On dirait que l'intelligence artificielle (AI) a atteint un plateau. Les créateurs de modèles d'IA ne semblent pas progresser aussi rapidement qu'auparavant. Beaucoup des produits qu'ils avaient promis étaient surestimés et n'ont pas tenu leurs promesses, et les consommateurs ne savent pas trop quoi faire avec l'IA générative au-delà de l'utiliser comme un remplacement des moteurs de recherche traditionnels.
Si cela n'est pas déjà fait, l'IA semble commencer à sortir de sa phase de croissance précoce et à entrer dans une période de stagnation.
La croissance explosive de l'IA de 2022 à 2024
De novembre 2022 à la fin de 2024, de nouveaux développements en intelligence artificielle se sont produits rapidement. ChatGPT a été lancé en novembre 2022. Quatre mois plus tard, nous avons eu GPT-4. Deux mois après cela, OpenAI a ajouté l'interpréteur de code et l'analyse de données avancée. En même temps, des avancées significatives ont eu lieu dans la génération de texte à image et de texte à vidéo. Les avancées semblaient se produire tous les 30 à 120 jours chez OpenAI, et leurs concurrents semblaient avancer au même rythme, probablement par crainte de prendre du retard s'ils ne suivaient pas le rythme.
Avec tout ce vent dans leurs voiles, les entreprises ont commencé à faire de grandes promesses : des agents IA autonomes capables de planifier, raisonner et accomplir des tâches complexes de bout en bout sans intervention humaine. Une IA créative qui remplacerait les marketeurs, les designers, les cinéastes, les paroliers, et une IA qui remplacerait des catégories entières d'emplois de cols blancs. Cependant, la plupart de ces promesses ne se sont toujours pas concrétisées ; si elles l'ont été, elles ont été décevantes.
Pourquoi l'innovation en IA ralentit
Le problème n'est pas seulement que les agents IA ou les forces de travail automatisées n'ont pas été livrés comme prévu ; c'est que ces produits peu impressionnants sont le résultat d'un problème beaucoup plus vaste. L'innovation dans l'industrie de l'IA ralentit, et les principales entreprises qui construisent ces outils semblent perdues.
Tous les produits lancés entre 2022 et 2024 n'étaient pas révolutionnaires. Beaucoup des mises à jour pendant cette période n'ont probablement pas été utilisées par les consommateurs quotidiens. Cela s'explique par le fait que la plupart des gens utilisent encore l'IA comme une alternative à un moteur de recherche, ou, comme certaines personnes commencent à l'appeler, ils utilisent l'IA comme un moteur de réponse, la prochaine itération du moteur de recherche.
Bien que cela soit un cas d'utilisation valide, il est sûr de dire que les géants de la technologie ont une vision beaucoup plus grande pour l'IA. Cependant, une chose qui pourrait les freiner, et une des raisons pour lesquelles les produits les plus médiatisés ont eu du mal sur le marché, est due à un problème classique dans les industries hautement techniques : des ingénieurs brillants finissent parfois par construire des outils et des produits que seuls d'autres ingénieurs brillants savent comment utiliser, mais ils oublient de rendre les outils et les produits utilisables pour la population beaucoup plus large de leurs utilisateurs qui ne sont pas des ingénieurs brillants. Dans ce cas, cela signifie les utilisateurs généraux, le public qui a sans doute rendu l'IA grand public en 2022.
Cependant, même la stagnation des produits d'IA est un effet de ruissellement d'un problème encore plus important lié à la façon dont les modèles d'IA sont formés.
Les plus grands laboratoires d'IA ont obsédément amélioré leurs modèles sous-jacents. Au début, ces améliorations de leurs modèles d'IA ont fait une grande différence, visible d'une version à l'autre. Mais maintenant, nous avons atteint un point de rendements décroissants dans l'optimisation des modèles. De nos jours, chaque mise à niveau d'un modèle d'IA semble moins perceptible que la précédente. L'une des théories principales à ce sujet est que les laboratoires d'IA manquent de données uniques et de haute qualité sur lesquelles former leurs modèles. Ils ont déjà aspiré ce que nous pouvons supposer être l'ensemble de l'internet, alors où iront-ils ensuite pour des données, et comment les données qu'ils obtiennent seront-elles différentes de celles que leurs concurrents essaient d'obtenir ?
