AI研究网站AI Digest

近日发布的一项研究显示

2024到2025年

AI智能体的任务处理能力

每4个月便能翻一倍

 

 

这项研究还提到

对比于2019到2025年间

7个月的“能力翻倍周期”

AI智能体能完成的任务量

正以爆炸式的速度增长

且这一趋势还在加速

 

研究人员认为

这一周期的发现或许能揭示

关于AI智能体的“摩尔定律”

 

图源：新智元

 

传统的摩尔定律

由英特尔（Intel）创始人之一

戈登·摩尔（Gordon Moore）

于1965年提出

根据该定律

大约每18至24个月

集成电路上可容纳的晶体管数目

便会增加一倍

 

也就是说，在此周期内

处理器的性能将翻一倍

同时价格下降为之前的一半

这一定律自提出后不断被验证

揭示了信息通信领域中

技术的指数级进步

 

而AI Diges的前述研究

则聚焦于AI智能体

展示出AI编程智能体的能力

正在飞速增长

 

图源：AI Digest

 

上图中，AI能完成任务的时长

增长轨迹几乎是一条陡峭的曲线

2019年时，GPT-2只能处理

不到1秒的简单任务

到2022年ChatGPT发布时

AI已经可以完成

30秒的编程任务

 

当前，智能体可以自主完成

人类需要1小时完成的编程任务

业内人士表示

如果照此趋势推算

到2027年、2028年和2029年

AI智能体将分别能够完成

人类需要1个工作日、1个工作周

和1个工作月的任务

 

虽然当前的预测数据

可能不太稳定

但也展示出

AI能力很可能处于一个

比指数增长还要快的增长轨道上

 

 

相关研究人员认为

AI智能体的能力提升

会加速更强大AI的研发

这种正反馈循环

可能导致超指数增长

甚至使AI能力

在短时间内急剧提升

远超过人类的水平

 

而从另一方面来看

得益于AI发展的需求

单个芯片的计算速度

将每两年增加16倍

这一来自荷兰光刻机巨头

阿斯麦（ASML）的数据显示

到2030年

每个芯片中将集成一万亿个晶体管

 

这种增长也带来了

能耗的急剧增加

需要光通信等方面的新技术

来解决散热问题

不过，值得一提的是

随着AI在算法效率上的提升

计算资源需求正显著降低

 

 

据自然杂志（Nature）报道

来自模型评估机构METR的研究表明

通过更高效的

预训练和后训练方法

即使硬件资源不增加

AI智能体的能力也能快速提升

 

基于此，人们的关注焦点

正从借由硬件提升来获取更多算力

转向

通过优化程序链路更高效利用算力

未来，基于不同任务需求

进行AI针对性训练和二次开发

寻找更优训练路径

或将成为AI持续迭代发展的

可行之道

 

参考：澎湃新闻、网易新闻、新智元、芯榜科技、METR

撰文：孔繁鑫、张祖有　编辑：雷渺鑫　排版：常泽昱　统筹：李政葳

光明网出品

更多内容欢迎扫码关注光明网数字化频道