Un’osservazione chiave del grafico è quanti progressi sono stati fatti dal 2010. In effetti, molti di questi database, come SQuAD, GLIE e HellaSwag, non esistevano prima del 2015.

In risposta all’obsolescenza dei benchmark, alcuni dei database più recenti vengono costantemente aggiornati con dati nuovi e pertinenti. Questo è il motivo per cui i modelli di intelligenza artificiale tecnicamente non hanno ancora eguagliato le prestazioni umane in alcune aree (matematica della scuola elementare e generazione di codice), anche se sono sulla buona strada.

Cosa ha portato l’IA a superare gli esseri umani?

Ma cosa ha portato a una crescita così rapida delle capacità dell’IA negli ultimi anni?

Grazie alle rivoluzioni nella potenza di calcolo, nella disponibilità dei dati e negli algoritmi migliori, i modelli di intelligenza artificiale sono più veloci, hanno set di dati più grandi da cui imparare e sono ottimizzati per l’efficienza rispetto a un decennio fa.

Questo è il motivo per cui i titoli dei giornali parlano abitualmente di modelli linguistici di intelligenza artificiale Battere le prestazioni umane su test standardizzati. In effetti, un problema chiave per gli sviluppatori di IA è che i loro modelli continuano a battere i database di benchmark ideati per testarli, ma in qualche modo falliscono ancora Test nel mondo reale.

Poiché nei prossimi anni sono previsti ulteriori miglioramenti in termini di calcolo e algoritmi, è probabile che questo rapido progresso continui. Tuttavia, il prossimo potenziale collo di bottiglia per il progresso dell’IA potrebbe non essere l’IA stessa, ma un Mancanza di dati per i modelli su cui eseguire il training.

Tratto dal Visual Capitalist, pubblicato il 25 agosto 2023, di Contrassegno Belan, modificato Pallavi Rao