דוח מדד ה-AI לשנת 2024 מדגיש כי התעשייה ממשיכה להוביל במחקר AI חדשני. בשנת 2023, התעשייה הפיקה 51 דגמי למידת מכונה בולטים, בעוד שהאקדמיה תרמה רק 15. בנוסף, היו 21 דגמים בולטים שנוצרו מהשתפות בין התעשייה לאקדמיה, מה שהגיע לשיא חדש.

מגמה זו של התעשייה שולטת במחקר AI חדשני ממשיכה להתגבר. הדוח מעלה את השאלה האם הממשלה צריכה להיות מעורבת יותר בפרויקטי AI, מכיוון שהתפקיד המוביל של המגזר הפרטי עלול ליצור אי-איזון מדאיג בעוצמה בעתיד.

בנוסף, הדוח מציין כי מספר דגמי הבסיס שהושקו בשנת 2023 הוכפל לעומת 2022, כאשר 65% מהדגמים החדשים האלה היו קוד פתוח, לעומת 44% ב-2022 ו-33% ב-2021. זה מצביע על מגמה הולכת וגוברת של AI קוד פתוח, גם אם דגמים מתקדמים מוגבלים כמו GPT-4 ויורשיו נשארים קוד סגור.

הדוח גם מספק אומדנים של עלויות האימון עבור דגמים אלה, כאשר GPT-4 מוערך בכ-78 מיליון דולר וGemini Ultra בכ-191 מיליון דולר, מה שמדגיש את ההשקעות המשמעותיות הנדרשות לפיתוח מערכות AI מתקדמות אלה.

בכללותו, הדוח מצייר תמונה של המשך הובלת התעשייה במחקר AI חדשני, עם דגמי קוד פתוח שמרוויחים קרקע, והצורך הפוטנציאלי במעורבות ממשלתית גדולה יותר כדי להתמודד עם חששות לגבי אי-איזון בעוצמה בנוף ה-AI.

דוח מדד ה-AI לשנת 2024 מדגיש את הבולטות ההולכת וגוברת של דגמי AI קוד פתוח. כמה נקודות עיקריות:

• בשנת 2023, 65% מ-149 דגמי הבסיס החדשים שהושקו היו קוד פתוח, לעומת 44% ב-2022 ו-33% ב-2021. זה מראה מגמה ברורה לכיוון פיתוח AI קוד פתוח יותר.

• מספר הפרויקטים הקשורים ל-AI ב-GitHub עלה בצורה חדה ב-59.3% בשנת 2023, יותר מהשלשה מ-4 מיליון ב-2022 ל-12.2 מיליון ב-2023. פיצוץ הפעילות של קוד פתוח זה נבע מההשקה של ChatGPT בסוף 2022.

• בעוד שדגמים קוד סגור כמו GPT-4 וGemini Ultra עדיין שולטים בבנצ'מרקים מסוימים, הדוח מציין שמערכות קוד פתוח הולכות ותופסות יותר קרקע ושולטות בנוף ה-AI.

• עלייה זו של AI קוד פתוח נחשבת למגמה חיובית, שמקדמת שקיפות וגישה נרחבת. עם זאת, נותרים חששות לגבי הסיכונים הפוטנציאליים של דגמים קוד פתוח חזקים שיפלו לידיים הלא נכונות.

• ככל הנראה, הרגולטורים יצטרכו להתמודד עם האיזון בין היתרונות של חדשנות קוד פתוח לצורך להפחית שימוש לרעה ולהבטיח פיתוח אחראי של טכנולוגיות משנות אלה.

בתמצית, מדד ה-AI לשנת 2024 מדגיש את הצמיחה המדהימה של AI קוד פתוח, שמעצב מחדש את הנוף ומאתגר את ההגמוניה של דגמים קוד סגור. מגמה זו צפויה להמשיך להיות אזור מיקוד עיקרי עבור הקהילה ה-AI בשנים הבאות.

פרק זה בוחן את ביצועי מערכות ה-AI לעומת יכולות האדם במגוון בנצ'מרקים. הנתונים מראים מגמה רושמת הישגים, כאשר ה-AI עובר את הביצועים האנושיים במספר משימות:

• ה-AI עבר את הביצועים האנושיים בבנצ'מרקים כולל סיווג תמונות, סבירות חזותית והבנת אנגלית.
• עם זאת, ה-AI עדיין מפגר אחרי בני אדם במשימות מורכבות יותר כמו מתמטיקה ברמת תחרות, סבירות חושית משותפת וניהול.

המגמה לאורך בנצ'מרקים אלה מצביעה על כך שכשאנו נכנסים לשנת 2023 והלאה, ה-AI מצליח במהירות לסגור את הפער ואפילו לעבור את הקו הבסיסי האנושי בתחומים רבים. כמה נקודות עיקריות:

• הקו הבסיסי האנושי נכבש בתחומים כמו סיווג תמונות והבנת שפה טבעית.
• בעוד שה-AI מפגר בתחומים כמו מתמטיקה והבנת קריאה, הפער בביצועים מצטמצם במהירות.
• בנצ'מרקים כמו Multitask Language Understanding (MMLU) מראים שיכולות ה-AI מתקרבות במהירות לרמת האדם.

