Die mit Spannung erwartete GPT-5 ist endlich da. Allerdings sagten zwei neue Modelltester, die von Reuters interviewt wurden, dass, obwohl die Programmierfähigkeiten und die Fähigkeit zur Lösung von wissenschaftlichen und mathematischen Problemen von GPT-5 sehr stark sind, sie der Meinung sind, dass der Sprung von GPT-4 zu GPT-5 nicht so groß ist wie der von GPT-3 zu GPT-4. Der Grund für das Engpass ist leicht verständlich – es gibt nicht genug Daten. Eine sehr ungenaue, aber sehr anschauliche Aussage ist, dass beim Training von GPT-4 bereits alle Daten, die aus dem Internet gesammelt werden konnten, weitgehend erfasst wurden, was ein Gefühl vermittelt, als hätte man die Pracht der Welt gesehen. Deshalb sagte der ehemalige Chief Scientist von OpenAI, Ilya Sutskever, letztes Jahr, dass, obwohl die Rechenleistung zunimmt, die Datenmenge nicht im gleichen Maße wächst. Ehrlich gesagt, der Höhepunkt eines allgemeinen KI-Systems wird für eine lange Zeit wahrscheinlich GPT-5 sein, und in Zukunft werden sich verschiedene KI-Unternehmen auf spezialisierte KI konzentrieren. Zum Beispiel erwähnte der KI-Experte Ram Kumar von OpenLedger in diesem Interview, dass viele Auftraggeber (wie Trust Wallet) KI in ihre Wallets integrieren möchten, aber sie können kein allgemeines Modell direkt verwenden – es erfüllt nicht die spezifischen Anforderungen, es muss an die jeweiligen Szenarien angepasst werden. OL bietet die Protokolle und Werkzeuge, die es ermöglichen, dies zu tun. Ein weiteres Beispiel ist, dass Bloomberg sofort mit der Entwicklung von BloombergGPT begann, das auf den umfangreichen proprietären Daten, Nachrichten, Unternehmensdaten und Texten von Bloomberg (insgesamt über 700 Milliarden Markierungen) trainiert wurde. Gerade wegen dieses geschlossenen Korpus wird es bei finanziellen Aufgaben erheblich besser abschneiden als allgemeine LLMs. Ein weiteres Beispiel ist Teslas (FSD) autonomes Fahren, das auf den von Tesla selbst gesammelten Milliarden von Meilen an Flottenvideos/Telemetriedaten trainiert wurde, was die Wettbewerber von Tesla nicht haben. Vor ein paar Tagen deutete Musk an, dass, wenn er auch auf lokale Fahrdaten aus China zugreifen könnte, Tesla in dem Wettbewerb mit Dongchedi problemlos abschneiden könnte. Das bedeutet, dass der zukünftige Wettbewerb im Bereich KI sicherlich auf der Datenebene der Experten stattfinden wird; es reicht nicht aus, einfach massenhaft allgemeine Internetdaten zu nutzen. Daher wird das von OpenLedger entwickelte System zur Datenzuordnung (Data Attribution) eine neue Infrastruktur werden. Stellen Sie sich vor, der Grund, warum wertvolle Daten wertvoll sind, liegt nicht nur in ihrer Knappheit, sondern auch darin, dass sie den Dateninhabern eine Rendite bringen (wenn man Daten als Vermögenswert betrachtet), so wie Immobilien Miete generieren, sollten Daten auch Datenmiete generieren. Ram sagte im Video, dass Hugging Face großartig ist, aber 90 % der Datensätze dort für die kommerzielle Nutzung nicht so nützlich sind. Daher muss für eine kommerziell nutzbare Experten-KI zunächst ein System zur Datenzuordnung vorhanden sein, das es den Inhabern wertvoller Daten ermöglicht, ihre wertvollen Daten bereitzustellen und dafür eine Rendite zu erhalten, um mehr Inhaber wertvoller Daten zu ermutigen, ihre Daten bereitzustellen und einen positiven Kreislauf zu schaffen. Die Gleichheit, die durch KI geschaffen wird, könnte hier verborgen sein; in der Vergangenheit waren die Ressourcen von Experten wertvoll und gehörten einer privilegierten Klasse, schließlich ist die Zeit der Experten begrenzt. Im KI-Zeitalter, was ist, wenn es sich um Experten-KI handelt? Sie senkt die Grenzkosten erheblich und macht es normalen Menschen möglich, Experten- oder quasi-expertendienstleistungen zu nutzen. Ich freue mich auf den Start des OL-Hauptnetzes.