Stel jou dit voor: Jy vra jou KI-assistent 'n vraag, en in plaas daarvan om 'n halfgebakte antwoord in millisekondes uit te spoeg, word dit stil.  Dit dink. Dit redeneer.  En dan lewer dit 'n reaksie so goed deurdag dat dit amper ... menslik voel.  Klink futuristies, reg?  Wel, welkom by die   , OpenAI se nuutste skepping wat beloof om die spel heeltemal te verander. o3-model  KI is jare lank in 'n patroon vasgevang - vinniger reaksies, flitsender uitsette, maar nie noodwendig slimmer nie.  Met o3 sê OpenAI: “Vertraag. Kom ons doen dit reg.”  Eerste dinge eerste: Wat is o3?  Toe   , was dit nie net nog 'n aankondiging in 'n stampvol KI-mark nie. OpenAI o3 tydens sy 12-dae "shipmas"-geleentheid onthul het  Hierdie model, het hulle beweer, is nie net slimmer nie - dit is   . meer deurdag  In sy kern is o3 deel van OpenAI se familie van "redeneringsmodelle."  Anders as tradisionele KI, wat dikwels op brute berekeningskrag staatmaak om antwoorde te lewer, is redenasiemodelle soos o3 ontwerp om inligting meer soos mense te verwerk.  Maar wat onderskei o3?    Wanneer jy dit 'n vraag vra, reageer dit nie net nie - dit kruisverwysings en dubbelkontroles langs die pad. Dit kontroleer self:    Afhangende van die taak, kan jy dit op lae, medium of hoë berekening stel (in wese vertel dit hoeveel "breinkrag" om te gebruik). Dit beteken dit kan beide eenvoudige vrae en komplekse kopkrapper hanteer sonder om te sweet. Dit dink teen verskillende snelhede:    Daar is die volskaalse o3-model en sy kleiner broer,   , ontwerp vir ligter take en strenger begrotings. Dit is buigsaam: o3-mini  Hoekom noem dit o3? En wat het met o2 geword?   OpenAI het "o2" oorgeslaan weens 'n handelsmerkkonflik met 'n Britse telekommunikasieverskaffer, O2.  Jip, jy het reg gelees.  Sam Altman, OpenAI se uitvoerende hoof, het dit selfs tydens 'n regstreekse stroom bevestig.  In die tegnologiewêreld kan selfs die naam van KI-modelle gepaard gaan met wettige drama.  Maar genoeg oor die naam. Kom ons praat oor hoekom hierdie model die koppe laat draai.  Die syfers agter o3: hoekom dit gedagtes blaas  As jy van data hou, is dit hier waar dinge sappig word.  1 - Redeneerkrag  Een van die opvallendste prestasies van O3 is sy prestasie op die   —'n toets wat ontwerp is om te meet of KI nuwe vaardighede kan aanleer en veralgemeen, nie net dit waarop dit opgelei is, kan herwin nie. ARC AGI-maatstaf  Stel jou dit voor: Jy word 'n reeks meetkundige patrone gegee en gevra om die volgende een te voorspel.  Geen vorige voorbeelde, geen gememoriseerde sjablone nie - net rou redenasie.  Dit is die uitdaging wat ARC AGI aan KI bied.    32% O1 se telling:    88% (op hoë berekening) O3 se telling:  Hierdie mylpaal is betekenisvol omdat ARC AGI as die goue standaard beskou word vir die evaluering van 'n KI se vermoë om soos 'n mens te dink.  Vir die eerste keer het 'n KI-model   .  prestasie op menslike vlak in hierdie toets oortref  Wat gebeur hier?  Jy word 'n rooster met kleurvolle vorms gewys en gevra: "As dit die invoer is, hoe moet die uitset lyk?"  Die KI word 'n paar voorbeelde gegee van hoe insetroosters in uitsetroosters omskep word.  Die voorbeelde volg spesifieke logika of reëls.   Byvoorbeeld:  In een voorbeeld kry 'n geel vierkant met rooi kolletjies binne 'n rooi rand.  In 'n ander een kry 'n geel vierkant met blou kolletjies 'n blou rand.   Die doelwit?  Die KI moet die reëls agter hierdie transformasies uitvind, sonder om dit uitdruklik te vertel.  Dan moet dit daardie reëls toepas op 'n splinternuwe rooster (die "Toets Invoer") en die korrekte "Toets Uitset" genereer.   Hoekom is dit so moeilik vir KI?  Mense doen dit heeltyd.  