Ha követted a mesterséges intelligencia körüli legújabb felhajtást, valószínűleg hallottál már olyan eszközökről, amelyek látszólag mindent képesek elvégezni a versek írásától az összetett kódok programozásáig. Mindezen varázslat mögött egy kulcsfontosságú koncepció rejlik: az alapvető modellek . Lényegében olyanok, mint egy autó alváza; egy robusztus, általános szerkezet, amelyet aztán testreszabhatunk sportkocsivá, teherautóvá vagy haszongépjárművé, attól függően, hogy mire van szükségünk az adott pillanatban.
Ami ezeket a rendszereket annyira diszruptívvá teszi, az az, hogy már nem egyetlen feladatra tervezzük a mesterséges intelligenciát, hanem egy hatalmas mennyiségű adaton képzett digitális óriást hozunk létre , amelyet aztán „formázhatunk”. Ez a paradigmaváltás lehetővé tette, hogy a mesterséges intelligencia egy nagyon merev eszközből egy rugalmas eszközzé fejlődjön, amely általános mintákat tanul a világból, majd azokat konkrét problémákra alkalmazza, olyan ütemben felgyorsítva az innovációt, hogy őszintén szólva mindenki meg sem szólal.
Pontosan mit is jelent az alapmodell?
Egyszerűen fogalmazva, egy alapvető MI-modell bármely olyan MI-rendszer, amelyet hatalmas mennyiségű adaton (általában önmonitorozás révén) képeztek ki, és egy finomhangolásnak nevezett folyamaton keresztül képes alkalmazkodni a különféle alkalmazásokhoz. Nem teljesen újak, mivel mélytanulásra és tudástranszferre támaszkodnak, de az adatok és a számítási teljesítmény példátlan mértéke olyan képességek megjelenéséhez vezetett, amelyekre senki sem számított.
Fontos, hogy ne keverjük össze őket a nagy nyelvi modellekkel (LLM) . Bár gyakran felcserélhetően használják őket, a kapcsolat a nemzetség és a faj között van: minden LLM alapvető modell, de nem minden alapvető modell LLM. Míg az LLM-ek a szövegre és a kódra összpontosítanak, az alapvető modellek lehetnek multimodálisak , képeket, hangot, videót vagy akár robotok érzékszervi jeleit is feldolgozhatják.
A technikai pillérek: Transformer és képzés
Az architektúra, amely mindezt lehetővé tette, a Transformer . Ez a rendszer egy „önfigyelem” nevű mechanizmust használ, amely lehetővé teszi a modell számára, hogy megértse egy szekvencia különböző részeinek fontosságát, függetlenül azok egymástól való távolságától. Jellemzően egy kódolóból és egy dekódolóból áll, amelyek vektoros reprezentációkat (beágyazásokat) generálnak, amelyek rögzítik a nyelv vagy képek mögöttes jelentését.
A létrehozási folyamat általában több szakaszra oszlik:
- Edzés előtt: Ez a legdrágább fázis. A modell „felfalja” az internetet, a könyveket és az adatbázisokat, hogy megtanulja az információk általános szerkezetét. Itt történik a paraméterek száma, a tokenek száma és a kontextus ablak.
- Finomhangolás: Miután a modell generalista lett, specifikus adatokkal képezik ki, és emberek felügyelik, hogy szakértővé váljon egy adott területen, például az orvostudományban vagy a jogban.
- Alkalmazkodás a feladathoz: Ez az utolsó lépés, ahol a modellt egy nagyon specifikus funkcióhoz optimalizálják, például egy joggyakorlat keresőmotor vagy egy műszaki jelentéskészítő.
Kiemelkedő modellek, amelyek formálták a történelmet
2018 óta számos olyan modellt láttunk, amelyek felforgatták a dolgokat. A BERT az egyik úttörő volt, amely a kontextus kétirányú megértésének képességéről volt ismert. Aztán jött az OpenAI GPT családja , amely a GPT-1-től a GPT-4-ig fejlődött, bemutatva, hogy minél nagyobb a skála, annál több új képesség jelenik meg, például a nullapontos tanulás.
