Jika anda mengikuti perkembangan terkini tentang kecerdasan buatan, anda mungkin pernah mendengar tentang alat yang seolah-olah melakukan segala-galanya daripada menulis puisi hinggalah pengaturcaraan kod kompleks. Di sebalik semua keajaiban ini terletak konsep utama: model asas . Pada asasnya, ia seperti casis kereta; struktur umum yang teguh yang kemudiannya boleh disesuaikan untuk menjadi kereta sport, trak atau kenderaan utiliti, bergantung pada apa yang kita perlukan pada bila-bila masa.
Apa yang menjadikan sistem ini begitu mengganggu adalah kita tidak lagi mereka bentuk AI untuk satu tugas sahaja, tetapi sebaliknya mencipta gergasi digital yang terlatih dengan sejumlah besar data yang kemudiannya boleh kita "acukan." Peralihan paradigma ini telah membolehkan AI berkembang daripada sesuatu yang sangat tegar kepada alat fleksibel yang mempelajari corak umum daripada dunia dan kemudian mengaplikasikannya kepada masalah tertentu, mempercepatkan inovasi pada kadar yang, terus terang, membuatkan semua orang tergamam.
Apakah sebenarnya model asas?
Secara ringkasnya, model AI asas ialah sebarang sistem AI yang dilatih menggunakan sejumlah besar data (biasanya melalui pemantauan kendiri) yang boleh menyesuaikan diri, melalui proses yang dipanggil penalaan halus, kepada pelbagai aplikasi. Ia bukanlah sesuatu yang baharu sepenuhnya, kerana ia memanfaatkan pembelajaran mendalam dan pemindahan pengetahuan, tetapi skala data dan kuasa pengkomputeran yang belum pernah terjadi sebelumnya telah membawa kepada kemunculan keupayaan yang tidak dijangka oleh sesiapa pun.
Adalah penting untuk tidak mengelirukannya dengan Model Bahasa Besar (LLM) . Walaupun ia sering digunakan secara bergantian, hubungannya adalah antara genus dan spesies: semua LLM adalah model asas, tetapi tidak semua model asas adalah LLM. Walaupun LLM memberi tumpuan kepada teks dan kod, model asas boleh menjadi multimodal , memproses imej, audio, video atau isyarat deria daripada robot.
Tonggak teknikal: Transformer dan latihan
Seni bina yang memungkinkan semua ini ialah Transformer . Sistem ini menggunakan mekanisme yang dipanggil "perhatian kendiri", yang membolehkan model memahami kepentingan bahagian-bahagian yang berbeza dalam jujukan, tanpa mengira jaraknya antara satu sama lain. Ia biasanya terdiri daripada pengekod dan penyahkod yang menjana perwakilan vektor (pembenaman) yang menangkap makna asas bahasa atau imej.
Proses penciptaan biasanya dibahagikan kepada beberapa peringkat:
- Pra-senaman: Ini adalah fasa yang paling mahal. Model ini "memakan" internet, buku dan pangkalan data untuk mempelajari struktur umum maklumat. Di sinilah bilangan parameter, bilangan token dan tetingkap konteks.
- Penalaan halus: Sebaik sahaja model itu bersifat generalis, ia dilatih dengan data khusus dan diselia oleh manusia untuk menjadi pakar dalam sesuatu bidang, seperti perubatan atau undang-undang.
- Adaptasi kepada tugasan: Ini adalah langkah terakhir, di mana model dioptimumkan untuk fungsi yang sangat spesifik, seperti mencipta enjin carian kes undang-undang atau penjana laporan teknikal.
Model-model cemerlang yang telah membentuk sejarah
Sejak tahun 2018, kita telah melihat pelbagai model yang telah menggegarkan keadaan. BERT merupakan salah seorang perintis, yang terkenal dengan keupayaan dwiarahnya untuk memahami konteks. Kemudian muncullah keluarga GPT OpenAI , yang berkembang daripada GPT-1 kepada GPT-4, menunjukkan bahawa semakin besar skala, semakin banyak keupayaan yang muncul, seperti pembelajaran zero-shot.
