Долгожданный GPT-5 наконец-то пришел. Однако два новых тестировщика модели, опрошенные Reuters, заявили, что, несмотря на сильные программные способности GPT-5 и его умение решать научные и математические задачи, они считают, что скачок от GPT-4 к GPT-5 не так велик, как от GPT-3 к GPT-4. Причина этого «узкого места» несложна для понимания — недостаток данных. Существует очень неформальное, но наглядное выражение: когда GPT-4 обучался, он уже собрал все данные, которые можно было извлечь из Интернета, создавая ощущение, что он «пережил все прелести мира». Поэтому бывший главный научный сотрудник OpenAI Илья Сутскевер в прошлом году сказал, что, хотя вычислительные мощности растут, объем данных не увеличивается синхронно. Если говорить откровенно, то вершина универсального ИИ на долгое время, вероятно, будет именно GPT-5, а в дальнейшем различные компании ИИ будут сосредоточены на специализированных ИИ. Например, AI-эксперт OpenLedger Рам Кумар упомянул в этом интервью, что многие заказчики (например, Trust Wallet) хотят интегрировать ИИ в свои кошельки, но они не могут использовать универсальные модели напрямую — они не удовлетворяют специфическим требованиям, необходимо настраивать под конкретные сценарии, и OL предоставляет протоколы и инструменты, которые позволяют это сделать. Еще один пример: Bloomberg в свое время сразу же начала разработку BloombergGPT, обучая его на огромном количестве собственных терминалов, новостей, корпоративных данных и текстов (всего более 700 миллиардов меток). Именно благодаря этому закрытому корпусу он будет значительно превосходить универсальные LLM в финансовых задачах. Еще один пример — автопилот Tesla (FSD), который обучается на миллиардах миль видео/телеметрических данных, собранных самой Tesla, чего нет у конкурентов. Поэтому несколько дней назад Илон Маск намекнул, что если он сможет получить данные о вождении в Китае, то Tesla могла бы полностью пройти соревнование, в котором участвовал «懂车帝». Таким образом, будущее конкуренции в области ИИ определенно будет сосредоточено на специализированных данных; полагаться только на массовые данные из Интернета будет недостаточно. Поэтому такие системы, как система прав на данные (Data Attribution), разрабатываемая OpenLedger, станут новой инфраструктурой. Представьте себе, что ценность данных заключается не только в их дефиците, но и в том, что они могут приносить доход их владельцам (если рассматривать данные как актив), так же как дом может приносить аренду, данные также должны приносить «аренду данных». Рам в видео сказал, что Hugging Face великолепен, но 90% наборов данных на платформе не так полезны для коммерческого применения. Поэтому, чтобы создать коммерчески жизнеспособный специализированный ИИ, необходимо сначала иметь систему прав на данные, позволяющую владельцам ценных данных предоставить свои данные и получить за это вознаграждение, что, в свою очередь, будет стимулировать больше владельцев ценных данных делиться ими, создавая положительный цикл. Возможности, которые предоставляет ИИ, могут скрываться здесь: в прошлом ресурсы экспертов были ценными и принадлежали привилегированному классу, ведь время экспертов ограничено. А в эпоху ИИ, если это специализированный ИИ? Он значительно снижает предельные издержки, позволяя обычным людям использовать услуги экспертного или полупрофессионального уровня. С нетерпением ждем запуска основной сети OL.