Kui oled jälginud tehisintellekti ümber käivat elevust, oled ilmselt kuulnud tööriistadest, mis näivad suutvat teha kõike alates luuletuste kirjutamisest kuni keeruka koodi programmeerimiseni. Kogu selle maagia taga peitub võtmekontseptsioon: alusmudelidPõhimõtteliselt on need nagu auto šassii; vastupidav, üldine konstruktsioon, mida saab seejärel kohandada sportautoks, veoautoks või tarbesõidukiks, olenevalt sellest, mida me mingil ajahetkel vajame.
Mis muudab need süsteemid nii murranguliseks, on see, et me ei kujunda enam tehisintellekti ühe ülesande jaoks, vaid loome hoopis digitaalne hiiglane entrenado con cantidades ingentes de datos que luego podemos «moldear». Este cambio de paradigma ha permitido que la IA pase de ser algo muy rígido a convertirse en una herramienta flexible que aprende patrones generales del mundo para luego aplicarlos a problemas concretos, lo que ha acelerado la innovación a un ritmo que, sinceramente, deja fría a cualquiera.
Mis täpselt on alusmudel?
Lihtsamalt öeldes on alusmudel iga tehisintellekti süsteem, mida treenitakse a-ga tohutu hulk andmeid (tavaliselt enesekontrolli kaudu) ja suudab peenhäälestamise teel kohaneda väga erinevate rakendustega. Need ei ole täiesti uued, kuna tuginevad süvaõppele ja teadmiste ülekandele, kuid enneolematu ulatusega Andmed ja arvutustehnika on toonud kaasa võimete tekkimise, mida keegi polnud osanud ette näha.
On oluline mitte neid segi ajada LLM (suured keelemudelid)Kuigi neid kasutatakse sageli sünonüümidena, on seos perekonna ja liigi vahel: kõik õigusteaduslikud meetodid (LLM-id) on alusmudelid, kuid mitte kõik alusmudelid ei ole LLM-id. Kuigi LLM-id keskenduvad tekstile ja koodile, saab alusmudeleid... multimodaalnerobotite piltide, heli, video või isegi sensoorsete signaalide töötlemine.
Tehnilised tugisambad: trafo ja koolitus
Arhitektuur, mis on selle kõik võimalikuks teinud, on Transformer. Este sistema utiliza un mecanismo llamado «autoatención», que permite al modelo entender la importancia de diferentes partes de una secuencia, sin importar que estén lejos unas de otras. Consta habitualmente de un codificador y un decodificador que generan vektori esitused (manused), mis jäädvustavad keele või piltide sügavat tähendust.
Loomisprotsess jaguneb tavaliselt mitmeks etapiks:
- Enne treeningut: Es la fase más costosa. El modelo «devora» internet, libros y bases de datos para aprender la estructura general de la información. Aquí es donde se definen el parameetrite arv, tokenite arv ja kontekstiaken.
- Peenhäälestus: Kui mudel on generalistlik, treenitakse seda konkreetsete andmetega ja inimesed juhendavad seda, et saada eksperdiks mingis valdkonnas, näiteks meditsiinis või õigusteaduses.
- Kohandamine ülesandega: See on viimane samm, kus mudel optimeeritakse väga spetsiifilise funktsiooni jaoks, näiteks loomiseks. kohtupraktika otsingumootor või tehnilise aruande generaator.
Silmapaistvad mudelid, mis on ajalugu kujundanud
Alates 2018. aastast oleme näinud modellide rongkäiku tulemas ja minemas, asju raputamas. BERT Ta oli üks teerajajaid, keda iseloomustas kahesuunaline võime konteksti mõista. Seejärel tuli perekond. OpenAI GPT, arenedes GPT-1-st GPT-4-ks, näidates, et mida suurem on ulatus, seda rohkem tekib võimeid, näiteks null-shot-õpe.
