AI发展卡关 业者摸索新模式

随著用来训练人工智慧（AI）的大型语言模型（LLM）进步速度变慢，OpenAI和其他AI业者正透过开发新的训练方法，寻求克服AI模型发展瓶颈的方式，这可能重塑AI硬体的竞争版图。

路透报导，ChatGPT问世后，科技业者不断对外宣称，透过更多数据和算力来「扩大」现有模型，定能持续改善模型。如今一些最杰出的AI科学家却说，这个「大就是好」的观点有其限制。

LLM每一轮的训练都可能耗费数百万美元，也较容易出现由硬体造成的故障，且研究人员要在可能长达数个月的训练期结束后，才知道模型的最终效能。

另外，LLM需要大量数据，而目前的AI模型已用尽世上所有容易取得的数据。再者，训练模型需要大量能源，各地电力短缺的情况，也使训练受阻。

为克服这些困难，研究人员正探索一个能在推论阶段，提升现有AI模型的方法，称为「测试时运算」（test-time compute）。此方法让AI模型能将更多力气用在特定的困难任务上。

OpenAI已在其最新发表的模型「o1」中使用此方法。o1能用类似人类推理的方式，多步骤「思考」问题。知情人士表示，其他AI业者如Anthropic、xAI和Google DeepMind，也都开始发展这种方法的自家版本。