OpenAI o3 – kolejny przełom w technologii czy marketingowy trik?

Przełomowa technologia „Test Time Compute”

Rok 2024 przyniósł spektakularny postęp w rozwoju sztucznej inteligencji, a model o3 od OpenAI stał się centralnym punktem rozmów w branży technologicznej. Jego osiągnięcia opierają się na innowacyjnym podejściu zwanym „test time compute”, które pozwala AI przeznaczać dodatkowy czas na analizowanie problemu podczas wykonywania zadania. Dzięki temu procesowi AI „zastanawia się” nad odpowiedzią, zwiększając swoje szanse na udzielenie prawidłowego rozwiązania.

Model o3 zrewolucjonizował tę technikę, co przełożyło się na niesamowite wyniki w benchmarkach, takich jak Frontier Math czy Arc AGI – standardach oceniających zdolność modeli AI do rozwiązywania najbardziej złożonych problemów matematycznych i logicznych. Wyniki, takie jak 88% skuteczności w Arc AGI, są znaczącym krokiem naprzód w kierunku sztucznej inteligencji zdolnej do ogólnego rozumowania (AGI). Jednak postęp ten niesie za sobą wysokie koszty operacyjne, sięgające nawet 3–4 tys. dolarów za jedno zadanie, co budzi pytania o dostępność technologii dla codziennego użytkownika.

Koszty a efektywność. Kiedy cena staje się barierą?

Model o3, mimo swojej imponującej mocy obliczeniowej, pokazuje ciemniejszą stronę rozwoju AI – rosnące koszty utrzymania i implementacji. Wykorzystanie trybu „high compute” pozwala uzyskać wyjątkową precyzję, ale wymaga ogromnych nakładów finansowych. Przykład? Samo przeprowadzenie benchmarku Arc AGI kosztowało OpenAI około 2 milionów dolarów, co stanowi niemal połowę budżetu, który konkurencyjne modele, takie jak DeepSeek, wykorzystują na trening całego systemu.

Koszty te mogą wydawać się uzasadnione, jeśli patrzymy na nie jako na inwestycję w rozwój technologii, ale pytanie brzmi: czy taka precyzja jest warta aż tak wysokiej ceny? Co więcej, zmniejszenie kosztów operacyjnych w trybie „low compute” powoduje jedynie niewielki spadek skuteczności (do 76%), co budzi wątpliwości, czy dodatkowe nakłady są rzeczywiście optymalne.

Etyczne wyzwania. Czy AGI naprawdę jest blisko?

Choć wyniki o3 są imponujące, krytycy zwracają uwagę na etyczne i metodologiczne aspekty testów. Model ten osiąga tak wysoką skuteczność dzięki szkoleniu na zestawach danych, które teoretycznie miały być przeznaczone do testów, a nie do treningu. To podejście, choć porównywane do ludzkiego procesu nauki, podważa pierwotny cel benchmarków, które miały oceniać zdolność AI do generalizowania wiedzy i rozwiązywania zupełnie nowych problemów.

Zamieszanie wywołało również ujawnienie, że OpenAI miało dostęp do części pytań i odpowiedzi z benchmarku Frontier Math przed jego oficjalnym użyciem w testach. Taka sytuacja rodzi pytania o integralność wyników oraz wpływ komercyjnych interesów na rzetelność naukową. Czy można uznać o3 za prawdziwego pretendenta do miana AGI, skoro część jego sukcesów wynika z dostępu do uprzednio znanych danych?

AGI (Artificial General Intelligence) to sztuczna inteligencja, zdolna do wykonywania każdego intelektualnego zadania, które może wykonać człowiek, niezależnie od domeny wiedzy. W odróżnieniu od wyspecjalizowanych systemów AI, które są projektowane do rozwiązywania konkretnych problemów, AGI ma zdolność do samodzielnego uczenia się, adaptacji i generalizowania wiedzy w różnych dziedzinach, od matematyki po zadania codzienne. Osiągnięcie AGI oznaczałoby stworzenie systemu, który potrafi myśleć, rozumieć i rozwiązywać problemy w sposób uniwersalny, podobny do ludzkiego, co mogłoby zrewolucjonizować technologię, naukę i sposób funkcjonowania społeczeństwa. Tylko… co dalej?

Ograniczenia o3 i przyszłość AI

Mimo swoich osiągnięć, o3 nie jest pozbawiony wad. Model potrafi rozwiązywać skomplikowane problemy matematyczne na poziomie eksperckim, ale wciąż ma trudności z prostymi zadaniami logicznymi, które dla człowieka są oczywiste. Przykładami są błędy w analizie prostych wzorców, mimo że model na ich rozwiązanie przeznaczał tysiące dolarów w zasobach obliczeniowych.

To pokazuje, że AI wciąż daleko do osiągnięcia prawdziwego AGI – sztucznej inteligencji zdolnej do rozwiązywania problemów w sposób równie uniwersalny jak człowiek. Kluczowym wyzwaniem na przyszłość jest opracowanie benchmarków i metod testowych, które lepiej oddzielą zdolność AI do generalizowania od jej umiejętności zapamiętywania wzorców.

Podsumowanie: przyszłość AI z o3

1. Technologia „test time compute” wprowadziła nowy standard w analizie problemów przez AI, ale wiąże się z ogromnymi kosztami operacyjnymi.
2. o3 osiąga imponujące wyniki, jednak ich część może wynikać z kontrowersyjnego dostępu do danych testowych, co rodzi pytania o rzetelność benchmarków.
3. Koszty wdrożenia i operacji sprawiają, że o3 może pozostać technologią dostępną głównie dla korporacji, z dala od codziennych użytkowników.
4. Brak uniwersalności w rozwiązywaniu prostych problemów logicznych pokazuje, że droga do AGI wciąż jest długa.
5. Przyszłość AI wymaga lepszych benchmarków i większej przejrzystości w testowaniu, aby można było ocenić rzeczywiste możliwości modeli.

Model o3 od OpenAI to technologiczny przełom, który budzi zarówno ekscytację, jak i kontrowersje. Ostatecznie przyszłość AI zależy nie tylko od jej zdolności obliczeniowych, ale również od etyki i transparentności w badaniach, które wyznaczą standardy dla kolejnych generacji inteligentnych systemów.

➡️ Przeczytaj również: Agenci AI, czyli rewolucja SEO na miarę XXI wieku