Avant de frapper ce mur, la formule du succès dans les modèles d'IA était simple : alimenter les grands modèles de langage avec plus de données d'internet, et ils s'améliorent. Cependant, internet est une ressource finie, et de nombreux géants de l'IA l'ont épuisée. De plus, lorsque tout le monde s'entraîne sur les mêmes données, personne ne peut prendre de l'avance. Et si vous ne pouvez pas obtenir de nouvelles données uniques, vous ne pouvez pas continuer à améliorer significativement les modèles par l'entraînement sur les données. C'est le mur auquel beaucoup de ces entreprises se sont heurtées.
Il est important de noter que les améliorations progressives apportées à ces modèles restent très importantes même si leurs rendements diminuent. Bien que ces améliorations ne soient pas aussi marquantes que celles du passé, elles doivent néanmoins avoir lieu pour les produits d'IA du futur que nous avons été promis de livrer.
Où l'IA va à partir d'ici
Alors, comment résolvons-nous ce problème ? Ce qui manque, c'est une attention à la demande des consommateurs au niveau des produits. Les consommateurs veulent des produits et des outils d'IA qui résolvent de réels problèmes dans leur vie, qui sont intuitifs et qui peuvent être utilisés sans avoir un diplôme en STEM. Au lieu de cela, ils ont reçu des produits qui ne semblent pas prêts pour la production, comme des agents, avec des cas d'utilisation vagues et qui ressemblent davantage à des expériences qu'à des produits. Des produits comme ceux-ci ne sont clairement pas conçus pour quelqu'un en particulier ; ils sont difficiles à utiliser, et cela pourrait être parce qu'ils ont du mal à adopter.
Jusqu'à ce que quelque chose change, l'IA risque de rester dans un schéma de stagnation. Que cette percée provienne de meilleures données d'entraînement, de nouvelles façons d'interpréter les données existantes ou d'un produit grand public exceptionnel qui finit par séduire, quelque chose devra changer.
De 2022 à 2024, l'IA semblait faire un bond de dix pas tous les quatre mois. Mais en 2025, elle avance seulement d'un petit pas à la fois et beaucoup plus rarement.
Malheureusement, il n'y a pas de solution rapide ici. Cependant, se concentrer sur un produit solide orienté vers le consommateur pourrait être une opportunité facile à saisir. Si les géants de la technologie passaient moins de temps à poursuivre des produits d'IA à sonorité futuriste mais à usage général et plus de temps à livrer un outil à cas d'utilisation étroit et à fort impact que les gens peuvent utiliser immédiatement, alors ils connaîtraient plus de succès.
Mais à long terme, il faudra qu'il y ait un certain type de progrès majeur qui résout la sécheresse des données dans laquelle nous nous trouvons actuellement, que ce soit par les entreprises qui trouvent de nouvelles sources exclusives de données d'entraînement ou par des moyens permettant aux modèles de tirer davantage parti des données qu'ils possèdent déjà.
Pour que l'intelligence artificielle (AI) fonctionne correctement dans le respect de la loi et prospère face à des défis croissants, elle doit intégrer un système de blockchain d'entreprise qui garantit la qualité des données d'entrée et la propriété—lui permettant de garder les données en sécurité tout en garantissant l'immuabilité des donnéesDécouvrez la couverture de CoinGeeksur cette technologie émergente pour en savoir plussur pourquoi la blockchain d'entreprise sera la colonne vertébrale de l'IA*.*
Regardez : L'intelligence artificielle a besoin de la blockchain
Voir l'original
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
L'innovation en IA a-t-elle atteint un mur ?