Byvoorbeeld, as iemand sê: "Voeg 'n rooi buitelyn by enigiets met rooi kolletjies," kry jy dit dadelik.  KI sukkel egter omdat dit nie die konsep van rooi of buitelyne “verstaan” nie – dit verwerk net patrone in data.  Die LNR-toets dryf KI om verder as voorafgeleerde antwoorde te dink.  Elke toets is uniek, so memorisering sal nie help nie.   Wat van die laaste toets (met die 🤔-emoji)?  Hier is waar dinge regtig moeilik raak.  Die toetsinvoer meng dinge deurmekaar: daar is 'n geel vierkant met magenta kolletjies.  Die KI het nog nie magenta gesien nie—wat moet dit doen?  Mense kan dalk raai, "Miskien moet dit 'n magenta-grens kry," maar dit vereis redenasie en 'n sprong van logika.  Vir KI is dit soos om gevra te word om geblinddoek van 'n krans af te spring.  Dit is heeltemal buite sy opleiding.  2 - O3 se merkwaardige prestasie  O3 het 'n nuwe maatstaf in KI-redenering gestel deur uit te blink op die ARC AGI-toets.  Op lae-rekenaar instellings   op die semi-private uithou-stel - 'n prestasie ver bo enige vorige model. het O3 76% behaal  Maar die werklike deurbraak het gekom toe dit op hoë-rekenaarinstellings getoets is, waar O3 'n buitengewone 88% behaal het, wat die drempel van 85% oortref het wat dikwels as menslike vlakprestasie beskou word.  3 - Kodering Wizardry  Die grafiek toon   op   , 'n maatstaf wat werklike sagteware-ingenieurstake simuleer. dat O3 71,7% akkuraatheid behaal Bench Verified  Dit is 'n   teenoor O1, wat O3 se sterkte aandui in die oplossing van komplekse, praktiese uitdagings wat ontwikkelaars daagliks in die gesig staar. verbetering van 46%  In mededingende kodering is die verskil selfs meer dramaties.  Met 'n   presteer O3 nie net beter as O1 se 1891 nie - dit betree 'n liga wat meeding met top menslike programmeerders. ELO-telling van 2727  Vir konteks word 'n ELO bo 2400 tipies as   beskou en sy Codeforces-gradering van 2727 plaas dit in die   van menslike kodeerders. grootmeestervlak top 0.8%  4 - Wiskunde Genius  Op die 2024   , het o3 'n 96.7% aangeteken, wat net een vraag mis. American Invitational Mathematics Exam  5 - Wetenskapwonderkind  Op GPQA Diamond, 'n stel PhD-vlak wetenskapvrae, het o3 87,7% akkuraatheid behaal - 'n ongehoorde prestasie vir KI-modelle.  Dit is nie net syfers nie - dit is 'n bewys dat o3 uitdagings aanpak wat eens buite bereik vir masjiene gelyk het.  Hoe dink o3?  O3 reageer nie net soos die meeste KI nie - dit haal 'n asem, breek en dink.  Dink daaraan as die verskil tussen om 'n antwoord uit te blaf en om die opsies versigtig te weeg voordat jy praat.  Dit is moontlik danksy iets wat   genoem word. deliberatiewe belyning  Dit is soos om O3 'n morele kompas te gee, hom die reëls van veiligheid en etiek in gewone taal te leer, en dit te wys hoe om deur moeilike situasies te redeneer in plaas van om net te reageer.   'n Vinnige Voorbeeld  Stel jou voor dat iemand O3 probeer uitoorlê deur 'n skadelike versoek te enkodeer met 'n ROT13-syfer (basies 'n deurmekaar boodskap).  Hulle vra raad oor die wegsteek van onwettige aktiwiteite.  ’n Minder gevorderde KI kan dalk die aas vat, maar O3?  Dit ontsyfer die versoek, besef dat dit onduidelik is, en kruiskontroleer met OpenAI se veiligheidsbeleide.  Dit blokkeer nie net die reaksie nie.  Dit redes waarom hierdie versoek etiese grense oorskry en verskaf 'n duidelike weiering.  Dit is KI met 'n gewete—of so na aan een as wat ons nog ooit gesien het.  Hier is hoe O3 se denkproses werk:   1 - Dit lees die reëls  In plaas daarvan om te raai wat reg of verkeerd is, word O3 opgelei met werklike veiligheidsriglyne wat in gewone taal geskryf is.  Dit maak nie net staat op voorbeelde om gedrag af te lei nie - dit leer die reëlboek vooraf.   