Aga nad pole ainsad. Meil on Claude de Antroopilineselliste versioonidega nagu „Sonett“, „Opus“ ja „Haiku“, mis otsivad tasakaalu intelligentsuse ja kiiruse vahel. Teisest küljest Amazon Nova See pakub valikut alates multimodaalsest mõistmisest kuni loomingulise videote genereerimiseni. Me ei saa unustada Stabiilne difusioon, mis tõi alusmudelite väe piltide maailma või BLOOM, mitmekeelne ja koostööl põhinev ettevõtmine, mis näitab, et ka avatud lähtekoodil on oma koht.
Võimalused ja reaalsed rakendused
Need mudelid ei kirjuta ainult e-kirju. Nende mõju ulatub kriitilistele sektoritele:
- Tervis: Nad aitavad kaasa ravimite avastamine ja meditsiiniliste piltide analüüs, kuigi need nõuavad täielikku selgitatavust saatuslike vigade vältimiseks.
- Paremal: Need hõlbustavad lepingute läbivaatamist ja pikkade juriidiliste narratiivide analüüsi, vähendades õigusemõistmise kulusid.
- Haridus: Need võimaldavad a isikupärane õppimine ja kohanemisvõimelised, kuigi need tekitavad probleeme plagiaadi ja tehnoloogilise lõhe osas.
- Robootika: Eesmärk on luua universaalseid roboteid, mida ei pea iga ülesande jaoks nullist programmeerima, vaid mille puhul kasutatakse baasmudelit. keskkonnaga suhelda füüsiline
Varjukülg: riskid, eetika ja keskkond
See pole ainult ilus ja ilus. Homogeniseerumine on tõsine oht: kui kõik kasutavad sama põhimudelit, siis iga eelarvamus või sisemine viga se propagará por todas las aplicaciones derivadas, creando un «monocultivo algorítmico». Además, están las alucinaciones, esos momentos en los que la IA inventa datos con una seguridad pasmosa, lo que obliga a una pidev inimese kontroll.
Eetilisest ja juriidilisest vaatepunktist käib avalik võitlus selle üle, intellektuaalne omandSeda seetõttu, et paljusid mudeleid treenitakse andmetega ilma nende loojate selgesõnalise nõusolekuta. Lisaks sellele on keskkonnamõju; nende hiiglaste treenimine kulutab palju tohutu hulk energiat ja vesi, mis nõuab tõhusamate arhitektuuride ja jätkusuutlike andmekeskuste otsimist.
Tehisintellekti tulevik ja juhtimine
Edasine tee viib läbi juurdepääsu demokratiseeriminePraegu on võimsaimate tehisintellekti mudelite koolitamine riistvara (graafikaprotsessorite) kõrge hinna tõttu tsentraliseeritud vähestes ettevõtetes. On ülioluline, et ülikoolid ja valitsused investeeriksid avalikku taristusse, et tehisintellekti võimsus ei satuks väheste kätte. tehnoloogiline oligopol.
Peamiseks elemendiks on läbipaistvus ja sõltumatud auditid. Ettevõtte mudeli turvalisuse kinnitamisest ei piisa; me vajame regulatiivsed raamistikud (näiteks ELi tehisintellekti seadus) ja kutsestandardid, mis tagavad, et neid vahendeid kasutatakse ühiskonna paremaks muutmiseks, mitte massijälgimise või väärinfo levitamise edendamiseks.
Tehisintellekti ökosüsteem on nihkunud struktuuri suunas, kus mõned põhimudelid toetavad tuhandeid spetsialiseeritud rakendusi, ühendades massiivse töötlemise võimsuse inimtasemel häälestamise täpsusega. See edasiminek, mis tekitab küll sügavaid eetilisi dilemmasid ja puudutab energiatarbimist, määratleb uuesti inimeste ja masinate vahelise suhte, muutes tehisintellekti üldotstarbeliseks infrastruktuuriks, mis on võimeline samaaegselt mitmes valdkonnas arutlema, looma ja õppima.
