廣告
快訊
KNEWS
⚡
推理AI模型熱潮或將降溫？ 分析指一年內恐面臨發展瓶頸
【編譯黃惠瑜／綜合外電】近期各大人工智慧（AI）公司推出的推理模型，包括Google的Gemini 2.0 Flash Thinking、OpenAI的o1和o3-mini、IBM的Granite 3.2，以及中國大陸新創公司「深度求索」（DeepSeek）的R1模型，都使AI推理成為當前AI領域的熱門話題與重要發展方向。不過，根據最新調查結果，推理AI模型的進展最快可能在一年內就會減緩下來。
科技新聞網站TechCrunch周一（5/12）報導，非營利AI研究機構Epoch AI的分析顯示，AI產業可能無法在推理AI持續取得巨大的性能提升。該分析報告指出，預計在接下來的一年內，推理模型的進展速度可能會減緩，原因包括運算資源的限制、高額的研究管理費用以及推理AI自身的嚴重缺陷等。
最近幾個月，諸如OpenAI的o3等推理模型都在AI基準測試中取得顯著進展，尤其是衡量數學和程式設計技能的基準測試。這些推理模型可以在處理任務時投入更多運算資源，因此可以提高效能。但是，缺點是它們完成任務所需花費的時間比傳統的AI模型更長。
應用強化學習
開發推理模型首先需要針對大量的資料進行傳統模型的訓練，然後再傳統模型上應用一種稱為強化學習（reinforcement learning）的技術。
強化學習是一種機器學習的方法，模仿人類透過不斷嘗試錯誤來達成目標的學習過程。例如，人類學習騎腳踏車時， 可能會多次摔倒（有如得到懲罰），但最終找到平衡的方法（有如得到獎勵回饋）。這種機器學習技術可以有效的為AI模型提供解決相關問題的「回饋」。
OpenAI表示，在訓練o3模型上投入了比上一代o1模型多出10倍的運算資源。Epoch推測，這其中大部分的額外運算資源都是用於強化學習階段。
OpenAI研究員羅伯茨（Dan Roberts）最近透露，公司未來將更重視強化學習，計畫投入比初始模型訓練還要多的運算能力。
發展推理AI面臨的挑戰
然而，Epoch表示，應用於強化學習的運算資源仍有上限。
Epoch的分析師兼該報告作者尤什（Josh You）解釋，標準AI模型訓練帶來的性能提升目前每年成長4倍，但強化學習帶來的性能提升為每3至5個月成長10倍。他表示，預計到2026年左右，目前透過強化學習來提升的推理AI性能成長速度，將會和整個AI領域最先進技術的平均發展速度趨於相近。
Epoch的分析是基於多項假設，並且部分參考了AI公司高層的公開評論。Epoch也指出，除了運算資源的限制外，擴展推理AI模型可能還會面臨其他挑戰，包括高額的研究管理成本。
此外，有相關研究指出，推理模型的運作成本非常高，而且存在嚴重的缺陷，例如會比某些傳統模型更容易產生幻覺。
相關新聞：
黃仁勳駁DeepSeek低成本 揭R1模型為何需要「100倍以上運算能力」