נתונים אלה מרמזים שעד סוף 2024, מערכות ה-AI עשויות להגיע לקרבה לשוויון עם בני אדם במגוון רחב של משימות קוגניטיביות. ההתקדמות המתמשכת של דגמי שפה גדולים כמו GPT-4 צפויה להוביל לפריצות דרך נוספות בביצועי ה-AI. ככל שיכולות אלה גדלות, יהיה חיוני לנטר הן את ההתקדמות והן את המגבלות של מערכות ה-AI בהשוואה ליכולות האנושיות.

באופן מסורתי, מערכות ה-AI היו מוגבלות בהיקף, כאשר דגמי שפה מצטיינים בהבנת טקסט אך נכשלים בעיבוד תמונות, והפוך. עם זאת, התקדמויות אחרונות הובילו לפיתוח של דגמים רב-מודליים חזקים כמו Gemini של Google ו-GPT-4 של OpenAI.

דגמים אלה מדגימים גמישות מרשימה והם מסוגלים לטפל הן בתמונות והן בטקסט. למעשה, Gemini 1.5 Pro אפילו יכול לעבד אודיו. הקו הבסיסי ליכולת ה-AI רב-מודלי המשיך לעלות, מגיע ל-94.04% ב-2023, לעומת הקו הבסיסי האנושי של 89.8%.

התקדמות זו ב-AI רב-מודלי הובילה חוקרים לפתח בנצ'מרקים מאתגרים יותר, כמו SWE לקידוד, Heim לייצור תמונות, MMU לסבירות כללית ו-Mocker לסבירות מוסרית. בנצ'מרקים חדשים אלה נועדו לדחוף את גבולות יכולות ה-AI ולחשוף את מגבלותיו.

בעוד שדגמי ה-AI הגיעו לרוויה בביצועים על בנצ'מרקים מוכרים כמו IMAC, SNAP ו-SuperGLUE, הופעת הערכות המורכבות והדורשות יותר האלה תמשיך לאתגר את החוקרים והמפתחים. היכולת לסבור, להבין ולהתקשר בין מודליות מרובות היא צעד חיוני לקראת מערכות ה-AI יותר גמישות ויעילות.

כפי שתחום ה-AI רב-מודלי מתקדם, אנו יכולים לצפות לראות עוד התקדמויות מרשימות בשנים הבאות, כאשר סוכני ה-AI הופכים ליותר ויותר מיומנים בניווט והבנה של אופי המגוון והמקושר של העולם האמיתי.

דוח מדד ה-AI מדגיש את הקידום המהיר בבנצ'מרקים ייעודיים של ה-AI מעבר למשימות שפה וראייה מסורתיות. ככל שמערכות ה-AI ממשיכות להתקדם, החוקרים פיתחו בנצ'מרקים מאתגרים ומורכבים יותר להערכת יכולותיהם.

כמה התפתחויות עיקריות בתחום זה כוללות:

1. בנצ'מרקים לקידוד: הצגת SWE Bench, בנצ'מרק חדש להערכת יכולות קידוד של דגמי ה-AI. בנצ'מרק זה עורר מחלוקת, כאשר היו טענות שתוצאות ההדגמה לא היו אמיתיות לחלוטין. עם זאת, מספר רב של פרויקטים קוד פתוח הראו ביצועים מרשימים במשימה המאתגרת הזו.

2. בנצ'מרקים לסבירות: בנצ'מרקים כמו HEIM לסבירות תמונות, MMU לסבירות כללית ו-MOCKER לסבירות מוסרית צצו כדי לדחוף את גבולות יכולות הסבירות של ה-AI. בעוד שדגמים נוכחיים עדיין מפגרים אחרי בני אדם בתחומים אלה, הדוח מציע שפריצות דרך בסבירות עשויות להיות בדרך, אולי עם השחרור של GPT-5 ודגמים מתקדמים אחרים.

3. בנצ'מרקים מבוססי סוכן: Agent Bench, המעריך את ביצועי הסוכן האוטונומי בסביבות שונות, הראה שיפורים עקביים. סוכני ה-AI יכולים כעת לשלוט במשחקים מורכבים כמו Minecraft ולטפל במשימות בעולם האמיתי כמו קניות וסיוע במחקר ביתר יעילות.

4. בנצ'מרקים לייצור מוזיקה: הערכת דגמי ייצור מוזיקה על בנצ'מרקים כמו MusicCaps הדגימה התקדמות ביכולת ה-AI לייצר מוזיקה באיכות גבוהה. הדוח מציין שהפער בין דגמים קוד סגור וקוד פתוח בתחום זה נותר משמעותי, מה שמרמז שהיכולות המתקדמות ביותר לייצור מוזיקה עדיין נמצאות בעיקר במערכות פרופריטריות.

5. בנצ'מרקים רב-מודליים: הדוח מדגיש את עלייתם של דגמי ה-AI רב-מודליים החזקים, כמו Gemini של Google ו-GPT-4 של OpenAI, שיכולים לטפל בשילוב של טקסט, תמונות ואפילו אודיו. דגמים אלה הגיעו לשוויון ביצועים עם בני אדם בב