Ja sekojat līdzi nesenajai ažiotāžai par mākslīgo intelektu, iespējams, esat dzirdējuši par rīkiem, kas, šķiet, spēj paveikt visu, sākot no dzejoļu rakstīšanas līdz sarežģīta koda programmēšanai. Aiz visas šīs maģijas slēpjas galvenais jēdziens: dibināšanas modeļiBūtībā tie ir kā automašīnas šasija; izturīga, vispārēja konstrukcija, ko pēc tam var pielāgot par sporta automašīnu, kravas automašīnu vai komunālo transportlīdzekli atkarībā no tā, kas mums konkrētajā brīdī ir nepieciešams.
Šīs sistēmas tik revolucionāras padara tas, ka mēs vairs neprojektējam mākslīgo intelektu vienam uzdevumam, bet gan radām digitālais gigants 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.
Kas īsti ir pamatmodelis?
Vienkārši sakot, pamatmodelis ir jebkura mākslīgā intelekta sistēma, kas ir apmācīta ar milzīgs datu apjoms (parasti ar pašuzraudzības palīdzību) un tai ir spēja pielāgoties, izmantojot procesu, ko sauc par precizēšanu, milzīgam lietojumprogrammu klāstam. Tās nav pilnīgi jaunas, jo balstās uz dziļo mācīšanos un zināšanu pārnesi, taču bezprecedenta mērogs Dati un skaitļošana ir novedusi pie tādu spēju parādīšanās, kuras neviens nebija paredzējis.
Ir svarīgi tos nejaukt ar LLM (lielo valodu modeļi)Lai gan bieži tiek lietoti savstarpēji aizvietojami, attiecības ir ģints un sugas: visi tiesību akti (LLM) ir pamatmodeļi, bet ne visi pamatmodeļi ir LLM. Lai gan LLM koncentrējas uz tekstu un kodu, pamatmodeļi var būt multimodālsapstrādājot attēlus, audio, video vai pat sensoriskos signālus no robotiem.
Tehniskie pīlāri: transformators un apmācība
Arhitektūra, kas to visu ir padarījusi iespējamu, ir Transformators. 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 vektoru attēlojumi (iegulšanas), kas tver valodas vai attēlu dziļo nozīmi.
Radīšanas process parasti tiek sadalīts vairākos posmos:
- Pirms treniņa: 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 parametru skaits, tokenu skaits un konteksta logs.
- Precīza regulēšana: Kad modelis ir kļuvis par vispārēju, tas tiek apmācīts ar specifiskiem datiem un cilvēku uzraudzībā kļūst par ekspertu kādā jomā, piemēram, medicīnā vai tieslietās.
- Pielāgošanās uzdevumam: Šis ir pēdējais solis, kurā modelis tiek optimizēts ļoti specifiskai funkcijai, piemēram, judikatūras meklētājprogramma vai tehnisko ziņojumu ģenerators.
Izcili modeļi, kas veidojuši vēsturi
Kopš 2018. gada esam redzējuši modeļu procesiju nākam un ejam, satricinot visu. BERT Viņš bija viens no pionieriem, kas bija ievērojams ar savu divvirzienu spēju izprast kontekstu. Tad nāca ģimene OpenAI GPT, attīstoties no GPT-1 līdz GPT-4, parādot, ka jo lielāks mērogs, jo vairāk rodas spēju, piemēram, mācīšanās bez piepūles.
Bet viņi nav vienīgie. Mums ir Klods de Antropiksar tādām versijām kā "Sonnet", "Opus" un "Haiku", kas meklē līdzsvaru starp intelektu un ātrumu. No otras puses, Amazon Nova Tas piedāvā plašu klāstu, sākot no multimodālas izpratnes līdz radošai video ģenerēšanai. Mēs nedrīkstam aizmirst Stabila difūzija, kas ienesa pamatmodeļu spēku attēlu pasaulē, vai BLOOM, daudzvalodu un sadarbības projekts, kas parāda, ka arī atvērtā pirmkoda projektiem ir sava vieta.
Iespējas un reālās pasaules pielietojumi
Šie modeļi ne tikai raksta e-pastus. To ietekme attiecas uz kritiski svarīgām nozarēm:
- Veselība: Viņi palīdz zāļu atklāšana un medicīnisko attēlu analīze, lai gan tiem ir nepieciešama pilnīga izskaidrojamība, lai izvairītos no fatālām kļūdām.
- Pa labi: Tie atvieglo līgumu pārskatīšanu un garu juridisko aprakstu analīzi, samazinot tiesu iestāžu pieejamības izmaksas.
- Izglītība: Tie ļauj a personalizēta mācīšanās un adaptīvi, lai gan tie rada problēmas saistībā ar plaģiātu un tehnoloģisko plaisu.
- Robotika: Mērķis ir radīt universālus robotus, kas nav jāprogrammē no nulles katram uzdevumam, bet gan jāizmanto bāzes modelis. mijiedarboties ar vidi fiziskā
Tumšā puse: riski, ētika un vide
Ne viss ir tik vienkārši. Homogenizācija ir nopietns risks: ja visi izmanto vienu un to pašu pamatmodeli, jebkurš neobjektivitāte vai iekšēja kļūda 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 pastāvīga cilvēka pārbaude.
No ētikas un juridiskā viedokļa notiek atklāta cīņa par intelektuālais īpašumsTas ir tāpēc, ka daudzi modeļi tiek apmācīti ar datiem bez to veidotāju skaidras piekrišanas. Tam klāt nāk ietekme uz vidi; šo gigantu apmācība patērē daudz milzīgs enerģijas daudzums un ūdens, kas liek meklēt efektīvākas arhitektūras un ilgtspējīgus datu centrus.
Mākslīgā intelekta nākotne un pārvaldība
Ceļš uz priekšu ved cauri piekļuves demokratizācijaPašlaik jaudīgāko mākslīgā intelekta modeļu apmācība ir centralizēta dažos uzņēmumos aparatūras (grafisko procesoru) izmaksu dēļ. Ir svarīgi, lai universitātes un valdības ieguldītu publiskajā infrastruktūrā, lai novērstu mākslīgā intelekta jaudas nonākšanu dažu rokās. tehnoloģiskais oligopols.
Galvenais būs pārredzamība un neatkarīgas revīzijas. Nepietiek ar to, ka uzņēmums apgalvo, ka tā modelis ir drošs; mums ir nepieciešams normatīvajiem regulējumiem (piemēram, ES Mākslīgā intelekta likums) un profesionālie standarti, kas nodrošina, ka šie rīki tiek izmantoti sabiedrības uzlabošanai, nevis masveida novērošanas vai dezinformācijas veicināšanai.
Mākslīgā intelekta ekosistēma ir mainījusies uz struktūru, kurā daži pamatmodeļi atbalsta tūkstošiem specializētu lietojumprogrammu, apvienojot masveida apstrādes jaudu ar cilvēka līmeņa regulēšanas precizitāti. Šis progress, vienlaikus radot dziļas ētiskas dilemmas un attiecībā uz enerģijas patēriņu, no jauna definē attiecības starp cilvēkiem un mašīnām, pārveidojot mākslīgo intelektu par vispārējas nozīmes infrastruktūru, kas spēj vienlaikus spriest, radīt un mācīties vairākās jomās.
