Tiến bộ Mô hình Suy luận AI Có Thể Đạt Đỉnh vào Năm 2026, Nghiên Cứu của Epoch AI Gợi Ý

Một nghiên cứu của Epoch AI, một viện nghiên cứu AI phi lợi nhuận, chỉ ra rằng ngành AI có thể sớm đối mặt với những thách thức trong việc đạt được cải tiến hiệu suất đáng kể từ các mô hình suy luận AI. Báo cáo dự đoán rằng những tiến bộ trong các mô hình này có thể chậm lại trong vòng năm tới.

Các mô hình suy luận tiên tiến, chẳng hạn như o3 của OpenAI, gần đây đã mang lại những cải tiến đáng chú ý trong các bài kiểm tra AI, đặc biệt là trong các nhiệm vụ toán học và lập trình. Những mô hình này tận dụng sức mạnh tính toán tăng cường để nâng cao hiệu suất, mặc dù điều này thường dẫn đến thời gian xử lý lâu hơn so với các mô hình truyền thống.

Các mô hình suy luận được tạo ra bằng cách huấn luyện một mô hình tiêu chuẩn trên các tập dữ liệu lớn, sau đó áp dụng học tăng cường, cung cấp phản hồi cho mô hình để cải thiện khả năng giải quyết vấn đề.

Theo Epoch, các phòng thí nghiệm AI hàng đầu như OpenAI vẫn chưa sử dụng nhiều tài nguyên tính toán cho giai đoạn học tăng cường trong quá trình phát triển mô hình suy luận.

Xu hướng này đang thay đổi. OpenAI tiết lộ rằng họ đã sử dụng khoảng mười lần sức mạnh tính toán để huấn luyện o3 so với phiên bản tiền nhiệm, o1, với Epoch gợi ý rằng phần lớn trong số đó được phân bổ cho học tăng cường. Nhà nghiên cứu của OpenAI, Dan Roberts, gần đây cho biết công ty có kế hoạch ưu tiên hơn nữa cho học tăng cường, có thể sử dụng nhiều tài nguyên tính toán hơn so với việc huấn luyện mô hình ban đầu.

Tuy nhiên, Epoch lưu ý rằng có một giới hạn về lượng sức mạnh tính toán có thể được áp dụng cho học tăng cường.

Josh You, một nhà phân tích tại Epoch và tác giả của nghiên cứu, lưu ý rằng các cải tiến hiệu suất từ việc huấn luyện mô hình AI tiêu chuẩn hiện đang tăng gấp bốn lần mỗi năm, trong khi các cải tiến từ học tăng cường đang tăng gấp mười lần cứ mỗi ba đến năm tháng. Ông dự đoán rằng tiến bộ của mô hình suy luận có thể sẽ phù hợp với các tiến bộ AI tổng thể vào năm 2026.

Trình bày tại TechCrunch Sessions: AI

Đặt chỗ của bạn tại TC Sessions: AI để giới thiệu các sáng tạo của bạn với hơn 1.200 nhà ra quyết định mà không tốn quá nhiều chi phí. Có sẵn đến ngày 9 tháng 5 hoặc cho đến khi còn chỗ.

Trình bày tại TechCrunch Sessions: AI

Đặt chỗ của bạn tại TC Sessions: AI để giới thiệu các sáng tạo của bạn với hơn 1.200 nhà ra quyết định mà không tốn quá nhiều chi phí. Có sẵn đến ngày 9 tháng 5 hoặc cho đến khi còn chỗ.

Nghiên cứu của Epoch dựa trên một số giả định và kết hợp các tuyên bố công khai từ các nhà lãnh đạo ngành AI. Nghiên cứu cũng nhấn mạnh rằng việc mở rộng quy mô các mô hình suy luận có thể đối mặt với các trở ngại ngoài giới hạn tính toán, chẳng hạn như chi phí nghiên cứu cao.

“Chi phí nghiên cứu liên tục có thể hạn chế khả năng mở rộng của các mô hình suy luận,” You giải thích. “Vì việc mở rộng tính toán nhanh chóng là một yếu tố then chốt trong tiến bộ của chúng, điều này cần được chú ý kỹ lưỡng.”

Bất kỳ dấu hiệu nào cho thấy các mô hình suy luận có thể sớm đạt đến giới hạn hiệu suất có thể gây ra lo ngại trong ngành AI, vốn đã đầu tư mạnh vào việc phát triển chúng. Các nghiên cứu đã chỉ ra rằng những mô hình này, mặc dù có chi phí vận hành cao, vẫn có những khuyết điểm đáng chú ý, bao gồm xu hướng tạo ra đầu ra không chính xác cao hơn so với một số mô hình truyền thống.