Tetapi mereka tidak keseorangan. Kita ada Claude dari Anthropic , dengan versi seperti Sonnet, Opus dan Haiku yang berusaha untuk keseimbangan antara kecerdasan dan kepantasan. Amazon Nova , sebaliknya, menawarkan pelbagai yang merangkumi pemahaman multimodal hingga penjanaan video kreatif. Kita tidak boleh melupakan Stable Diffusion , yang membawa kuasa model asas ke dunia imej, atau BLOOM , usaha berbilang bahasa dan kolaboratif yang menunjukkan bahawa sumber terbuka juga mempunyai tempatnya.
Keupayaan dan aplikasi dunia sebenar
Model-model ini bukan sahaja menulis e-mel. Impaknya meliputi sektor-sektor kritikal:
- Kesihatan: Mereka membantu dalam penemuan dadah dan analisis imej perubatan, walaupun ia memerlukan penjelasan penuh untuk mengelakkan ralat maut.
- Kanan: Ia memudahkan semakan kontrak dan analisis naratif undang-undang yang panjang, sekali gus mengurangkan kos untuk mendapatkan keadilan.
- Pendidikan: Mereka membenarkan a pembelajaran yang diperibadikan dan adaptif, walaupun ia menimbulkan cabaran berkaitan plagiarisme dan jurang teknologi.
- Robotik: Tujuannya adalah untuk mencipta robot generalis yang tidak perlu diprogramkan dari awal untuk setiap tugas, tetapi sebaliknya menggunakan model asas untuk berinteraksi dengan persekitaran fizikal
Sisi Gelap: Risiko, Etika dan Alam Sekitar
Bukan semuanya mudah. Homogenisasi menimbulkan risiko yang serius: jika semua orang menggunakan model asas yang sama, sebarang bias atau ralat yang wujud akan merebak melalui semua aplikasi terbitan, mewujudkan "monokultur algoritma." Tambahan pula, terdapat halusinasi—saat-saat apabila AI mereka-reka data dengan kepastian yang menakjubkan, yang memerlukan pengesahan manusia yang berterusan.
Dari sudut etika dan perundangan, terdapat pertempuran terbuka mengenai harta intelek , memandangkan banyak model dilatih dengan data tanpa persetujuan jelas penciptanya. Tambahan pula, kesannya terhadap alam sekitar; melatih syarikat gergasi ini menggunakan sejumlah besar tenaga dan air, memaksa pencarian untuk seni bina yang lebih cekap dan pusat data yang mampan.
Masa depan dan tadbir urus AI
Jalan ke hadapan terletak pada pendemokrasian akses . Pada masa ini, latihan model yang paling berkuasa dipusatkan di beberapa syarikat disebabkan oleh kos perkakasan (GPU). Adalah penting bagi universiti dan kerajaan untuk melabur dalam infrastruktur awam bagi mengelakkan kuasa AI daripada jatuh ke tangan oligopoli teknologi.
Kuncinya ialah ketelusan dan audit bebas. Tidak mencukupi bagi sesebuah syarikat untuk hanya mendakwa modelnya selamat; kita memerlukan rangka kerja kawal selia (seperti Akta AI EU) dan piawaian profesional yang memastikan alat ini digunakan untuk menambah baik masyarakat, bukan untuk memudahkan pengawasan besar-besaran atau maklumat salah.
Ekosistem kecerdasan buatan telah beralih ke arah struktur di mana beberapa model teras menyokong beribu-ribu aplikasi khusus, menggabungkan kuasa pemprosesan besar-besaran dengan ketepatan penalaan peringkat manusia. Kemajuan ini, sambil menimbulkan dilema etika yang mendalam dan berkaitan dengan penggunaan tenaga, mentakrifkan semula hubungan antara manusia dan mesin dengan mengubah AI menjadi infrastruktur tujuan umum yang mampu menaakul, mencipta dan belajar merentasi pelbagai domain secara serentak.
