Річард Саттон: масштабування LLM само по собі не дасть розуму
Річард Саттон заявляє, що лише обчислювальної потужності недостатньо для створення інтелекту, потрібні нові методи навчання. Це сигналізує про можливий застій поточного підходу до масштабування трансформерів для бізнесу.
🔬 Дослідження без продукту. Для компаній до 200 людей тут нема дії: це теоретичний розбір підходів до ШІ, а не готовий інструмент для впровадження.
🎯 Чи підходить це вашому бізнесу?
Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.
Заповнити профіль · 30 секундTL;DR
• Річард Саттон, лауреат премії Тюрінга, стверджує, що лише обчислювальної потужності недостатньо для створення інтелекту.
• Екс-дослідник OpenAI Творек попереджає, що сліпе масштабування трансформерів відволікає вченіх.
• Стаття не називає жодного готового продукту, ціни чи дати релізу.
• Початкові стартапи вже шукають нові методи навчання за межами поточного масштабування LLM.
• Дані про конкретні реалізації або ліцензії не розкриті.
Як це змінить ваш ринок?
Це теоретична дискусія, а не комерційний реліз. Для компаній на 10-50 людей це не змінює нічого в поточному робочому тижні: немає нового інструменту, який можна купити або впровадити сьогодні.
Визначення: «Гіркий урок» (Bitter Lesson) — ідея Річарда Саттона, що у довгостроковій перспективі методи, які використовують обчислювальну потужність, перемагають методи, що залежать від людських знань.
Для кого це і за яких умов
Ця новина не стосується бізнесу без власної ML-команди. Для компаній до 200 людей тут немає умов для дії, оскільки немає готового продукту.
Альтернативи
| Поточні LLM | Нові методи навчання | Традиційний ШІ | |
|---|---|---|---|
| Ціна | підписка або API | дані не розкриті | залежить від рішення |
| Де працює | хмара, API | дослідження, стартапи | корпоративні відділи |
| Мін. вимоги | інтернет, підписка | ML-команда, дані | дані, інженери |
| Ключова різниця | готові до використання | експериментальні | обмежені можливостями |
💬 Часті запитання
Чи потрібно мені щось змінювати в моїй компанії?
Ні. Стаття не описує готовий продукт або послугу, яку можна купити.
Чи зникнуть поточні LLM?
Ні. Поточні моделі працюють, але автор зазначає, що для подальшого прогресу потрібні нові підходи.
Де можна спробувати нові методи?
Детальних даних немає; згадано лише, що деякі стартапи роблять на це ставку.
Такий розбір щоранку о 08:00
Персональний AI-дайджест для вашої галузі — щодня у Telegram
Джерела
The Decoder — оригіналAI Advisory Board
Навчіть вашу команду будувати такі AI-автоматизації
За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.
Дізнатись більше → aiadvisoryboard.me