OpenAI และ DeepMind สองยักษ์ใหญ่ด้านปัญญาประดิษฐ์ มีความแตกต่างอย่างมีนัยสำคัญในการวิจัยเกี่ยวกับกฎมาตราส่วน (Scaling Laws) ของโมเดลภาษาขนาดใหญ่ (LLM) Scaling Laws มีเป้าหมายเพื่อคาดการณ์ผลกระทบของการเปลี่ยนแปลงพารามิเตอร์โมเดล ปริมาณข้อมูล และปริมาณการคำนวณต่อประสิทธิภาพของโมเดล ผลการวิจัยจะส่งผลอย่างมากต่อทิศทางการพัฒนาปัญญาประดิษฐ์ในอนาคต และมีผลกระทบอย่างมากต่ออนาคตของการอยู่ร่วมกันระหว่างมนุษย์และเครื่องจักร บทความนี้จะสำรวจมุมมอง วิธีการ และการมีส่วนร่วมที่แตกต่างกันของทั้งสองบริษัทในการวิจัย Scaling Laws อย่างเจาะลึก และแนะนำความคืบหน้าการวิจัยในประเทศที่เกี่ยวข้องโดยย่อ
OpenAI และ DeepMind มีมุมมองและวิธีการที่แตกต่างกันในการวิจัย Scaling Laws กฎการปรับขนาดสามารถทำนายการเปลี่ยนแปลงการสูญเสียของแบบจำลองขนาดใหญ่ เมื่อจำนวนพารามิเตอร์ ข้อมูล และการคำนวณเปลี่ยนแปลง การแข่งขันของพวกเขาจะส่งเสริมการพัฒนาปัญญาประดิษฐ์และส่งผลกระทบต่ออนาคตของการอยู่ร่วมกันระหว่างมนุษย์และเครื่องจักร ในกระบวนการก่อนการฝึกโมเดลภาษาขนาดใหญ่ จะต้องแลกกันระหว่างขนาดโมเดล ปริมาณข้อมูล และค่าใช้จ่ายในการฝึกอบรม กฎหมายการปรับขนาดสามารถช่วยเพิ่มประสิทธิภาพการตัดสินใจในการออกแบบได้ DeepMind เสนอว่าขนาดโมเดลและปริมาณข้อมูลควรปรับขนาดในสัดส่วนที่เท่ากัน ในขณะที่ OpenAI ชอบโมเดลที่ใหญ่กว่า DeepMind พัฒนา AlphaGo และ AlphaFold ซึ่งแสดงให้เห็นถึงศักยภาพของการเรียนรู้แบบเสริมเชิงลึกและโครงข่ายประสาทเทียม ในขณะที่ OpenAI พัฒนาโมเดลซีรีส์ GPT ซึ่งแสดงให้เห็นถึงความสามารถพิเศษในโมเดลเชิงกำเนิด ข้อสรุปการวิจัยแสดงให้เห็นว่าปัจจัย 3 ประการที่ส่งผลต่อประสิทธิภาพของโมเดลมีปฏิสัมพันธ์ซึ่งกันและกัน และโมเดล Chinchilla ของ DeepMind ก็มีประสิทธิภาพดีเยี่ยม นอกจากนี้ Baichuan Intelligence ในประเทศและ Mingde Large Model ยังมีส่วนร่วมในการวิจัยเรื่องกฎหมายมาตราส่วนอีกด้วย DeepMind เสนอวิธีการจำแนกระดับ AGI ซึ่งเผยให้เห็นขั้นตอนการพัฒนาปัญญาประดิษฐ์ที่แตกต่างกันการแข่งขันระหว่าง OpenAI และ DeepMind ในการวิจัยกฎหมายการปรับขนาดไม่เพียงแต่ส่งเสริมการพัฒนาเทคโนโลยีปัญญาประดิษฐ์เท่านั้น แต่ยังมอบประสบการณ์อันมีค่าสำหรับการออกแบบและการเพิ่มประสิทธิภาพของโมเดลขนาดใหญ่ในอนาคตอีกด้วย เส้นทางการวิจัยและผลลัพธ์ที่แตกต่างกันของทั้งสองฝ่ายได้ร่วมกันสร้างระบบความรู้ที่สมบูรณ์และครอบคลุมมากขึ้นในด้านปัญญาประดิษฐ์ ซึ่งจะเป็นประโยชน์ต่อทั้งอุตสาหกรรมและสังคมในท้ายที่สุด