Il tanto atteso GPT-5 è finalmente arrivato. Tuttavia, due nuovi tester del modello intervistati da Reuters hanno affermato che, sebbene le capacità di programmazione di GPT-5 e la sua abilità nel risolvere problemi scientifici e matematici siano molto forti, ritengono che il salto da GPT-4 a GPT-5 non sia così grande come quello da GPT-3 a GPT-4. Le ragioni del collo di bottiglia non sono difficili da comprendere: i dati non sono sufficienti. C'è un modo di dire molto poco rigoroso ma molto evocativo: quando GPT-4 è stato addestrato, aveva già estratto praticamente tutti i dati disponibili su Internet, dando una sensazione simile a quella di aver visto tutta la bellezza del mondo. Quindi, l'ex Chief Scientist di OpenAI, Ilya Sutskever, ha dichiarato l'anno scorso che, sebbene la potenza di calcolo stia aumentando, la quantità di dati non è aumentata di pari passo. In realtà, a dire il vero, un'AI polivalente probabilmente raggiungerà il suo picco con GPT-5 per un lungo periodo, e in seguito le varie aziende di AI si concentreranno sicuramente su AI specializzate. Ad esempio, come menzionato nell'intervista, l'esperto di AI di OpenLedger, Ram Kumar, ha detto che molte aziende (come Trust Wallet) vogliono integrare l'AI nei portafogli, ma non possono utilizzare direttamente modelli generali — non soddisfano esigenze specifiche e devono essere personalizzati per il contesto; OL fornisce i protocolli e gli strumenti per farlo. Inoltre, Bloomberg ha iniziato a sviluppare BloombergGPT, basato sull'enorme terminale proprietario di Bloomberg, notizie, dati aziendali e testi (oltre 700 miliardi di token) per l'addestramento. Proprio grazie a questo corpus chiuso, sarà sicuramente molto superiore ai LLM generali nei compiti finanziari. Un altro esempio è il sistema di guida autonoma FSD di Tesla di Musk, addestrato su miliardi di miglia di video/telemetria raccolti autonomamente da Tesla, dati che i concorrenti non hanno. Quindi, pochi giorni fa, Musk ha accennato al fatto che, se potesse avere anche i dati di guida locali cinesi, Tesla potrebbe superare completamente la competizione con il precedente concorso di Dongchedi. Pertanto, la futura competizione AI sarà sicuramente incentrata sui dati specializzati; non sarà sufficiente fare affidamento su enormi quantità di dati generali disponibili su Internet. Pertanto, sistemi come quello di OpenLedger per i diritti di attribuzione dei dati diventeranno una nuova infrastruttura. Immagina, i dati preziosi sono tali non solo perché sono rari, ma anche perché possono portare ritorni ai loro detentori (se consideri i dati come un asset), proprio come le case generano affitti, i dati dovrebbero generare affitti per i dati. Ram ha detto nel video che Hugging Face è grandioso, ma il 90% dei dataset lì sopra non è così utile per l'implementazione commerciale. Pertanto, per avere un'AI esperta utilizzabile commercialmente, è necessario prima un sistema di attribuzione dei dati, che consenta ai detentori di dati preziosi di mettere a disposizione i loro dati e di ricevere un ritorno, in modo da incoraggiare più detentori di dati preziosi a farlo, creando un ciclo virtuoso. L'uguaglianza portata dall'AI potrebbe nascondersi qui; in passato, le risorse degli esperti erano preziose, un privilegio di una classe ristretta, dato che il tempo degli esperti è limitato. Ma nell'era dell'AI, e se fosse un'AI esperta? Ridurrebbe enormemente i costi marginali, rendendo possibile per le persone comuni utilizzare servizi di livello esperto o quasi esperto. Aspettiamo con ansia il lancio della mainnet di OL.