Grafik Need for Speed ​​3 – Beragampengetahuan

Saya melihat tweet yang mengejutkan baru-baru ini. Lihatlah ini:

Saya menggunakan sekitar 3/4 dari mereka setiap hari. (Tidak, saya tidak punya akun Snapchat!)

Namun, tidak satupun dari mereka ada di sana 20 tahun lalu.

Sulit membayangkan seperti apa kehidupan 20 tahun ke depan, apalagi 5 tahun ke depan.

Salah satu cara untuk menjelaskan pesatnya pertumbuhan abad ini adalah prinsip Hukum Moore.

Pada tahun 1960an, pendiri Intel Gordon Moore memperhatikan bahwa chip komputer dapat menampung transistor dua kali lebih banyak setiap dua tahun.

Hukum Moore lahir dari pengamatan ini.

Saat ini, hal ini berarti bahwa komputer menjadi lebih bertenaga, lebih kecil, dan lebih murah seiring berjalannya waktu seiring dengan penyusutan komponen.

Kekuasaan meningkat dua kali lipat kira-kira setiap dua tahun.

Perusahaan semikonduktor menggunakan “aturan dua tahun” ini untuk merencanakan upaya mereka.

Mereka tahu bahwa mereka perlu membuat chip yang lebih baik setiap dua tahun atau perusahaan lain akan meloloskannya.

Dan “aturan dua tahun” ini ternyata konsisten.

Lihatlah bagan yang diposting di X oleh Steve Jurvetson, investor ventura awal di Tesla dan SpaceX.

Ini menunjukkan betapa akuratnya Hukum Moore sejak awal abad ke-20:

Dalam kata-katanya:

“Catatan: Ini adalah plot semi-log, jadi garis lurusnya bersifat eksponensial; setiap skala sumbu y adalah 100x. Grafik ini mencakup peningkatan 1.000.000.000.000.000.000.000x komputasi/dolar. Berhentilah sejenak dan biarkan meresap.“

Dia mengatakan Hukum Moore begitu kuat sehingga representasi Hukum Moore yang akurat akan membuat peta ini lebih tinggi dari gedung 10 lantai.

Namun, apa yang terjadi dengan kecerdasan buatan saat ini telah membalikkan keadaan tersebut…

Hukum Super Moore

CEO Nvidia Jensen Huang baru-baru ini mengusulkan konsep yang disebutnya “Hukum Super Moore”.

Ia percaya bahwa kinerja komputasi kecerdasan buatan berpotensi melanggar Hukum Moore dan berlipat ganda atau bahkan tiga kali lipat setiap tahunnya.

Dia mungkin benar.

Dari Ankur Bursala:

“Jika Hukum Moore adalah kurva eksponensial 2x, maka NVIDIA dalam 8 tahun terakhir adalah kurva eksponensial 2,34x. Komputasi kecerdasan buatan tidak hanya tumbuh secara eksponensial, tetapi juga merupakan kurva yang “lebih curam” daripada Hukum Moore. Mungkin dekade ini Yang paling penting faktornya adalah ukuran.”

Artinya, teknologi AI menjadi semakin cepat dan cerdas dengan kecepatan yang belum pernah kita lihat sebelumnya.

Dan menurut saya contoh terbaik adalah rilis model baru OpenAi.

Pada awal September 2024, OpenAI merilis model komputasi AI baru melalui ChatGPT yang berbeda dari model bahasa besar (LLM) tradisional.

Ini disebut OpenAI o1, dan dirancang untuk menghabiskan lebih banyak waktu berpikir sebelum merespons.

Kemampuan ini memungkinkannya memecahkan masalah yang lebih sulit dalam sains, pengkodean, dan matematika.

Menurut siaran pers perusahaan:

“Kami melatih model-model ini untuk menghabiskan lebih banyak waktu memikirkan suatu masalah sebelum bereaksi, sama seperti manusia. Melalui pelatihan, mereka belajar menyempurnakan proses berpikir, mencoba berbagai strategi, dan mengenali kesalahan mereka.”

Ini telah terbukti sangat efektif, menunjukkan kecerdasan seperti Ph.D. dalam tugas-tugas tertentu.

Lagi pula, OpenAI baru berusia 3 bulan…

Tapi sudah diperbarui. OpenAI mengumumkan model o3 baru mereka bulan ini.

Inilah yang diposting oleh pengguna Reddit, MetaKnowing, saat peluncuran:

Apa maksudnya semua ini?

Poster di atas meyakini kita telah mencapai kecerdasan umum buatan (AGI).

Namun Sam Altman mendefinisikan AGI sebagai:

“Pada dasarnya setara dengan orang tingkat menengah yang bisa Anda pekerjakan sebagai rekan kerja.”

Jadi saya tidak percaya kita belum cukup sampai di sana.

Tapi saya yakin hal itu bisa terjadi pada awal tahun ini.

Apakah Anda baru memulai, pensiun, atau di antara keduanya…

Beberapa tahun ke depan mungkin membuat 20 pertandingan terakhir tampak seperti pertandingan pemanasan.

salam,

Raja Ian
kepala strategi, Rumah Penerbitan Rongshan