A hagyom\u00e1nyos benchmarkokon kimagasl\u00f3 pontsz\u00e1mokat produk\u00e1l az \u00faj modellcsal\u00e1d, de m\u00e9g t\u00fal magabiztos lenne a kijelent\u00e9s, hogy siker\u00fclt megk\u00f6zel\u00edteni a mesters\u00e9ges \u00e1ltal\u00e1nos intelligenci\u00e1t.
L\u00e9nyeg\u00e9ben bomb\u00e1zza a bejelent\u00e9sekkel a nagy\u00e9rdem\u0171t az OpenAI, a december elej\u00e9n kezd\u0151d\u00f6tt 12 napos id\u0151szakban most besz\u00e9lt a leg\u00fajabb o3-modellekr\u0151l is, miut\u00e1n m\u00e9g csak szeptemberben, hogy el\u0151\u00e1llt az o1-el. A modellcsal\u00e1d elnevez\u00e9s\u00e9ben az\u00e9rt ugrott r\u00f6gt\u00f6n a c\u00e9g a h\u00e1rmas sz\u00e1mra, mert \u00edgy szeretn\u00e9 megel\u0151zni a lehets\u00e9ges v\u00e9djegykonfliktusokat az O2 brit t\u00e1vk\u00f6zl\u00e9si szolg\u00e1ltat\u00f3val.<\/p>\n\n\n\n
Az \u0151sszel deb\u00fct\u00e1lt \u00fagynevezett reasoning, azaz \u00e9rvel\u00e9si o1 modell \u00e9s az o1 mini vari\u00e1nsa az\u00e9rt jelentett \u00fajdons\u00e1got, mert az eddigiekt\u0151l teljesen elt\u00e9r\u0151 tan\u00edt\u00e1si m\u00f3dszernek k\u00f6sz\u00f6nhet\u0151en emberszer\u0171 probl\u00e9mamegold\u00f3 k\u00e9pess\u00e9ggel rendelkezik, azaz l\u00e9nyeg\u00e9ben k\u00e9pes a logikus gondolkod\u00e1sra: eredend\u0151en \u00fagy tan\u00edtott\u00e1k, hogy t\u00f6bb id\u0151t t\u00f6lts\u00f6n el egy-egy probl\u00e9ma vagy feladat megold\u00e1s\u00e1val, az eredm\u00e9nyhez k\u00fcl\u00f6nb\u00f6z\u0151 utakon \u00e9s megk\u00f6zel\u00edt\u00e9sekkel jusson el \u00e9s k\u00e9pes legyen felismerni a hib\u00e1it \u2013 ezzel pedig az \u00f6sszetettebb feladatok megold\u00e1s\u00e1ban sokkal eredm\u00e9nyesebbnek bizonyulhat a kor\u00e1bbi modellekhez k\u00e9pest.<\/p>\n\n\n\n
Az OpenAI szerint az egyel\u0151re bevallottan kezdetleges \u00e1llapotban l\u00e9v\u0151 o1 m\u00e1r most k\u00e9pest a PhD-hallgat\u00f3khoz hasonl\u00f3 hat\u00e9konys\u00e1ggal megoldani bizonyos fizikai, k\u00e9miai, biol\u00f3giai illetve matematikai teszteket, feladatsorokat, f\u00fcggv\u00e9nyeket. Az \u00faj modell ugyanakkor az elt\u00e9r\u0151 feladatmegold\u00e1si l\u00e1nc miatt l\u00e9nyegesen lassabban ad eredm\u00e9nyt egy-egy komplex k\u00e9rd\u00e9sre, mint a kor\u00e1bbiak, de m\u00e9g mindig sokkal gyorsabb b\u00e1rmilyen emberi reakci\u00f3n\u00e1l.<\/p>\n\n\n\n
Ezt fejlesztett\u00e9k tov\u00e1bb a p\u00e9nteken bejelentett o3-modell eset\u00e9ben Sam Altman \u00e1ll\u00edt\u00e1sa szerint olyan szintre, hogy modelljeik hamarosan \u201ea legjobb programoz\u00f3kat is lek\u00f6r\u00f6zhetik\u201d. A meglehet\u0151sen ambici\u00f3zus kijelent\u00e9s al\u00e1t\u00e1maszt\u00e1s\u00e1ul egyel\u0151re az o1 modellel val\u00f3 \u00f6sszehasonl\u00edt\u00e1sokkal tudtak el\u0151\u00e1llni az ismertebb benchmarkokon. A hagyom\u00e1nyosabb benchmark m\u00e9r\u00e9seken az o3 \u00f6sszess\u00e9g\u00e9ben 40 sz\u00e1zal\u00e9kkal magasabb pontsz\u00e1mot kapott az o1-n\u00e9l, az o3 Codeforces k\u00f3dol\u00e1si versenyen el\u00e9rt 2727-es pontsz\u00e1m pedig magasabb, mint az OpenAI vezet\u0151 kutat\u00f3j\u00e1\u00e9.<\/p>\n\n\n\n