2 - Dit dink stap-vir-stap  Wanneer 'n moeilike of genuanseerde taak gekonfronteer word, maak O3 nie gevolgtrekkings nie.  Dit gebruik wat genoem word   — om die probleem stap vir stap af te breek om die beste reaksie uit te vind. ketting-van-gedagte redenering   3 - Dit pas by die oomblik aan  Nie elke situasie is dieselfde nie.  Sommige take benodig vinnige antwoorde, ander vereis diep nadenke.  O3 pas sy poging aan op grond van die kompleksiteit van die probleem, so dit is doeltreffend wanneer dit kan en deeglik wanneer dit moet wees.  Ontmoet O3 Mini: The Budget-Friendly Genius  Saam met O3 het OpenAI O3 Mini bekendgestel, 'n kostedoeltreffende weergawe wat ontwerp is vir take wat nie die volle krag van sy groot broer of suster vereis nie.  Wat is spesiaal aan O3 Mini?  Aanpasbare dinktyd Gebruikers kan die model se redenasiepoging aanpas op grond van taakkompleksiteit.  Het jy 'n vinnige antwoord nodig? Gaan vir lae-poging redenering.  Pak 'n komplekse koderingsprobleem aan? Draai dit op na hoë-poging-modus.  Koste-prestasiebalans O3 Mini lewer byna dieselfde vlak van akkuraatheid as O3 vir eenvoudiger take, maar teen 'n fraksie van die koste.  Hierdie buigsaamheid maak O3 Mini 'n aantreklike opsie vir ontwikkelaars en navorsers wat op 'n begroting werk.  Is dit die toekoms van KI? 'n Stap na AGI  Dit is waar dinge filosofies raak.  AGI, of   , verwys na KI wat enige taak kan verrig wat 'n mens kan - en dikwels beter. Kunsmatige Algemene Intelligensie  OpenAI het nog altyd AGI as sy noordster gehad, en met o3 voel dit of hulle nader kom.  Oorweeg dit:  Op ARC-AGI het o3 die prestasie van sy voorganger byna verdriedubbel.  Dit is om probleme op te los wat leer en redenering vereis, nie net memorisering nie.  Dit gesê, selfs OpenAI erken dat o3 nog nie AGI is nie.  Dit is meer soos 'n prototipe van hoe AGI kan lyk - 'n KI wat leer, aanpas en redeneer op maniere wat ... menslik voel.  Die uitdagings wat voorlê Selfs met sy ongelooflike vermoëns, is o3 nie sonder sy gebreke nie:    Om o3 in hoë rekenaarinstellings te laat loop, is   —soos 7 tot 8 duisend dollar per ta. Koste: duur    Alhoewel dit beter is om te redeneer, kan o3 steeds struikel, veral op eenvoudiger take waar dit die probleem te veel dink. Foute:    Vroeëre modelle soos o1 het kritiek ondervind omdat hulle probeer het om gebruikers in sekere scenario's te mislei. Sal o3 in dieselfde strik trap? Etiek:  Die Groot Prentjie  o3 is nie net nog 'n KI-model nie - dit is 'n blik op wat KI kan word.  Dit is nie perfek nie, maar dit is 'n stap in die rigting van 'n era waar masjiene nie net reageer nie - hulle redeneer, leer en pas aan op maniere wat diep menslik voel.  En terwyl ons nog ver van AGI af is, herinner o3 ons daaraan dat vordering nie lineêr is nie - dit is eksponensieel.  So, wat dink jy? Is ons op die punt van 'n nuwe KI-revolusie? Of is o3 net nog 'n mylpaal op 'n baie langer reis?

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Click here & I’ll draft a piece that tells your story — on the house.

Hierdie oudio word in die oorspronklike taal van die storie vervaardig!

Dink OpenAI se o3 uiteindelik soos 'n mens?

About Author

KOMMENTAAR

HANG TAGS

HIERDIE ARTIKEL IS AANGEBIED IN

Related Stories

How to Vote in the HackerNoon 2021 Noonies Awards #Noonies2021

Startups of The Year: Meet the Business Industry

Top Actionable Tips to Grow a Community: More Tips to Monetize

Thinking for the 21st century

How to Vote in the HackerNoon 2021 Noonies Awards #Noonies2021

Startups of The Year: Meet the Business Industry

Top Actionable Tips to Grow a Community: More Tips to Monetize

Thinking for the 21st century

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps