Bergabunglah dengan buletin harian dan mingguan kami untuk pembaruan terbaru dan konten eksklusif tentang liputan AI terkemuka di industri. Pelajari lebih lanjut
Rilis Model Bahasa AI Besar (LLM) terbaru, seperti Claude 3.7 dari Anthropic dan Grok 3 dari XAI, sering berkinerja di level PhD – setidaknya menurut tolok ukur tertentu. Prestasi ini menandai langkah selanjutnya menuju apa yang oleh mantan CEO Google Eric Schmidt membayangkan: dunia di mana setiap orang memiliki akses ke “polymath yang hebat,” AI yang mampu menggambar pada tubuh pengetahuan yang luas untuk memecahkan masalah rumit di seluruh disiplin.
Profesor Wharton Business School Ethan Mollick mencatat di blog One Thing-nya yang berguna bahwa model-model terbaru ini dilatih menggunakan kekuatan komputasi yang secara signifikan lebih banyak daripada GPT-4 pada peluncurannya dua tahun lalu, dengan Grok 3 dilatih hingga 10 kali lebih banyak komputasi. Dia menambahkan bahwa ini akan menjadikan Grok 3 model AI “Gen 3” pertama, menekankan bahwa “generasi baru AIS ini lebih pintar, dan lompatan dalam kemampuan sangat mencolok.”
Misalnya, Claude 3.7 menunjukkan kemampuan yang muncul, seperti mengantisipasi kebutuhan pengguna dan kemampuan untuk mempertimbangkan sudut baru dalam pemecahan masalah. Menurut Anthropic, ini adalah model penalaran hibrida pertama, menggabungkan LLM tradisional untuk respons cepat dengan kemampuan penalaran lanjutan untuk menyelesaikan masalah yang kompleks.
Mollick mengaitkan kemajuan ini dengan dua tren konvergen: ekspansi cepat daya komputasi untuk pelatihan LLM, dan peningkatan kemampuan AI untuk mengatasi pemecahan masalah yang kompleks (sering digambarkan sebagai penalaran atau pemikiran). Dia menyimpulkan bahwa kedua tren ini adalah “kemampuan AI supercharging.”
Apa yang bisa kita lakukan dengan AI supercharged ini?
Dalam langkah yang signifikan, Openai meluncurkan agen AI “penelitian mendalam” pada awal Februari. Dalam ulasannya tentang platformer, Casey Newton berkomentar bahwa Deep Research tampak “kompeten secara mengesankan.” Newton mencatat bahwa penelitian mendalam dan alat serupa dapat secara signifikan mempercepat penelitian, analisis, dan bentuk lain dari pekerjaan pengetahuan, meskipun keandalannya dalam domain yang kompleks masih merupakan pertanyaan terbuka.
Berdasarkan varian dari model penalaran O3 yang masih belum pernah dirilis, penelitian mendalam dapat terlibat dalam penalaran yang panjang selama jangka panjang. Ini melakukan ini menggunakan penalaran rantai (COT), memecah tugas-tugas kompleks menjadi beberapa langkah logis, seperti halnya seorang peneliti manusia dapat memperbaiki pendekatan mereka. Ini juga dapat mencari web, memungkinkannya untuk mengakses lebih banyak informasi terkini daripada apa yang ada dalam data pelatihan model.
Timothy Lee menulis dalam memahami AI tentang beberapa tes yang dilakukan para ahli penelitian mendalam, mencatat bahwa “kinerjanya menunjukkan kemampuan mengesankan dari model O3 yang mendasarinya.” Satu tes meminta arah tentang cara membangun pabrik elektrolisis hidrogen. Mengomentari kualitas output, seorang insinyur mesin “memperkirakan bahwa akan membutuhkan seorang profesional yang berpengalaman seminggu untuk menciptakan sesuatu yang sebagus laporan 4.000 kata Openai yang dihasilkan dalam empat menit.”
Tapi tunggu, masih ada lagi …
Google DeepMind juga baru-baru ini merilis “AI Co-Scientist,” sistem AI multi-agen yang dibangun di Gemini 2.0 LLM-nya. Ini dirancang untuk membantu para ilmuwan membuat hipotesis dan rencana penelitian baru. Sudah, Imperial College London telah membuktikan nilai alat ini. Menurut Profesor José R. Penadés, timnya menghabiskan bertahun -tahun mengungkap mengapa superbug tertentu menolak antibiotik. AI mereplikasi temuan mereka hanya dalam 48 jam. Sementara AI secara dramatis mempercepat generasi hipotesis, para ilmuwan manusia masih diperlukan untuk mengkonfirmasi temuan. Namun demikian, Penadés mengatakan aplikasi AI baru “memiliki potensi untuk sains yang sangat mahal.”
Apa artinya sains superharge?
Oktober lalu, CEO Antropik Dario Amodei menulis dalam blog “Mesin Loving Grace” yang ia harapkan “AI yang kuat” – istilahnya untuk apa yang oleh kebanyakan orang sebut intelijen umum (AGI) – akan mengarah pada “50 hingga 100 tahun ke depan biologis [research] Kemajuan dalam 5 hingga 10 tahun. ” Empat bulan lalu, gagasan untuk memompresi hingga satu abad kemajuan ilmiah menjadi satu dekade tampak sangat optimis. Dengan kemajuan terbaru dalam model AI sekarang termasuk Antropik Claude 3.7, Openai Deep Research dan co-scientist Google, apa yang disebut Amodei sebagai “transformasi radikal” jangka pendek mulai terlihat jauh lebih masuk akal.
