OpenAIとDeepMindは、スケーリング則に関する研究において異なる視点と手法を持っています。スケーリング則は、大規模モデルのパラメータ数、データ量、計算量の変動に伴う損失変化を予測するものです。両者の競争は人工知能の発展を促進し、人と機械が共存する未来に影響を与えます。大規模言語モデルの事前学習過程では、モデルサイズ、データ量、トレーニングコストのトレードオフが関わってきます。スケーリング則は、最適な設計決定を支援することができます。DeepMindは、モデルサイズとデータ量を同等にスケールさせるべきだと提唱する一方、OpenAIはより大きなモデルを選択する傾向があります。DeepMindはAlphaGoやAlphaFoldを開発し、深層強化学習とニューラルネットワークの可能性を示しました。一方、OpenAIはGPTシリーズモデルを開発し、生成モデルにおける卓越した能力を示しました。研究の結果、モデル性能に影響を与える3つの要素は相互に影響し合うことが示され、DeepMindのChinchillaモデルは優れた性能を示しました。国内の百川智能や明德大模型もスケーリング則の研究に貢献しています。DeepMindはAGIのレベル分類方法を提案し、人工知能の異なる発展段階を明らかにしました。