Hvorfor du ikke bør forvente raske forbedringer fra ChatGPT: Hva du trenger å vite

Oversikt over ChatGPT og LLM Developments fremtid

Overgang til årlige oppdateringer indikerer en langsommere utgivelsesplan for ChatGPT.
Avtagende avkastning fra transformatorteknologi påvirker LLM-innovasjon.
Knappheten på treningsdata og unnvikende profittmodeller utgjør betydelige hindringer for AI-fremskritt.

ChatGPT har betydelig påvirket den globale livsstilen og arbeidsmønstrene, men kloke observatører av utgivelsestidslinjen har notert en bekymringsfull nedbremsing. Denne artikkelen fordyper seg i nyansene i LLM-utvikling, og lurer på om vi er på vei mot en «AI dark age» etter 2025.

ChatGPT-utgivelsestidslinje

OpenAIs introduksjon av ChatGPT 3.5 i november 2022 endret dramatisk landskapet til AI, og fikk raskt forbløffende 100 millioner brukere i løpet av tre måneder. Denne økningen ble stoppet først ved introduksjonen av Meta Threads i 2023, og utpekte ChatGPT som den raskest voksende applikasjonen noensinne.

Over tid gikk OpenAIs tilnærming over fra halvårlige utgivelser til en forventet årlig tidsplan. Spesielt, mens gapet mellom ChatGPT 3.5 og ChatGPT 4.0 var bare fem måneder, tok neste modell (ChatGPT o1) nesten to år å utvikle og lansere.

Den nøyaktige datoen for utgivelsen av ChatGPT o3 er fortsatt usikker, med betatestere som for øyeblikket utforsker funksjonene, men ingen spesifikk offentlig avduking bak den. Dette reiser kritiske spørsmål om årsakene bak nedgangen i LLM-utviklingen og om pågående investorbidrag vil gi forventet avkastning.

Transformers: The Driving Force

Transformatorer har revolusjonert AI-sektoren siden oppstarten rundt 2017, og utnyttet CUDA-arkitektur for å gjøre konvensjonelle GPU-er til potente AI-behandlingsenheter. Opprinnelig brukte større token-inngang og tidligere LLM-versjoner denne arkitekturen til full effekt.

Imidlertid møter vi nå avtagende avkastning i AI-ytelse. Selv om teknologiske fremskritt har økt GPU-kapasiteten, er de på platå. Den forventede revolusjonerende fremgangen innen AI-maskinvare, som ble vist frem under Nvidias CES keynote , ble møtt med lunkne reaksjoner da det ble tydelig at industrien hadde gått inn i en evolusjonsfase i stedet for å levere banebrytende endringer.

Forfra av NVIDIAs Project DIGITS vist på CES 2025. — Justin Duino / How-To Geek

Til tross for betydelig fremgang i GPU-er og transformatorteknologi, er vi ennå ikke flaskehalset av fysiske begrensninger slik vi er med tradisjonelle CPUer. Imidlertid avtar de raske fremskritt som er sett de siste fem årene innen AI-ytelse, betraktelig, og etterlater mange i bransjen som lengter etter den eksplosive veksten som kan sammenlignes med databehandlingsrevolusjonen på slutten av det 20. århundre.

Utfordringer i treningsdata

En annen presserende bekymring som LLM-utviklere står overfor, inkludert OpenAI, dreier seg om tilgjengeligheten av treningsdata av høy kvalitet. Alle store modeller, som ChatGPT, Gemini og Claude, har uttømmende utvunnet mesteparten av tilgjengelig offentlig informasjon. Dette har skapt et scenario der innhenting av ferske data er en kritisk utfordring.

For å navigere i dette hinderet, utforsker noen lag «rekursive» treningsmodeller der AI-systemer brukes til å utdanne hverandre. Dessverre gir denne metoden blandede resultater, spesielt når det gjelder sammenheng og pålitelighet. Utdata fra en AI trent på AI lider ofte av hallusinasjoner og unøyaktigheter, noe som reiser spørsmål om gjennomførbarheten av denne tilnærmingen for komplekse oppgaver.