Namun, sementara AI dapat mempercepat penemuan ilmiah, biologi, setidaknya, masih terikat oleh kendala dunia nyata-validasi eksperimental, persetujuan peraturan dan uji klinis. Pertanyaannya bukan lagi apakah AI akan mengubah sains (seperti yang pasti), melainkan seberapa cepat dampak penuhnya akan direalisasikan.
Dalam posting blog 9 Februari, CEO OpenAI Sam Altman mengklaim bahwa “sistem yang mulai menunjuk ke AGI akan terlihat.” Dia menggambarkan AGI sebagai “sistem yang dapat mengatasi masalah yang semakin kompleks, pada tingkat manusia, di banyak bidang.”
Altman percaya mencapai tonggak sejarah ini dapat membuka kunci masa depan yang hampir utopis di mana “pertumbuhan ekonomi di depan kita terlihat mencengangkan, dan kita dapat membayangkan dunia di mana kita menyembuhkan semua penyakit, memiliki lebih banyak waktu untuk dinikmati bersama keluarga kita dan dapat sepenuhnya mewujudkan potensi kreatif kita.”
Dosis kerendahan hati
Kemajuan AI ini sangat signifikan dan menandakan masa depan yang jauh berbeda dalam periode waktu yang singkat. Namun, kenaikan meteorik AI bukan tanpa tersandung. Pertimbangkan kejatuhan baru -baru ini dari pin AI Humane – perangkat yang dihipnotis sebagai pengganti smartphone setelah pembicaraan TED yang dapat dipenuhi. Hampir setahun kemudian, perusahaan runtuh, dan sisa-sisanya dijual untuk sebagian kecil dari penilaian mereka yang dulu kagum.
Aplikasi AI dunia nyata sering menghadapi hambatan yang signifikan karena berbagai alasan, dari kurangnya keahlian yang relevan hingga keterbatasan infrastruktur. Ini tentu saja merupakan pengalaman Sensei AG, startup yang didukung oleh salah satu investor terkaya di dunia. Perusahaan berangkat untuk menerapkan AI ke pertanian dengan membiakkan varietas tanaman yang lebih baik dan menggunakan robot untuk memanen tetapi telah memenuhi rintangan besar. Menurut Wall Street Journal, startup telah menghadapi banyak kemunduran, dari tantangan teknis hingga kesulitan logistik yang tidak terduga, menyoroti kesenjangan antara potensi AI dan implementasinya yang praktis.
Apa yang terjadi selanjutnya?
Saat kita melihat dalam waktu dekat, sains berada di puncak zaman keemasan baru penemuan, dengan AI menjadi mitra yang semakin mampu dalam penelitian. Algoritma pembelajaran dalam yang bekerja bersama-sama dengan rasa ingin tahu manusia dapat mengungkap masalah yang kompleks dengan kecepatan rekor saat sistem AI menyaring banyak data, pola spot yang tidak terlihat oleh manusia dan menyarankan hipotesis lintas disiplin.
Sudah, para ilmuwan menggunakan AI untuk mengompres jadwal penelitian – memprediksi struktur protein, memindai literatur dan mengurangi kerja bertahun -tahun menjadi berbulan -bulan atau bahkan berhari -hari – membuka peluang di seluruh bidang dari ilmu iklim hingga obat -obatan.
Namun, karena potensi transformasi radikal menjadi lebih jelas, demikian juga risiko gangguan dan ketidakstabilan yang menjulang. Altman sendiri mengakui di blognya bahwa “keseimbangan kekuasaan antara modal dan tenaga kerja dapat dengan mudah menjadi kacau,” peringatan yang halus namun signifikan bahwa dampak ekonomi AI bisa membuat destabilisasi.
Kekhawatiran ini sudah terwujud, seperti yang ditunjukkan di Hong Kong, karena kota baru -baru ini memotong 10.000 pekerjaan layanan sipil sambil secara bersamaan meningkatkan investasi AI. Jika tren seperti itu terus berlanjut dan menjadi lebih luas, kita dapat melihat tenaga kerja yang meluas, meningkatkan kerusuhan sosial dan memberikan tekanan kuat pada lembaga dan pemerintah di seluruh dunia.
Beradaptasi dengan dunia bertenaga AI
Kemampuan AI yang berkembang dalam penemuan ilmiah, penalaran dan pengambilan keputusan menandai perubahan mendalam yang menyajikan janji luar biasa dan tantangan yang hebat. Sementara jalan ke depan dapat ditandai oleh gangguan ekonomi dan strain kelembagaan, sejarah telah menunjukkan bahwa masyarakat dapat beradaptasi dengan revolusi teknologi, meskipun tidak selalu dengan mudah atau tanpa konsekuensi.
Untuk menavigasi transformasi ini dengan sukses, masyarakat harus berinvestasi dalam tata kelola, pendidikan dan adaptasi tenaga kerja untuk memastikan bahwa manfaat AI didistribusikan secara adil. Bahkan ketika regulasi AI menghadapi perlawanan politik, para ilmuwan, pembuat kebijakan dan pemimpin bisnis harus berkolaborasi untuk membangun kerangka kerja etis, menegakkan standar transparansi dan kebijakan kerajinan yang mengurangi risiko sambil memperkuat dampak transformatif AI. Jika kita naik ke tantangan ini dengan pandangan jauh ke depan dan tanggung jawab, orang -orang dan AI dapat mengatasi tantangan terbesar di dunia, mengantarkan zaman baru dengan terobosan yang dulu tampaknya mustahil.
