近年来，生成式AI技术飞速发展，但单纯依靠增加数据和算力提升AI性能的传统方法已逼近瓶颈。Downcodes小编获悉，多位顶尖AI科学家指出，AI领域正从规模扩张时代转向注重突破性创新的新阶段。这一转变意味着AI发展将更加注重模型质量的提升，而非单纯追求规模的扩大。新的技术路径和方法正在被探索和应用，为AI领域的未来发展带来了新的机遇和挑战。
随着生成式AI的迅猛发展，业界对更大即更好的传统认知正在发生转变。多位顶尖AI科学家近期表示，单纯通过增加数据量和算力来提升AI性能的方法已接近瓶颈，新的技术突破方向正在显现。
Safe Superintelligence和OpenAI的联合创始人Ilya Sutskever近日发表观点，认为传统预训练方法已进入性能平台期。这一论断格外引人注目，因为正是他早期倡导的大规模预训练方法催生了ChatGPT。如今，他表示AI领域已从规模扩张时代迈入奇迹和发现时代。
当前大模型训练面临多重挑战:动辄数千万美元的训练成本、系统复杂度带来的硬件故障风险、漫长的测试周期，以及数据资源和能源供应的限制。这些问题促使研究人员开始探索新的技术路径。
其中，测试时计算（test-time compute）技术受到广泛关注。这种方法允许AI模型在使用过程中实时生成和评估多个方案，而非直接给出单一答案。OpenAI研究员Noam Brown打了个形象的比方:让AI在一盘扑克牌中思考20秒，效果堪比将模型规模和训练时间扩大10万倍。
目前，包括OpenAI、Anthropic、xAI和DeepMind在内的多家顶尖AI实验室都在积极开发各自的技术版本。OpenAI已在其最新模型o1中应用了这一技术，首席产品官Kevin Weil表示，通过这些创新方法，他们看到了大量提升模型性能的机会。
业内专家认为，这种技术路线的转变可能重塑整个AI行业的竞争格局，并从根本上改变AI公司对各类资源的需求结构。这标志着AI发展正在进入一个更注重质量提升而非单纯规模扩张的新阶段。
新的技术突破为AI行业带来了新的发展机遇，也对未来的AI发展方向提出了新的思考。Downcodes小编相信，在未来的发展中，AI领域将持续涌现更多创新技术，推动AI技术向更深层次发展，最终造福于人类社会。