On dirait que l'intelligence artificielle (AI) a atteint un plateau. Les créateurs de modèles d'IA ne semblent pas progresser aussi rapidement qu'auparavant. Beaucoup des produits qu'ils avaient promis étaient surestimés et n'ont pas tenu leurs promesses, et les consommateurs ne savent pas trop quoi faire avec l'IA générative au-delà de l'utiliser comme un remplacement des moteurs de recherche traditionnels.
Si cela n'est pas déjà fait, l'IA semble commencer à sortir de sa phase de croissance précoce et à entrer dans une période de stagnation.
La croissance explosive de l'IA de 2022 à 2024
De novembre 2022 à la fin de 2024, de nouveaux développements en intelligence artificielle se sont produits rapidement. ChatGPT a été lancé en novembre 2022. Quatre mois plus tard, nous avons eu GPT-4. Deux mois après cela, OpenAI a ajouté l'interpréteur de code et l'analyse de données avancée. En même temps, des avancées significatives ont eu lieu dans la génération de texte à image et de texte à vidéo. Les avancées semblaient se produire tous les 30 à 120 jours chez OpenAI, et leurs concurrents semblaient avancer au même rythme, probablement par crainte de prendre du retard s'ils ne suivaient pas le rythme.
Avec tout ce vent dans leurs voiles, les entreprises ont commencé à faire de grandes promesses : des agents IA autonomes capables de planifier, raisonner et accomplir des tâches complexes de bout en bout sans intervention humaine. Une IA créative qui remplacerait les marketeurs, les designers, les cinéastes, les paroliers, et une IA qui remplacerait des catégories entières d'emplois de cols blancs. Cependant, la plupart de ces promesses ne se sont toujours pas concrétisées ; si elles l'ont été, elles ont été décevantes.
Pourquoi l'innovation en IA ralentit
Le problème n'est pas seulement que les agents IA ou les forces de travail automatisées n'ont pas été livrés comme prévu ; c'est que ces produits peu impressionnants sont le résultat d'un problème beaucoup plus vaste. L'innovation dans l'industrie de l'IA ralentit, et les principales entreprises qui construisent ces outils semblent perdues.
Tous les produits lancés entre 2022 et 2024 n'étaient pas révolutionnaires. Beaucoup des mises à jour pendant cette période n'ont probablement pas été utilisées par les consommateurs quotidiens. Cela s'explique par le fait que la plupart des gens utilisent encore l'IA comme une alternative à un moteur de recherche, ou, comme certaines personnes commencent à l'appeler, ils utilisent l'IA comme un moteur de réponse, la prochaine itération du moteur de recherche.
Bien que cela soit un cas d'utilisation valide, il est sûr de dire que les géants de la technologie ont une vision beaucoup plus grande pour l'IA. Cependant, une chose qui pourrait les freiner, et une des raisons pour lesquelles les produits les plus médiatisés ont eu du mal sur le marché, est due à un problème classique dans les industries hautement techniques : des ingénieurs brillants finissent parfois par construire des outils et des produits que seuls d'autres ingénieurs brillants savent comment utiliser, mais ils oublient de rendre les outils et les produits utilisables pour la population beaucoup plus large de leurs utilisateurs qui ne sont pas des ingénieurs brillants. Dans ce cas, cela signifie les utilisateurs généraux, le public qui a sans doute rendu l'IA grand public en 2022.
Cependant, même la stagnation des produits d'IA est un effet de ruissellement d'un problème encore plus important lié à la façon dont les modèles d'IA sont formés.
