OpenAI har meddelat att de har börjat träna sin nästa frontiermodell, som de förväntar sig kommer att föra dem till nästa nivå av kapacitet på deras väg mot Artificiell Generell Intelligens (AGI). Även om företaget är stolta över att bygga och släppa branschledande modeller både vad gäller kapacitet och säkerhet, välkomnar de en robust debatt i denna viktiga stund.

Faktumet att OpenAI har sagt att de nyligen har börjat träna denna nästa frontiermodell tyder på att den kommande modellen sannolikt kommer att vara ett system som vi inte har förutsett, likt hur GPT-4 inte fullt ut förutsågs. Detta skiljer sig markant från utvecklingen av GPT-5, som diskuterades mer öppet av företaget.

Det är oklart exakt vilka kapaciteter denna nya modell kommer att ha, men OpenAIs ordval antyder att den kan medföra betydande framsteg. Företaget är känt för sin försiktiga språkanvändning, så detta tillkännagivande signalerar sannolikt ett påverkansfullt nytt system under utveckling. Huruvida det kommer att vara en mer avancerad språkmodell, ett agentiskt system eller något helt annat återstår att se.

Nicktdesto mindre ger OpenAIs fokus på att bygga AGI, snarare än att sträva efter superintelligens, insikt i företagets strategiska inriktning. De verkar satsa på att andra organisationer kommer att lösa inriktningsproblemet för superintelligenta system, medan OpenAI fokuserar på att utveckla kapabla AGI-system som kan utnyttjas för praktiska tillämpningar.

Den senaste rapporten undersöker huruvida stora språkmodeller (LLM) kan utföra finansiell redovisningsanalys på ett sätt som liknar professionella mänskliga analytiker. Forskarna tillhandahöll standardiserade och anonyma finansiella rapporter till GPT-4 och instruerade modellen att analysera dem för att fastställa riktningen för framtida vinster, även utan någon narrativ eller branschspecifik information.

Studiens huvudsakliga resultat är:

• LLM överträffar finansanalytiker i sin förmåga att förutsäga förändringar i vinster.
• LLM uppvisar en relativ fördel gentemot mänskliga analytiker i situationer där analytikern tenderar att kämpa.
• LLM:s prediktionsackuratess är jämförbar med prestandan hos en smalt tränad, state-of-the-art maskininlärningsmodell.
• LLM:s prediktion härrör inte från dess träningsminne, utan snarare genererar den användbara narrativa insikter om ett företags framtida prestanda.
• Handelstrategier baserade på LLM:s prediktioner ger en högre Sharpe-kvot och Alphor än strategier baserade på andra modeller.

Forskarna drar slutsatsen att LLM kan spela en central roll i framtida finansiella beslutsfattande. Studien tillhandahåller en offentligt tillgänglig demo som låter användare uppleva LLM:s finansanalyskapaciteter på nära håll.

Google har nyligen uppdaterat sin Gemini 1.5 Pro API, efter att ha tränat om modellen för att förbättra dess kapaciteter. Denna uppdatering har resulterat i att Gemini 1.5 Pro API har avsatt Claude 3 Opus från toppen av Arena ELO-rankningarna, även om den ännu inte har överträffat GPT-4.

Omträningsprocessen innebär att subtila ändringar görs i modellen efter den initiala träningen, vilket kan förbättra dess tillförlitlighet, responsivitet och övergripande prestanda avsevärt. Detta är en teknik som OpenAI har använt sig av med GPT-4, genom att ständigt uppdatera och förfina modellen för att behålla sin ledande position.

Googles beslut att använda ett liknande tillvägagångssätt med Gemini 1.5 Pro API visar på den pågående tävlingen om att förbättra stora språkmodeller och förbli konkurrenskraftiga i den snabbt utvecklande AI-landskapet. Även om skillnaderna i Arena ELO mellan de främsta modellerna är relativt små, belyser det de ständiga ansträngningarna från teknikjättar att driva gränserna för vad dessa system kan uppnå.

När konvergensen mellan dessa modeller fortsätter att minska kommer det att vara fascinerande att se hur landskapet utvecklas under det kommande året. De snabba framstegen inom AI-området är verkligen fängslande, och det kommer att bli spännande att bevittna nästa generation av dessa kraftfulla språkmodeller och deras potentiella inverkan på olika branscher och tillämpningar.

Googles nya Search Generative Experience (SGE)-funktion har mött viss kontroversi, eftersom de AI-genererade svaren har visat sig innehålla felaktig eller till och med farlig information.

Några exempel som lyfts fram i diskussionen inkluderar:

• Rekommendationer att gravida kvinnor bör röka 2-3 cigaretter per dag, vilket är uppenbart osäkert medicinskt råd.
• Förslag om att lägga icke-giftigt lim på pizza för att få osten att sitta bättre, vilket kan vara skadligt om man följer det.
• Råd om att äta minst en liten sten per dag, vilket är extremt farligt och inte bör göras.

Det verkar som att Google har skyndat sig att implementera denna nya sökfunktion och inte har granskat datakällorna som används för att generera svaren ordentligt. Detta har lett till att skämtsvar och annan opålitlig information presenteras som faktisk information.

Användare uppmanas att vara försiktiga när de förlitar sig på SGE-svaren, eftersom de inte alltid kan vara korrekta eller säkra. Det är viktigt att korskontrollera information från betrodda källor istället för att blint acceptera de AI-genererade svaren. Google kommer sannolikt att behöva förbättra sina processer för innehållskuratorer och faktakontroll för att säkerställa tillförlitligheten hos SGE-funktionen framöver.

Huvudpunkterna från transkriptet är:

1. OpenAI har bildat en ny säkerhets- och säkerhetskommitté för att ge rekommendationer om kritiska beslut för deras projekt.
2. OpenAI har börjat träna sin "nästa frontiermodell", vilket sannolikt är ett nytt AI-system bortom GPT-5.
3. Den nya modellen förväntas medföra betydande nya kapaciteter, även om detaljerna är oklara.
4. Det finns indikationer på att OpenAI skiftar sitt fokus mer mot att bygga produkter snarare än ren forskning kring superintelligens.
5. Microsofts nya "Recall"-funktion som spårar datoranvändning väcker oro kring integritet och utreds.
6. En ny forskningsrapport visar att stora språkmodeller kan överträffa mänskliga finansanalytiker i att förutsäga förändringar i vinster.
7. Google har uppdaterat sin Gemini 1.5 Pro API, vilket förbättrat dess prestanda jämfört med andra toppmodeller som GPT-4 och Claude 3 Opus.
8. Googles nya Search Generative Experience-funktion har stött på vissa problem med att ge felaktiga eller olämpliga svar.