Anthropic'in eski araştırmacısı yeniden uyardı: Algoritma ilerlemesi hızlanıyor, daha güçlü yapay zeka eğitmek için hesaplama gücünü yığmaya gerek olmayabilir

动察 Beating AI hızlı haber: Bu yılın Eylül ayında, daha önce OpenAI ve Anthropic'te ön-eğitim araştırmaları yürüten Jacob Coxon istifa etti ve iki şirketin kendi kendini geliştirebilen süper zekâya doğru hızla ilerlediğini, adeta "hayatlarımızla kumar oynadığını" sert bir dille eleştirdi. Bu sözler, ABD'li milletvekillerinin düzenlemelerin sıkılaştırılması çağrısında bulunmasına yol açtı; Musk ise onun düzenleme propagandasına destek vermek için sahne aldığından bile şüphelendi.

Şimdi Coxon, Anthropic'in IPO yol gösteriminde yer alan bir grafiği paylaşarak bunun istifa etmesinin önemli nedenlerinden biri olduğunu belirtti. "Bu grafik çılgınca, bunu açıkça yayınlamalarını beklemiyordum."

Anthropic aslında bu grafiği teknolojik üstünlüğünü sergilemek için kullanmıştı: Algoritmalar sürekli geliştikçe, aynı kodlama yeteneğine sahip bir modeli eğitmek için gereken hesaplama gücü giderek azalıyor.

Ancak Coxon, grafikteki dikey eksenin zaten logaritmik ölçekte olmasına rağmen eğrinin giderek daha da dikleştiğini fark etti. Bu, veriler doğruysa eğitim verimliliğindeki artış hızının kendisinin de hızlandığı anlamına geliyor. Buna dayanarak, Anthropic'in algoritma ilerlemesinin "süper üstel büyüme" sergilediğini savunuyor.

Mythos bu dik eğri üzerinde sıradan bir durak olabilir. Anthropic artık başlangıçtaki hesaplama gücünden çok daha azıyla Mythos ile aynı seviyede model eğitebiliyor. Aynı hesaplama gücü yatırılırsa, daha güçlü bir yapay zekâ eğitmek mümkün olabilir.

Eğitim algoritmalarını iyileştirmek de mutlaka dahi araştırmacıların sürekli çığır açıcı fikirler ortaya koymasını gerektirmiyor; bu tür işler otomatikleştirilebilecek aşamaya yaklaşmış durumda. Anthropic'in kurucu ortaklarından Tom Brown da yol gösteriminde, gelecekte Claude'un eğitim verimliliğini artıracak yöntemleri kendi kendine keşfetmesinin beklendiğinden bahsetti. Yeni yöntemler daha güçlü modeller eğitmek için kullanılabilir, daha güçlü modeller ise yeni optimizasyon yöntemleri aramaya devam edebilir.

Ancak bu grafikte somut hesaplama gücü katları açıklanmıyor; yalnızca üç veri noktası var ve grafiğin altında konumların yalnızca temsili olduğu belirtiliyor.

Coxon, 2027'de öncü yapay zekâ araştırmalarının durdurulmasını ve rakip şirketlerin yetişmesine izin verilmesini savunuyor. Bu, insan seviyesindeki yapay zekâ yeteneklerinin giderek herkesin kullanabileceği sıradan bir meta haline gelmesini sağlayacak ve OpenAI ile Anthropic'in önde gelen modellere dayanarak kurduğu avantajı kıracak.