Система ChatGPT способствовала взрывному интересу к технологии искусственного интеллекта. Количество сервисов, которые помогают или полностью заменяют человека в тех или иных сферах деятельности растет в геометрической прогрессии.
Используя данные Contextual AI, инфографика показывает, насколько быстро модели ИИ начали превосходить результаты человека в тестах.
Каждая база данных разработана вокруг определенного навыка, такого как распознавание рукописного текста, понимание языка или понимание прочитанного. Каждый процентный балл соответствует шкале:
0% или «базовый уровень максимальной производительности» - наиболее известная производительность ИИ на момент создания набора данных.
100 % - производительность человека в конкретном навыке.
Ключевым наблюдением является то, какой прогресс был достигнут с 2010 года. При этом стоить отметить, что эталонные тесты устарели и приходится обновлять новые базы данных, что замедляет развитие таких моделей ИИ как математика школьного уровня и генерация кода. Поэтому, модели ИИ технически еще не соответствуют человеческим возможностям в этих областях.
Но нельзя игнорировать тот факт, что благодаря революциям вычислительной мощности, доступности данных и более совершенным алгоритмам модели ИИ стали быстрее, имеют большие массивы для обучения и оптимизированы для повышения эффективности по сравнению даже с десятилетием назад.
Ключевая проблема для разработчиков ИИ сейчас заключается в том, что их модели уже превосходят тестовые базы данных, т.е. они уже сейчас способны обрабатывать информации больше чем есть в обучающей базе данных, но пока ИИ не может пройти финальные тестовые реальные испытания.
В ближайшие несколько лет ожидается дальнейшее развитие технологий вычисления и алгоритмов. Однако следующим потенциальным узким местом на пути прогресса ИИ может стать не сам ИИ, а нехватка для моделей обучения.