На этой неделе в мире искусственного интеллекта произошли две значимые новости. Во-первых, OpenAI представила GPT-5.4 — модель, ориентированную на профессиональное использование. Во-вторых, Анджей Карпати поделился результатами своего эксперимента с автоисследованиями, который показал, что ИИ способен самостоятельно находить улучшения в обучении нейросетей.
OpenAI выпускает GPT-5.4
5 марта OpenAI анонсировала GPT-5.4, включающую в себя достижения предыдущих версий, таких как GPT-5.3-Codex. Новая модель выделяется улучшенной способностью к компьютерному использованию и поиску инструментов, а также возможностью обработки до 1 миллиона токенов. Эти усовершенствования делают GPT-5.4 более эффективной в решении сложных задач.
Модель также поддерживает так называемые "руководящие" подсказки, которые позволяют пользователям изменять направление работы ИИ в процессе выполнения задач. По оценкам, GPT-5.4 значительно превзошла своих предшественников в различных тестах, таких как GDPval, достигая 83% против 70.9% у GPT-5.2.
Эксперимент Карпати: автоисследования ИИ
Эксперимент Анджея Карпати с автоисследованиями показал, что ИИ может самостоятельно находить улучшения в обучении. В результате эксперимента его агент нашел 20 изменений, которые сократили время обучения модели на 11%. Это открытие подчеркивает потенциал ИИ в ускорении исследований и улучшении технологий.
Карпати продемонстрировал, что ИИ может проводить самостоятельные эксперименты, изменять код и проверять результаты, что открывает новые горизонты для автоматизации исследовательского процесса.
Зачем это важно для будущего ИИ?
Эти новости показывают, что ИИ все больше становится не просто "умным чатом", а надежным инструментом для выполнения сложных задач. Развитие технологий, таких как Codex и автоисследования, указывает на то, что ИИ сможет не только выполнять задачи самостоятельно, но и улучшать свои собственные алгоритмы.
Эти достижения могут революционизировать подходы к разработке и применению ИИ, позволяя системам становиться более автономными и эффективными в реальных рабочих процессах.
