Dlaczego nie należy oczekiwać szybkich ulepszeń od ChatGPT: co należy wiedzieć

Przegląd przyszłości ChatGPT i LLM Development

Przejście na coroczne aktualizacje wskazuje na spowolnienie harmonogramu wydań ChatGPT.
Malejące zyski z technologii transformatorowej mają wpływ na innowacje LLM.
Niedobór danych szkoleniowych i trudne do uchwycenia modele zysku stanowią poważne przeszkody dla rozwoju sztucznej inteligencji.

ChatGPT znacząco wpłynął na globalny styl życia i wzorce pracy, jednak bystrzy obserwatorzy harmonogramu jego wydania zauważyli niepokojące spowolnienie. Ten artykuł zagłębia się w niuanse rozwoju LLM, zastanawiając się, czy zmierzamy w kierunku „mrocznej ery AI” po 2025 r.

Harmonogram wydania ChatGPT

Wprowadzenie ChatGPT 3.5 przez OpenAI w listopadzie 2022 r. radykalnie zmieniło krajobraz AI, szybko zyskując zdumiewające 100 milionów użytkowników w ciągu trzech miesięcy. Ten wzrost został zatrzymany dopiero przez wprowadzenie Meta Threads w 2023 r., wyprzedzając ChatGPT jako najszybciej rozwijającą się aplikację w historii.

Z czasem podejście OpenAI przeszło z wydań półrocznych na przewidywany harmonogram roczny. Co ciekawe, podczas gdy luka między ChatGPT 3.5 a ChatGPT 4.0 wynosiła zaledwie pięć miesięcy, opracowanie i uruchomienie kolejnego modelu (ChatGPT o1) zajęło prawie dwa lata.

Dokładna data wydania ChatGPT o3 pozostaje niepewna, ponieważ beta testerzy obecnie badają jego funkcje, ale nie ma konkretnego publicznego ujawnienia za tym. Rodzi to krytyczne pytania o powody spowolnienia rozwoju LLM i czy bieżące wpłaty inwestorów przyniosą oczekiwane zwroty.

Transformers: Siła napędowa

Transformery zrewolucjonizowały sektor AI od momentu ich powstania około 2017 r., wykorzystując architekturę CUDA do przekształcania konwencjonalnych procesorów graficznych w potężne jednostki przetwarzania AI. Początkowo większe wejście tokenów i wcześniejsze wersje LLM w pełni wykorzystywały tę architekturę.

Jednak obecnie mamy do czynienia ze zmniejszającymi się korzyściami w zakresie wydajności AI. Chociaż postęp technologiczny zwiększył możliwości GPU, to jednak osiągają one poziom plateau. Oczekiwany rewolucyjny postęp w sprzęcie AI, zaprezentowany podczas przemówienia Nvidii na targach CES , spotkał się z letnimi reakcjami, ponieważ stało się oczywiste, że branża weszła w fazę ewolucyjną, a nie w dostarczanie przełomowych zmian.

Widok z przodu projektu DIGITS firmy NVIDIA zaprezentowanego na targach CES 2025. — Justin Duino / Geek-poradnik

Pomimo znacznego postępu w technologii GPU i transformatorów, nie jesteśmy jeszcze ograniczeni fizycznymi ograniczeniami, jak w przypadku tradycyjnych procesorów. Jednak szybkie postępy w wydajności AI, jakie widzieliśmy w ciągu ostatnich pięciu lat, teraz znacznie się zmniejszają, pozostawiając wielu w branży łaknących wybuchowego wzrostu porównywalnego z rewolucją komputerową końca XX wieku.

Wyzwania w danych treningowych

Innym pilnym problemem, z którym mierzą się deweloperzy LLM, w tym OpenAI, jest dostępność wysokiej jakości danych szkoleniowych. Wszystkie główne modele, takie jak ChatGPT, Gemini i Claude, wyczerpująco wydobyły większość dostępnych informacji publicznych. Stworzyło to scenariusz, w którym pozyskiwanie świeżych danych jest krytycznym wyzwaniem.

Aby pokonać tę przeszkodę, niektóre zespoły badają „rekurencyjne” modele szkoleniowe, w których systemy AI są wykorzystywane do wzajemnego kształcenia. Niestety, ta metoda daje mieszane rezultaty, szczególnie w zakresie spójności i niezawodności. Wyniki AI trenowanej na AI często cierpią na halucynacje i niedokładności, co rodzi pytania o wykonalność tego podejścia w przypadku złożonych zadań.