De nincsenek egyedül. Ott van Claude az Anthropictól , akinek olyan verziói vannak, mint a Sonnet, az Opus és a Haiku, amelyek az intelligencia és a sebesség egyensúlyára törekszenek. Az Amazon Nova ezzel szemben a multimodális megértéstől a kreatív videógenerálásig terjedő skálát kínál. Nem feledkezhetünk meg a Stable Diffusionról , amely az alapvető modellek erejét hozta el a képek világába, vagy a BLOOM-ról , egy többnyelvű és együttműködésen alapuló erőfeszítésről, amely azt mutatja, hogy a nyílt forráskódú szoftvereknek is megvan a maga helye.
Képességek és valós alkalmazások
Ezek a modellek nem csak e-maileket írnak. Hatásuk a kritikus szektorokra is kiterjed:
- Egészség: Segítenek a gyógyszerfelfedezés és az orvosi képek elemzése, bár ezek teljes magyarázhatóságot igényelnek a végzetes hibák elkerülése érdekében.
- Jobb: Megkönnyítik a szerződések felülvizsgálatát és a hosszú jogi narratívák elemzését, csökkentve az igazságszolgáltatáshoz való hozzáférés költségeit.
- oktatás: Megengedik a személyre szabott tanulás és adaptívak, bár kihívást jelentenek a plágium és a technológiai szakadék tekintetében.
- Robotika: A cél olyan generalista robotok létrehozása, amelyeket nem kell minden egyes feladathoz a nulláról programozni, hanem egy alapmodellt használnak. kölcsönhatásba lépnek a környezettel fizikai.
A sötét oldal: kockázatok, etika és környezet
Nem csupa pompa és rózsaszín a szín. A homogenizáció komoly kockázatot jelent: ha mindenki ugyanazt az alapmodellt használja, minden eredendő torzítás vagy hiba átterjed az összes származtatott alkalmazásra, egy „algoritmikus monokultúrát” létrehozva. Továbbá ott vannak a hallucinációk – azok a pillanatok, amikor a mesterséges intelligencia elképesztő bizonyossággal gyárt adatokat, ami állandó emberi ellenőrzést tesz szükségessé.
Etikai és jogi szempontból nyílt csata folyik a szellemi tulajdonjogokért , mivel sok modellt adatokkal képeznek ki a létrehozóik kifejezett beleegyezése nélkül. Ehhez jön még a környezeti terhelés; ezeknek az óriásoknak a betanítása hatalmas mennyiségű energiát és vizet fogyaszt, ami hatékonyabb architektúrák és fenntartható adatközpontok keresését teszi szükségessé.
A mesterséges intelligencia jövője és irányítása
A jövő útja a hozzáférés demokratizálása . Jelenleg a legerősebb modellek képzése néhány vállalatnál központosított a hardver (GPU-k) költségei miatt. Létfontosságú, hogy az egyetemek és a kormányok befektessenek a nyilvános infrastruktúrába, hogy megakadályozzák a mesterséges intelligencia hatalmának technológiai oligopólium kezébe kerülését.
A kulcs az átláthatóság és a független auditok lesznek. Nem elég, ha egy vállalat egyszerűen azt állítja, hogy a modellje biztonságos; szabályozási keretekre (mint például az EU mesterséges intelligencia törvénye) és szakmai szabványokra van szükségünk, amelyek biztosítják, hogy ezeket az eszközöket a társadalom fejlesztésére használják, ne pedig a tömeges megfigyelés vagy a dezinformáció elősegítésére.
A mesterséges intelligencia ökoszisztéma egy olyan struktúra felé tolódott el, ahol néhány alapvető modell több ezer speciális alkalmazást támogat, ötvözve a tömeges feldolgozás erejét az emberi szintű finomhangolás pontosságával. Ez a fejlődés, miközben mély etikai dilemmákat vet fel és az energiafogyasztással kapcsolatos kérdéseket vet fel, újraértelmezi az emberek és a gépek közötti kapcsolatot azáltal, hogy a mesterséges intelligenciát egy általános célú infrastruktúrává alakítja, amely képes egyszerre több területen is gondolkodni, alkotni és tanulni.
