzetten van een levensvatbaar winstmodel in een context van stijgende operationele kosten.

2. Wat is de verwachte toekomst voor LLM-technologie?

Toekomstige ontwikkelingen in LLM-technologie kunnen worden gekenmerkt door een voorzichtiger groeitraject. Analisten voorzien de potentie voor opmerkelijke releases, maar operationele en financiële hindernissen zullen waarschijnlijk een langzamer tempo van innovatie dicteren.

3. Hoe werkt het abonnementsmodel voor ChatGPT?

Het abonnementsmodel van ChatGPT biedt momenteel geavanceerde functies voor $ 20 per maand, met gesprekken gaande over aanbiedingen van hogere niveaus die op kunnen lopen tot $ 2.000 per maand op basis van de mogelijkheden van het model. Deze gestructureerde prijsstelling is bedoeld om tegemoet te komen aan de wisselende behoeften van gebruikers en tegelijkertijd de operationele kosten te beheren.

Bron & Afbeeldingen