Depuis l'été dernier, xAI, la société d'intelligence artificielle du milliardaire Elon Musk, avait promis la sortie de son modèle phare, Grok3, pour fin 2024, en réponse à des modèles comme OpenAI GPT-4 et Google Gemini. Cependant, au 2 janvier, Grok3 n'est toujours pas apparu, et aucun signe de sortie imminente n'a été donné.
Musk avait déclaré sur X (anciennement Twitter) en juillet que Grok3, après un entraînement sur 100 000 cartes graphiques H100, serait lancé d'ici la fin de l'année et constituerait un « bond en avant majeur ». Pourtant, à ce jour, Grok3 n'a pas vu le jour, et le code du site web de xAI suggère qu'un modèle intermédiaire, « Grok2.5 », pourrait être publié en premier.
Ce n'est pas la première fois que Musk ne respecte pas ses promesses de lancement de produit. Depuis longtemps, ses prévisions optimistes concernant les dates de sortie sont rarement tenues. Néanmoins, lors d'une interview avec le podcasteur Lex Fridman en août, il a mentionné que Grok3 pourrait, avec un peu de chance, sortir en 2024.
Ce retard n'est pas propre à xAI. La start-up d'IA Anthropic est confrontée à une situation similaire. L'année dernière, Anthropic n'a pas pu lancer le successeur de son modèle Claude3Opus à temps et a récemment annoncé que Claude3.5Opus, initialement prévu pour fin 2024, avait été retiré de sa documentation de développement.
De plus, les modèles phares de Google et d'OpenAI ont également connu des retards similaires ces derniers mois, reflétant les goulots d'étranglement actuels de la technologie de l'IA. Avec l'amélioration des performances de chaque génération de modèles qui ralentit progressivement, les entreprises d'IA sont confrontées à des difficultés pour surmonter ces obstacles en utilisant les méthodes d'extension traditionnelles.
Musk a également mentionné lors de son entretien avec Fridman que, bien qu'ils espéraient que Grok3 serait le modèle d'IA le plus avancé, cela pourrait ne pas être le cas. Il a déclaré : « Nous n'y arriverons peut-être pas, c'est notre souhait. »
Il est également à noter que l'équipe de xAI est beaucoup plus petite que celle de ses concurrents, ce qui pourrait expliquer en partie ces retards.
Ces retards successifs mettent en évidence les limites des méthodes d'entraînement de l'IA, notamment en ce qui concerne l'extension traditionnelle des calculs et des ensembles de données. Avec les progrès technologiques, la manière de surmonter les obstacles existants et de créer des systèmes d'IA plus efficaces et plus puissants est devenue un défi majeur pour toute l'industrie.