AlphaGo, разработен от Deepmind, беше първият AI за игри, който не използва човешки инструкции или не чете правилата. Вместо това той използва техники за самообучение (RL), за да формира собственото си разбиране за играта, информира esoreiter. Този подход позволи на AlphaGo да победи европейския Go шампион с 5-0 и да победи номер 1 в световната ранглиста човешки играч.

Новият модел проба-грешка o1 на OpenAI започна да показва невероятни резултати при решаването на сложни проблеми. Този подход позволява на AI да формира собствено разбиране за проблемните пространства, без да разчита на човешки инструкции. В резултат на това o1 стана първият LLM, който действително започна да създава това странно, но супер-ефективно „разбиране“ на проблемните пространства в стил AlphaGo.

Този подход ще позволи на AI да формира собствено разбиране за проблемните пространства, без да разчита на човешки инструкции. Това означава, че AI ще може да решава сложни проблеми, които досега са били недостъпни за него. Освен това, този подход ще позволи на AI да се учи от основната реалност, а не само от езикови модели.

В много отношения o1 практически не се различава от своите предшественици - с изключение на това, че OpenAI позволи известно време за "мислене", преди да започне да отговаря на заявка. По време на това обсъждане o1 генерира „верига от мисли“, в която обмисля и обосновава своя начин за решаване на проблема.

Според експерти, изкуствен интелект, който има свободата да учи по този начин, би бил много странен. Той ще направи най-странните неща, които можете да си представите, по причини, известни само на него, и по този начин те ще създадат и открият нови знания, които хората никога не биха могли да съберат заедно. Това е бъдеще, което вече започва да се оформя.