Nieuwe benaderingen voor AI training in opkomst

De traditionele benadering van kunstmatige intelligentie (AI) training, waarbij grote hoeveelheden data worden gebruikt om modellen te verbeteren, wordt steeds meer in twijfel getrokken. Techgiganten zoals OpenAI, Meta en Google hebben jarenlang aangenomen dat het verzamelen van meer gegevens automatisch zou leiden tot slimmere en krachtigere kunstmatige intelligentie. Echter, volgens recente inzichten kan deze aanpak zijn grenzen bereiken.

Transformer-modellen, die vaak worden gebruikt bij AI toepassingen, vertonen een lineaire relatie tussen de hoeveelheid data en hun prestaties. Dit betekent dat meer data doorgaans betere resultaten oplevert. Toch waarschuwen experts dat deze schaalvergroting op de lange termijn niet duurzaam is. Deze zorgen hebben geleid tot een groeiende interesse in kleinere, efficiënte AI-modellen die met minder middelen betere resultaten kunnen behalen.

Volgens Aidan Gomez, CEO van Cohere, is de traditionele methode van schaalvergroting een "betrouwbare maar beperkte" aanpak. Hij pleit voor innovatie door modellen efficiënter te maken, wat kosten verlaagt en effectiviteit verhoogt. Bovendien wordt er gespeculeerd dat de huidige methoden, zoals het voorspellen van tokens, mogelijk niet zullen leiden tot kunstmatige algemene intelligentie (AGI), een geavanceerde vorm van AI die menselijke intelligentie evenaart of overtreft.

OpenAI heeft met het nieuwe model o1 een voorbeeld gegeven van hoe AI kan worden verbeterd zonder volledig afhankelijk te zijn van schaalvergroting. Dit model richt zich op diepere verwerking en levert meer nauwkeurige en beknopte antwoorden dan zijn voorgangers. Toch brengt dit hogere kosten en een tragere verwerking met zich mee.

Met de snelle opkomst van AI richt OpenAI zich op een belangrijke vraag: hoe maken AI systemen morele keuzes? Het bedrijf, bekend van ChatGPT, financiert een onderzoek aan Duke University met $1 miljoen. Onder leiding van professor Walter Sinnott-Armstrong onderzoeken wetenschappers hoe AI complexe ethische beslissingen kan ondersteunen in domeinen als geneeskunde en recht.