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 asasPada 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 ialah kita tidak lagi mereka bentuk AI untuk satu tugas sahaja, tetapi sebaliknya mencipta gergasi digital 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.
Apakah sebenarnya model asas?
Secara ringkasnya, model asas ialah sebarang sistem AI yang dilatih dengan sejumlah besar data (biasanya melalui pemantauan kendiri) dan mempunyai keupayaan untuk menyesuaikan diri, melalui proses yang dipanggil penalaan halus, kepada pelbagai aplikasi. Ia bukanlah sesuatu yang baharu sepenuhnya, kerana ia diperoleh daripada pembelajaran mendalam dan pemindahan pengetahuan, tetapi skala yang tidak pernah berlaku sebelum ini Data dan pengkomputeran telah membawa kepada kemunculan keupayaan yang tidak pernah diramalkan oleh sesiapa pun.
Adalah penting untuk tidak mengelirukan mereka dengan LLM (Model Bahasa Besar)Walaupun 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 multimodalmemproses imej, audio, video atau isyarat deria daripada robot.
Tonggak teknikal: Transformer dan latihan
Seni bina yang memungkinkan semua ini adalah 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 perwakilan vektor (benamkan) yang menangkap makna mendalam bahasa atau imej.
Proses penciptaan biasanya dibahagikan kepada beberapa peringkat:
- Pra-senaman: 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 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 perarakan model datang dan pergi, menggegarkan keadaan. BERTI Dia merupakan salah seorang perintis, yang terkenal kerana kebolehan dwiarahnya dalam memahami konteks. Kemudian muncullah keluarganya. OpenAI GPT, 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 de Anthropicdengan versi seperti Sonnet, Opus, dan Haiku yang mencari keseimbangan antara kecerdasan dan kelajuan. Sebaliknya, Amazon Nova Ia menawarkan pelbagai jenis pemahaman daripada pelbagai modal kepada penjanaan video kreatif. Kita tidak boleh lupa untuk Resapan Stabil, yang membawa kuasa model asas kepada dunia imej, atau BLOOM, satu 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 adalah risiko yang serius: jika semua orang menggunakan model asas yang sama, mana-mana bias atau ralat intrinsik 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 pengesahan manusia yang berterusan.
Dari sudut pandangan etika dan perundangan, terdapat pertempuran terbuka mengenai harta intelekIni kerana banyak model dilatih dengan data tanpa persetujuan jelas penciptanya. Tambahan pula, kesannya terhadap alam sekitar; latihan gergasi ini memakan banyak sejumlah besar tenaga dan air, yang memerlukan pencarian seni bina yang lebih cekap dan pusat data yang mampan.
Masa depan dan tadbir urus AI
Jalan ke hadapan melalui pendemokrasian aksesPada masa ini, latihan model AI 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 segelintir pihak. oligopoli teknologi.
Kuncinya ialah ketelusan dan audit bebas. Tidak cukup bagi sesebuah syarikat untuk mengatakan modelnya selamat; kita perlu rangka kerja kawal selia (seperti Akta AI EU) dan piawaian profesional yang memastikan alat ini digunakan untuk menambah baik masyarakat dan bukan untuk meningkatkan 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.