Stabilność finansowa LLM

Zacięta konkurencja w sektorze AI podsyciła zawirowania finansowe, a prognozy szacują, że wkrótce w inicjatywy AI zostanie zainwestowane oszałamiające ponad 1 bilion dolarów . Pomimo tego napływu ogromne koszty związane z tworzeniem i utrzymaniem LLM stanowią zagadkę w ustanowieniu realnego kanału zysku.

Raporty wskazują, że uruchomienie zapytania LLM może wymagać nawet dziesięciokrotnie większych zasobów obliczeniowych niż standardowe wyszukiwanie w Google, chociaż dokładne koszty operacyjne OpenAI pozostają tajne. Tradycyjne modele biznesowe w AI zazwyczaj podążają za schematem, w którym firmy gromadzą ogromne finansowanie VC, zdobywają udziały w rynku, a następnie opracowują strategie rentowności. Jednak wydatki na obliczenia gwałtownie wzrosły — zbiegając się z wyceną akcji Nvidii — pozostawiając niejasne ścieżki generowania przychodów.

Lucas Gouveia / Geek z poradami

Model subskrypcji ChatGPT obecnie pobiera 20 USD miesięcznie za zaawansowane funkcje, ale OpenAI rozważa poziomy premium potencjalnie kosztujące do 2000 USD miesięcznie, w zależności od możliwości LLM. Malejące zyski związane z zadowoleniem użytkowników wywołały obawy, że lojalni użytkownicy mogą uznać ustalone modele za „wystarczająco dobre”, co zmniejszy apetyt na ulepszone subskrypcje.

Oczekiwanie na kolejną ewolucję ChatGPT

W miarę jak ChatGPT zmierza w kierunku wydania wersji o3, eksperci branżowi przewidują, że może to być jedyna znacząca nowa wersja OpenAI przez cały rok 2025. Podczas gdy nadzieja na kolejne przełomy pozostaje, opisane wyzwania sugerują bardziej konserwatywne tempo rozwoju.

Jednak czy ta stagnacja jest naprawdę szkodliwa? Rankingi na Chatbot Arena pokazują, że LLM-y osiągały znaczące punkty odniesienia między iteracjami, ale teraz osiągają plateau lub osiągają jedynie marginalne zyski. Podczas gdy aplikacje korporacyjne nadal są obiecujące, możliwości dostępne dla zwykłych użytkowników wydają się osiągać granice optymalizacji.

Podsumowując, harmonogram dostępu do najnowszej aktualizacji ChatGPT pozostaje nieprzewidywalny. Jednak użytkownicy nadal mogą polegać na solidnej funkcjonalności istniejących modeli, takich jak ChatGPT o1 i 4o, w codziennych zadaniach, takich jak tworzenie uporządkowanych list zakupów lub znajdowanie odniesień w literaturze.

Często zadawane pytania

1. Dlaczego rozwój ChatGPT zwalnia?

Obecne spowolnienie rozwoju ChatGPT można przypisać kilku czynnikom, w tym zmniejszonym zwrotom z technologii transformatorowej, niedoborowi nowych danych szkoleniowych i wyzwaniom w ustanowieniu realnego modelu zysku w obliczu rosnących kosztów operacyjnych.

2. Jakie są oczekiwania dotyczące przyszłości technologii LLM?

Przyszłe osiągnięcia w technologii LLM mogą charakteryzować się bardziej ostrożną trajektorią wzrostu. Analitycy przewidują potencjał znaczących wydań, ale przeszkody operacyjne i finansowe prawdopodobnie będą dyktować wolniejsze tempo innowacji.

3. Jak działa model subskrypcji ChatGPT?

Model subskrypcji ChatGPT oferuje obecnie zaawansowane funkcje za 20 USD miesięcznie, a trwają dyskusje na temat ofert wyższego poziomu, które mogłyby osiągnąć nawet 2000 USD miesięcznie w zależności od możliwości modelu. Ten ustrukturyzowany cennik ma na celu zaspokojenie różnych potrzeb użytkowników przy jednoczesnym zarządzaniu kosztami operacyjnymi.

Źródło i obrazy