Batasan Pelatihan Kecerdasan Buatan

Batas Pelatihan AI — dan Perlombaan untuk Membangun "AI yang Tumbuh Dewasa"

Terdapat dua debat besar dalam pelatihan AI saat ini, dan keduanya menunjuk pada dua masa depan yang sangat berbeda:

Pendekatan Saat Ini

Setelah LLM dilatih, "otak"nya lebih atau kurang tetap. Menambahkan pengetahuan baru sangat terbatas; teknik seperti RL hanya memperbaiki sedikit. Jika Anda ingin model menjadi lebih pintar, Anda harus melatihnya dari awal lagi.

Bayangkan "menciptakan" seorang anak berusia 5 tahun. Setelah beberapa tahun Anda ingin anak berusia 10 tahun? Anda perlu menciptakan anak baru — atau meminjamnya. Ingin anak berusia 15 tahun? Ulangi.

Jelas, itu tidak efisien. Apa yang kita inginkan sebenarnya adalah menciptakan seorang anak berusia 5 tahun dan membiarkannya belajar, tumbuh, dan secara alami menjadi 10, lalu 15. Tidak ada yang ingin memproduksi anak baru setiap lima tahun hanya karena yang lama sudah ketinggalan zaman.

Pendekatan yang Diinginkan Banyak laboratorium top-tier sedang menjelajahi arah ini.

Tujuannya adalah melatih model dasar yang kuat sekali, lalu melepaskannya ke dunia. Ketika model beroperasi, ia terus belajar, memperbaiki, dan meningkatkan kemampuan kognitifnya sendiri.

Terkadang, Anda menerapkan pelatihan inkremental langsung ke model yang sedang berjalan, bukan menggantinya dengan model yang benar-benar baru. Dengan kata lain: ciptakan "bayi AI" dan biarkan ia tumbuh — bukan memproduksi yang baru setiap tahun dan membuang yang lama.

Di Mana Kita Berada Saat Ini

Semua perusahaan AI komersial masih menggunakan pendekatan (1): memproduksi model baru setiap tahun, memensiunkan yang sebelumnya. Masih ada ruang untuk optimasi, tetapi potensi pertumbuhan akan mencapai batas dalam beberapa tahun.

Beberapa laboratorium terkemuka sedang mengejar pendekatan (2), tetapi belum ada terobosan yang muncul — meskipun jumlah dana yang sangat besar mengalir ke dalam pencarian ini.

Jika pendekatan baru ini berhasil, biaya pelatihan dapat turun secara dramatis. Pelatihan inkremental jauh lebih murah daripada pelatihan ulang penuh, dan itu akhirnya akan memungkinkan model untuk mengumpulkan kecerdasan secara terus-menerus, bukan dibangun dari awal setiap siklus.

Batas terdepan AI tidak hanya "model yang lebih besar." Ini adalah model yang dapat belajar seperti manusia — terus-menerus, tanpa reset, tanpa memulai dari awal setiap tahun.

Ditulis oleh Steven Nguyen

Harap dicatat bahwa versi bahasa Indonesia didukung oleh AI dan karena itu mungkin terjadi kesalahan kecil.

Penulis

Ai Base Network (ABN), ABN ASIA didirikan oleh orang-orang dengan akar yang kuat di dunia akademis, dengan pengalaman kerja di Amerika Serikat, Belanda, Hungaria, Jepang, Korea Selatan, Singapura, dan Vietnam. ABN Asia adalah tempat di mana akademik dan teknologi bertemu dengan peluang. Dengan solusi terdepan kami dan layanan pengembangan perangkat lunak yang kompeten, kami membantu bisnis untuk meningkatkan level dan bersaing di panggung global. Komitmen kami: Lebih Cepat. Lebih Baik. Lebih handal. Dalam kebanyakan kasus: Lebih murah juga.

Jangan ragu untuk menghubungi kami jika Anda membutuhkan layanan IT, konsultasi digital, solusi perangkat lunak siap pakai, atau jika Anda ingin mengirimkan permintaan proposal (RFP). Anda dapat menghubungi kami di [email protected]. Kami siap membantu Anda dengan semua kebutuhan teknologi Anda.