我們曾經預測過將會出現一種能夠穩定通過圖靈測試的軟體。如今，我們理所當然地認為，這項了不起的技術不僅存在，還在迅速提升其能力。自2022年11月30日ChatGPT推出以來，我們目睹了公眾大型語言模型（LLMs）帶來的創新浪潮。新版本每幾週便會問世，不斷推進可行性的邊界。
然而，最近的趨勢顯示這股快速進步的勢頭可能正在放緩。OpenAI的發佈歷史顯示了這一轉變。GPT-3到GPT-3.5的重大飛躍使OpenAI成為焦點，隨後又推出了令人印象深刻的GPT-4，並進行了進一步的升級，如GPT-4 Turbo和GPT-4 Vision。最近，GPT-4o加強了多模態能力，但在增加額外功率方面表現有限。
其他LLMs，如Anthropic的Claude 3和Google的Gemini Ultra，現在在性能指標上逐漸接近GPT-4。我們尚未達到高原期，但每一代的新產品在功率和範圍上出現減少，有放緩的徵兆。
這一趨勢對未來創新有重大影響。如果你可以向水晶球提問一個有關AI的問題，那麼或許是：LLMs將在多快的速度上持續提升其能力？LLM的進展軌跡影響著整體AI生態系統。每次LLM能力的大躍進都直接影響開發者的成就及團隊的可靠運作。
回顧聊天機器人的有效性演變：GPT-3的回應不一致，GPT-3.5則在可靠性上有所改善。直到GPT-4，我們才看到了能持續遵從提示並展現一些推理能力的輸出。
OpenAI預期很快會公布GPT-5，但他們正在謹慎地管理公眾的期望。如果這次更新未能帶來重大突破，對AI創新的影響將是深遠的。
潛在的放緩可能會以以下方式展開：
1. 增加專業化：隨著現有LLMs在處理細微查詢時面臨挑戰，開發者可能會轉向專業化。我們可能會看到針對特定用例和用戶社群的AI代理出現。OpenAI推出的GPTs預示著一種不再追求通用性的轉變。
2. 新的用戶界面：雖然聊天機器人主導了AI互動，但其靈活性可能導致用戶體驗欠佳。我們可能會看到提供指導互動的AI系統，如文件掃描器提供可實施的建議。
3. 開放原始碼LLM開發：儘管建立LLMs面臨挑戰，但如果OpenAI和Google在重大進展上停滯，開放原始碼供應商如Mistral和Llama仍可能保持競爭力。隨著重點轉向功能和用戶友好性，它們可能開創出一個小眾市場。
4. 數據競爭加劇：LLM能力的趨同可能源於訓練數據的稀缺。隨著公共文本數據的取得減少，各公司需要探索新的來源，如圖片和視頻，以提升模型性能和理解能力。
5. 新興LLM架構：儘管變壓器架構佔據主導地位，但其他有潛力的模型卻被忽視。如果變壓器LLMs的進展停滯，我們可能會重新關注像Mamba這樣的替代架構。
總之，LLMs的未來軌跡仍不確定，但顯然LLM的能力與AI創新息息相關。開發者、設計師和架構師必須積極考慮這些模型將如何演進。
我們可能會見證以功能和易用性為競爭焦點的轉變，這將導致與數據庫和雲服務類似的商品化現象。儘管區別依然存在，許多選項可能會變得可互換，沒有明確的「贏家」在尋求最強LLM的競賽中。
排行榜
