Begint de snelle opkomst van kunstmatige intelligentie te vertragen?
Een stilletjes groeiend geloof in Silicon Valley zou enorme gevolgen kunnen hebben: de doorbraken van grote AI-modellen zouden langzamer kunnen gaan.
klasse = “cf”>
Sinds de waanzinnige lancering van ChatGPT twee jaar geleden hebben AI-gelovigen volgehouden dat verbeteringen in generatieve AI exponentieel zouden versnellen naarmate technologiegiganten olie op het vuur bleven gooien in de vorm van data voor training en rekenkracht.
De redenering was dat het waarmaken van de belofte van de technologie eenvoudigweg een kwestie van middelen was: als je er voldoende rekenkracht en data in zou stoppen, zou er een kunstmatige algemene intelligentie (AGI) ontstaan, die in staat zou zijn de prestaties op menselijk niveau te evenaren of te overtreffen.
De vooruitgang ging zo snel dat vooraanstaande figuren uit de industrie, waaronder Elon Musk, opriepen tot een moratorium op AI-onderzoek.
Toch gingen de grote technologiebedrijven, waaronder die van Musk, door en gaven ze tientallen miljarden dollars uit om te voorkomen dat ze achterop raakten.
OpenAI, de door Microsoft gesteunde maker van ChatGPT, heeft onlangs $6,6 miljard opgehaald om verdere vooruitgang te financieren.
klasse = “cf”>
xAI, het AI-bedrijf van Musk, is bezig $6 miljard op te halen om 100.000 Nvidia-chips te kopen, de allernieuwste elektronische componenten die de grote modellen aandrijven.
Er lijken echter problemen te zijn op weg naar AGI.
Insiders uit de industrie beginnen te erkennen dat grote taalmodellen (LLM’s) niet eindeloos sneller kunnen worden opgeschaald als ze worden gepompt met meer kracht en data.
Ondanks de enorme investeringen vertonen de prestatieverbeteringen tekenen van stagnatie.
“De torenhoge waarderingen van bedrijven als OpenAI en Microsoft zijn grotendeels gebaseerd op het idee dat LLM’s, bij voortdurende schaalvergroting, kunstmatige algemene intelligentie zullen worden”, zegt AI-expert en frequente criticus Gary Marcus. “Zoals ik altijd heb gewaarschuwd: dat is slechts een fantasie.”
Een fundamentele uitdaging is de beperkte hoeveelheid taalgebaseerde gegevens die beschikbaar zijn voor AI-training.
Volgens Scott Stevenson, CEO van het AI-juridische takenbedrijf Spellbook, is het vertrouwen op alleen taalgegevens voor schaalvergroting gedoemd om op een muur te botsen.
“Sommige laboratoria waren veel te gefocust op het invoeren van meer taal, omdat ze dachten dat het alleen maar slimmer zou worden”, legde Stevenson uit.
Sasha Luccioni, onderzoeker en AI-leider bij startup Hugging Face, stelt dat een stagnatie in de voortgang voorspelbaar was, gezien de focus van bedrijven op omvang in plaats van op het doel bij de modelontwikkeling.
“Het streven naar AGI is altijd onrealistisch geweest, en de ‘groter is beter’-benadering van AI zou uiteindelijk op een grens stuiten, en ik denk dat dit is wat we hier zien”, vertelde ze aan AFP.
klasse = “cf”>
De AI-industrie betwist deze interpretaties en stelt dat de vooruitgang in de richting van AI op menselijk niveau onvoorspelbaar is.
“Er is geen muur”, postte Sam Altman, CEO van OpenAI, op 14 november op X, zonder verdere uitleg.
CEO van Anthropic, Dario Amodei, wiens bedrijf de Claude-chatbot ontwikkelt in samenwerking met Amazon, blijft optimistisch: “Als je alleen maar kijkt naar de snelheid waarmee deze mogelijkheden toenemen, denk je dat we daar in 2026 of 2027 zullen zijn.”