A \u201el\u00e9tez\u0151 legnehezebb matematikai tesztk\u00e9nt\u201d h\u00edvott EpochAI Frontier Math teszten az o3 25,2 sz\u00e1zal\u00e9kot teljes\u00edtett sikeresen, ami az\u00e9rt sz\u00e1mot jelent\u0151snek, mert az eddigi legjobb modellek eddig legfeljebb mind\u00f6ssze 2 sz\u00e1zal\u00e9kot tudtak produk\u00e1lni. 87,7 sz\u00e1zal\u00e9kot siker\u00fclt m\u00e9rnia GPQA Diamondon is, amely diplom\u00e1s szint\u0171 k\u00e9rd\u00e9seket tesz fel biol\u00f3gia, fizika \u00e9s k\u00e9mia ter\u00fclet\u00e9n.<\/p>\n\n\n\n
A Stanford Egyetem \u00e1prilisi MI Index jelent\u00e9se szerint az AI-modellek \u00e1ltal\u00e1noss\u00e1gban gyeng\u00e9n teljes\u00edtenek olyan kev\u00e9sb\u00e9 haszn\u00e1lt teszteken, mint a tervalkot\u00e1s vagy a vizu\u00e1lis mintafelismer\u0151 feladv\u00e1nyok. Itt azonban siker\u00fclt l\u00e9nyegi \u00e1tt\u00f6r\u00e9st el\u00e9rni: a mintafelismer\u0151 ARC-AGI teszt egyik v\u00e1ltozat\u00e1n az o3 norm\u00e1l sz\u00e1m\u00edt\u00e1si id\u0151vel 75,7 sz\u00e1zal\u00e9kot, maxim\u00e1lis sz\u00e1m\u00edt\u00e1si id\u0151 mellett pedig 87,5 sz\u00e1zal\u00e9kot \u00e9rt el, mik\u00f6zben az emberi teljes\u00edtm\u00e9ny 85 sz\u00e1zal\u00e9kos k\u00fcsz\u00f6b k\u00f6r\u00fcl alakul. A k\u00f3dol\u00e1s mellett a tudom\u00e1nyos ter\u00fcletekhez kapcsol\u00f3d\u00f3 k\u00e9rd\u00e9seket is nagyobb pontoss\u00e1ggal v\u00e1laszolja meg el\u0151dj\u00e9n\u00e9l az o3. Olyannyira, hogy Mark Chen kutat\u00e1si igazgat\u00f3 szerint hamarosan nehezebb bechmarkok kidolgoz\u00e1s\u00e1hoz lesz sz\u00fcks\u00e9g ahhoz, hogy a legfejlettebb modellek k\u00f6zti k\u00fcl\u00f6nbs\u00e9gek m\u00e9rhet\u0151v\u00e9 v\u00e1ljanak.<\/p>\n\n\n\n
Az o3 \u00e9s az o1 \u00fajdons\u00e1ga az \u00e9rvel\u00e9si id\u0151 \u201ebe\u00e1ll\u00edt\u00e1s\u00e1nak\u201d k\u00e9pess\u00e9ge is: a modellek be\u00e1ll\u00edthat\u00f3k alacsony, k\u00f6zepes vagy magas sz\u00e1m\u00edt\u00e1si id\u0151re (azaz gondolkod\u00e1si id\u0151re). Min\u00e9l t\u00f6bb id\u0151t kap gondolkodni, \u00e9rtelemszer\u0171en ann\u00e1l jobban teljes\u00edt az o3 egy feladatban. A v\u00e1llalat egyel\u0151re csak biztons\u00e1gi tesztekre bocs\u00e1tja az o3-csal\u00e1dot, ami valamikor 2025 folyam\u00e1n v\u00e1lik el\u00e9rhet\u0151v\u00e9 sz\u00e9lesebb k\u00f6rben el\u0151n\u00e9zeti \u00e1llapotban.<\/p>\n\n\n\n
Az OpenAI az o3 k\u00e9pess\u00e9geivel kapcsolatban \u00fagy fogalmazott, hogy \u201ebizonyos k\u00f6r\u00fclm\u00e9nyek k\u00f6z\u00f6tt k\u00f6zel\u00edt a mesters\u00e9ges \u00e1ltal\u00e1nos intelligenci\u00e1hoz (AGI)”. Kardin\u00e1lis k\u00e9rd\u00e9s, hogy kijelentheti-e ezt teljes bizonyoss\u00e1ggal a c\u00e9g. Ez azt takarn\u00e1 ugyanis, hogy az adott modell k\u00e9pes minden olyan feladatot elv\u00e9gezni, amire maga az ember is k\u00e9pes. Amellett, hogy egy nagyon mer\u00e9sz kinyilatkoztat\u00e1s, \u00fczleti s\u00falya is van, \u00e9s ink\u00e1bb ez lehet fajs\u00falyosabb az OpenAI sz\u00e1m\u00e1ra. A c\u00e9g ugyanis meg\u00e1llapodott a Microsofttal abban, hogy ha el\u00e9ri az AGI fejletts\u00e9gi szintj\u00e9t, t\u00f6bb\u00e9 nem k\u00f6teles hozz\u00e1f\u00e9r\u00e9st adni a redmondi c\u00e9gnek a legfejlettebb technol\u00f3gi\u00e1ihoz.<\/p>\n\n\n\n