Рассуждающие модели ИИ, такие как o3 от OpenAI, быстро прогрессируют, особенно в решении задач по математике и программированию. Однако исследование Epoch AI показывает, что их бурный рост может замедлиться уже через год из-за ограничений в вычислительных ресурсах и данных.
Рассуждающие модели ИИ, такие как o3 от OpenAI, быстро прогрессируют, особенно в решении задач по математике и программированию. Однако исследование Epoch AI показывает, что их бурный рост может замедлиться уже через год из-за ограничений в вычислительных ресурсах и данных.
OpenAI сообщила, что o3 использует в 10 раз больше вычислений для обучения рассуждению, чем ее предшественница o1, выпущенная всего четыре месяца назад. Это позволило o3 значительно улучшить результаты в тестах, таких как AIME и задачи по программированию от METR.
Однако такие скачки каждые несколько месяцев не могут продолжаться долго. Epoch AI оценивает, что если нынешние темпы развития сохранятся, вычисления для обучения рассуждению достигнут предела — около 1e26 FLOP — уже к 2026 году. После этого рост замедлится до 4-кратного в год, как в остальной индустрии ИИ.
Модели рассуждения создаются в два этапа: сначала их обучают на огромных наборах данных, а затем применяют обучение с подкреплением (RL), где модели получают обратную связь за решение сложных задач. Этот RL-этап требует больших вычислительных ресурсов.
Например, модель DeepSeek-R1 использовала около 6e23 FLOP (примерно $1 миллион) на RL-обучение, что составляет 20% затрат на ее предварительное обучение. Для сравнения, другие модели, такие как Llama-Nemotron Ultra от Nvidia (1e23 FLOP) и Phi-4-reasoning от Microsoft (менее 1e20 FLOP), требуют разного уровня вычислений, но их обучение опирается на синтетические данные, что усложняет сравнение.
Существуют и другие препятствия. Это нехватка данных: для RL-обучения нужны разнообразные сложные задачи, но их создание или генерация в достаточном количестве — сложная задача. Также существуют ограничения обобщения: модели отлично справляются с математикой и кодом, но их успех в творческих или неоднозначных задачах под вопросом.
До сих пор все модели ИИ подвержены галлюцинациям: модели рассуждения чаще выдают выдуманные или ошибочные ответы, чем обычные ИИ. Разработчики испытывают и скрытые затраты, например, исследования и эксперименты для настройки моделей могут быть дороже, чем само обучение.
Гендиректор Anthropic Дарио Амодеи в январе отметил, что затраты на RL-обучение пока невелики — около $1–10 миллионов, но компании уже нацелены на сотни миллионов. Это говорит о том, что o1 и o3 еще не достигли предела вычислений, но близки к нему.
Исследователи OpenAI, включая Дэна Робертса, уверены, что дальнейшее увеличение вычислений улучшит модели. Однако, если вычисления упрутся в потолок, прогресс может зависеть от новых алгоритмов или данных. Эксперты считают, что следующий год станет ключевым для понимания, как далеко зайдут модели рассуждения.
Релоцировались? Теперь вы можете комментировать без верификации аккаунта.