# OpenAI przekierowuje GPU na agentów AI do naukowych przełomów: szczegóły od Sama Altmana
OpenAI zamknęła generator wideo Sora i zerwała partnerstwo z Disneyem o wartości 1 mld USD, aby skupić wszystkie moce obliczeniowe na rozwoju zautomatyzowanych badaczy AI. Sam Altman w podcaście Mostly Human wyjaśnił, że niedobór GPU zmusił do rezygnacji z integracji Sory z ChatGPT. Ta decyzja jest podobna do wcześniejszego wstrzymania prac nad GPT-3 — firma poświęca bieżące projekty na rzecz przełomów w naukach podstawowych.
Zautomatyzowani agenci AI mają skompresować dekady badań do jednego roku, zmieniając podejście do odkryć naukowych. Altman podkreślił: wszystko sprowadza się do zasobów obliczeniowych, które teraz są skierowane wyłącznie na ten cel.
Zerwanie z Disneyem: szczegóły negocjacji
Partnerstwo z Disneyem zakładało generowanie wersji AI ponad 200 postaci — od Iron Mana po Myszka Mickey — do umieszczenia na Disney+. Altman osobiście zadzwonił do nowego CEO Disneya, Josha D'Amaro, aby poinformować o zamknięciu transakcji. „Było mi strasznie głupio” — zaznaczył, ale D'Amaro zareagował ze zrozumieniem: „Rozumiem”.
Taka decyzja odzwierciedla surowe priorytety OpenAI w alokacji zasobów. Zamiast treści rozrywkowych firma skupia się na narzędziach zdolnych zautomatyzować proces naukowy.
Przyszłość AI w nauce i biznesie
Altman opisał wizję, w której agenci AI całkowicie przekształcą badania. Te systemy będą samodzielnie formułować hipotezy, przeprowadzać eksperymenty i analizować dane, przyspieszając postępy w biologii, fizyce i innych dziedzinach.
Wspomniał też o pierwszej firmie wartej 1 mld USD z jedynym ludzkim pracownikiem, zbudowanej na agentach AI. To pokazuje potencjał autonomicznych systemów w biznesie.
Kluczowy termin misji Altmana to „obfitość”, oznaczający wykładniczy wzrost produktywności dzięki AI.
- Zalety badaczy AI: przyspieszenie odkryć 10-krotne; autonomiczna praca z minimalnym nadzorem; integracja z istniejącymi potokami naukowymi.
- Ryzyka i wyzwania: niedobór GPU; potrzeba kontroli etycznej; zależność od jakości danych do treningu.
- Zastosowanie w rozwoju: specjaliści middle/senior mogą integrować takie agenty w potokach ML do automatyzacji feature engineering i optymalizacji hiperparametrów.
Techniczne konsekwencje dla rozwoju AI
Przekierowanie mocy na agentów AI oznacza fokus na systemach wieloagentowych z długoterminowym planowaniem. Tacy agenci wykorzystują reinforcement learning i LLM do hierarchicznego dekomponowania zadań, podobnie jak modele o1 OpenAI.
Dla deweloperów oznacza to wzrost popytu na narzędzia typu LangChain czy AutoGen do orkiestracji agentów. W aplikacjach naukowych spodziewana jest integracja z symulatorami i bazami danych, takimi jak PubChem czy arXiv.
Skala obliczeń do treningu takich systemów wymaga klastrów z tysiącami GPU — typowy scenariusz dla frontier models.
Co ważne
- OpenAI poświęca Sorę i transakcję z Disneyem z powodu niedoboru GPU, skupiając się na badaczach AI do przyspieszenia nauki.
- Zautomatyzowani agenci kompresują dekady odkryć do roku, pracując autonomicznie.
- Altman osobiście zerwał partnerstwo; CEO Disneya wyraził zrozumienie.
- Powstają firmy warte 1 mld USD na agentach AI bez załogi pracowników.
- Misja: stworzenie „obfitości” dzięki produktywności AI.
— Editorial Team
Brak komentarzy.