Tolik očekávaný GPT-5 je konečně tady. Dva noví testeři modelů v rozhovoru s agenturou Reuters však uvedli, že navzdory silným programátorským schopnostem GPT-5 a schopnosti řešit vědecké a matematické problémy se domnívají, že skok z GPT-4 na GPT-5 není tak velký jako z GPT-3 na GPT-4. Důvod úzkého hrdla není těžké pochopit - není dostatek dat. Existuje velmi nepřesné, ale velmi živé rčení, že GPT-4 v podstatě popadl všechna data, která lze během tréninku získat z internetu, což má podobný pocit jako čtení prosperity světa. Ilya Sutskever, někdejší hlavní vědec OpenAI, proto loni uvedl, že ačkoli výpočetní výkon roste, množství dat se současně nezvyšuje. Ve skutečnosti, upřímně řečeno, vrcholem všeobecné umělé inteligence je po dlouhou dobu pravděpodobně GPT-5 a další společnosti zabývající se umělou inteligencí musí být expertní umělou inteligencí. V tomto rozhovoru například Ram Kumar, odborník na umělou inteligenci ve společnosti OpenLedger, zmínil, že mnoho stran (například Trust Wallet) chce integrovat umělou inteligenci do svých peněženek, ale nemohou přímo používat univerzální modely - nemohou splňovat konkrétní potřeby a musí být přizpůsobeny scénáři. Společnost Bloomberg například okamžitě začala vyvíjet BloombergGPT, který byl vyškolen na rozsáhlých proprietárních terminálech, zprávách, podnikových datech a textu (celkem více než 700 miliard tokenů) společnosti Bloomberg. Právě díky tomuto uzavřenému korpusu bude ve finančních úkolech rozhodně překonávat univerzální LLM. Dalším příkladem je Muskovo autonomní řízení Tesla (FSD), které je trénováno na miliardách mil video/telemetrických dat shromážděných samotnou Teslou, které konkurenti Tesly nemají. Musk tedy před pár dny naznačil, že pokud by mohl vzít i lokální data související s řízením v Číně, mohla by Tesla plně projít celnicemi v předchozí soutěži, aby porozuměla automobilovému císaři. Budoucí AI rozžhavená konkurence proto musí být v cestě expertních dat a rozhodně nestačí spoléhat na masivní internetová běžná data bezplatné prostituce. Novou infrastrukturou se proto stanou systémy pro připisování dat, jako je OpenLedger. Představte si, že cenná data jsou cenná nejen proto, že jsou vzácná, ale také proto, že mohou přinášet výnosy držiteli dat (pokud o nich uvažujete jako o aktivu), stejně jako dům generuje nájem a data by měla generovat datovou rentu. Ram ve videu řekl, že Hugging Face je skvělý, ale těch 90 % výše uvedeného souboru dat není pro komerční implementaci tak užitečných. Pokud tedy chcete komerčně využívat expertní umělou inteligenci, musíte mít nejprve systém vlastnictví dat, aby si držitel vzácných dat mohl svá drahocenná data vyjmout a nechat ho získat odměny a ochutnat sladkost, a poté povzbudit další držitele vzácných dat, aby si je vzali a vytvořili pozitivní cyklus. V minulosti byly zdroje odborníků cenné a jedinečné pro privilegovanou třídu, konec konců, čas odborníků byl omezený. A co když je to v éře umělé inteligence expert? Výrazně snižuje mezní náklady a umožňuje běžným lidem využívat expertní nebo kvaziexpertní služby. Těším se na spuštění mainnetu OL.