Økonomisk bærekraft for LLM-er

Den harde konkurransen i AI-sektoren har ført til finansiell uro, med prognoser som anslår svimlende over 1 billion dollar investert i AI-initiativer om kort tid. Til tross for denne tilstrømningen, utgjør de enorme kostnadene knyttet til LLM-opprettelse og vedlikehold en gåte når det gjelder å etablere en levedyktig profittkanal.

Rapporter indikerer at å kjøre en LLM-spørring kan kreve opptil ti ganger så mye dataressurs som et standard Google-søk, selv om OpenAIs eksakte driftskostnader forblir konfidensielle. Tradisjonelle forretningsmodeller innen AI følger generelt et mønster der selskaper samler opp enorme VC-finansiering, tar markedsandeler og deretter strategier for lønnsomhet. Imidlertid har databehandlingskostnadene økt – sammenfallende med Nvidias aksjevurdering – og etterlater uklare veier for inntektsgenerering.

Lucas Gouveia / How-To Geek

ChatGPTs abonnementsmodell koster for øyeblikket $20 månedlig for avanserte funksjoner, men OpenAI vurderer premium-nivåer som potensielt kan koste opptil $2000 per måned, avhengig av LLMs evner. Den avtagende avkastningen assosiert med brukertilfredshet har vakt bekymring for at lojale brukere kan se på etablerte modeller som «gode nok», noe som reduserer appetitten for oppgraderte abonnementer.

Forventer neste ChatGPT-evolusjon

Mens ChatGPT beveger seg mot lanseringen av sin o3-versjon, spår industrieksperter at dette kan være den eneste betydelige nye utgivelsen fra OpenAI for hele 2025. Selv om det fortsatt er håp om ytterligere gjennombrudd, antyder de skisserte utfordringene et mer konservativt utviklingstempo fremover.

Likevel, er denne stagnasjonen virkelig skadelig? Rangeringene på Chatbot Arena illustrerer at LLM-er pleide å oppnå betydelige benchmarks mellom iterasjoner, men nå platåer eller bare oppnår marginale gevinster. Mens bedriftsapplikasjoner fortsetter å være lovende, ser det ut til at funksjonene som er tilgjengelige for vanlige brukere når optimaliseringsgrensene.

Oppsummert er tidslinjen for tilgang til den siste ChatGPT-oppgraderingen fortsatt uforutsigbar. Imidlertid kan brukere fortsatt stole på den robuste funksjonaliteten til eksisterende modeller som ChatGPT o1 og 4o for daglige gjøremål, for eksempel å lage organiserte handlelister eller finne referanser i litteratur.

Ofte stilte spørsmål

1. Hvorfor avtar utviklingen til ChatGPT?

Den nåværende bremsen i ChatGPTs utvikling kan tilskrives flere faktorer, inkludert redusert avkastning fra transformatorteknologi, mangel på nye treningsdata og utfordringer med å etablere en levedyktig profittmodell midt i økende driftskostnader.

2. Hva er den forventede fremtiden for LLM-teknologi?

Fremtidig utvikling innen LLM-teknologi kan være preget av en mer forsiktig vekstbane. Analytikere forutser potensialet for bemerkelsesverdige utgivelser, men operasjonelle og økonomiske hindringer vil sannsynligvis diktere et lavere innovasjonstempo.

3. Hvordan fungerer abonnementsmodellen for ChatGPT?

ChatGPTs abonnementsmodell tilbyr for tiden avanserte funksjoner til $20 per måned, med diskusjoner på gang om tilbud på høyere nivå som kan nå opp til $2000 per måned basert på modellegenskaper. Denne strukturerte prisen tar sikte på å imøtekomme ulike brukerbehov samtidig som driftskostnadene administreres.