Les plus grands laboratoires d'IA ont obsédément amélioré leurs modèles sous-jacents. Au début, ces améliorations de leurs modèles d'IA ont fait une grande différence, visible d'une version à l'autre. Mais maintenant, nous avons atteint un point de rendements décroissants dans l'optimisation des modèles. De nos jours, chaque mise à niveau d'un modèle d'IA semble moins perceptible que la précédente. L'une des théories principales à ce sujet est que les laboratoires d'IA manquent de données uniques et de haute qualité sur lesquelles former leurs modèles. Ils ont déjà aspiré ce que nous pouvons supposer être l'ensemble de l'internet, alors où iront-ils ensuite pour des données, et comment les données qu'ils obtiennent seront-elles différentes de celles que leurs concurrents essaient d'obtenir ? Avant de frapper ce mur, la formule du succès dans les modèles d'IA était simple : alimenter les grands modèles de langage avec plus de données d'internet, et ils s'améliorent. Cependant, internet est une ressource finie, et de nombreux géants de l'IA l'ont épuisée. De plus, lorsque tout le monde s'entraîne sur les mêmes données, personne ne peut prendre de l'avance. Et si vous ne pouvez pas obtenir de nouvelles données uniques, vous ne pouvez pas continuer à améliorer significativement les modèles par l'entraînement sur les données. C'est le mur auquel beaucoup de ces entreprises se sont heurtées.
Il est important de noter que les améliorations progressives apportées à ces modèles restent très importantes même si leurs rendements diminuent. Bien que ces améliorations ne soient pas aussi marquantes que celles du passé, elles doivent néanmoins avoir lieu pour les produits d'IA du futur que nous avons été promis de livrer.
Où l'IA va à partir d'ici
Alors, comment résolvons-nous ce problème ? Ce qui manque, c'est une attention à la demande des consommateurs au niveau des produits. Les consommateurs veulent des produits et des outils d'IA qui résolvent de réels problèmes dans leur vie, qui sont intuitifs et qui peuvent être utilisés sans avoir un diplôme en STEM. Au lieu de cela, ils ont reçu des produits qui ne semblent pas prêts pour la production, comme des agents, avec des cas d'utilisation vagues et qui ressemblent davantage à des expériences qu'à des produits. Des produits comme ceux-ci ne sont clairement pas conçus pour quelqu'un en particulier ; ils sont difficiles à utiliser, et cela pourrait être parce qu'ils ont du mal à adopter.
Jusqu'à ce que quelque chose change, l'IA risque de rester dans un schéma de stagnation. Que cette percée provienne de meilleures données d'entraînement, de nouvelles façons d'interpréter les données existantes ou d'un produit grand public exceptionnel qui finit par séduire, quelque chose devra changer.
De 2022 à 2024, l'IA semblait faire un bond de dix pas tous les quatre mois. Mais en 2025, elle avance seulement d'un petit pas à la fois et beaucoup plus rarement.
Malheureusement, il n'y a pas de solution rapide ici. Cependant, se concentrer sur un produit solide orienté vers le consommateur pourrait être une opportunité facile à saisir. Si les géants de la technologie passaient moins de temps à poursuivre des produits d'IA à sonorité futuriste mais à usage général et plus de temps à livrer un outil à cas d'utilisation étroit et à fort impact que les gens peuvent utiliser immédiatement, alors ils connaîtraient plus de succès.
Mais à long terme, il faudra qu'il y ait un certain type de progrès majeur qui résout la sécheresse des données dans laquelle nous nous trouvons actuellement, que ce soit par les entreprises qui trouvent de nouvelles sources exclusives de données d'entraînement ou par des moyens permettant aux modèles de tirer davantage parti des données qu'ils possèdent déjà.
Pour que l'intelligence artificielle (AI) fonctionne correctement dans le respect de la loi et prospère face à des défis croissants, elle doit intégrer un système de blockchain d'entreprise qui garantit la qualité des données d'entrée et la propriété—lui permettant de garder les données en sécurité tout en garantissant l'immuabilité des données Découvrez la couverture de CoinGeek sur cette technologie émergente pour en savoir plus sur pourquoi la blockchain d'entreprise sera la colonne vertébrale de l'IA*.*
Regardez : L'intelligence artificielle a besoin de la blockchain