Kung sinusubaybayan mo ang mga kamakailang usap-usapan tungkol sa artificial intelligence, malamang ay narinig mo na ang tungkol sa mga tool na tila kayang gawin ang lahat mula sa pagsulat ng mga tula hanggang sa pagprograma ng kumplikadong code. Sa likod ng lahat ng mahika na ito ay nakasalalay ang isang mahalagang konsepto: mga pangunahing modelo . Sa esensya, parang chassis sila ng isang kotse; isang matibay at pangkalahatang istruktura na maaaring i-customize upang maging isang sports car, trak, o utility vehicle, depende sa kung ano ang kailangan natin sa anumang oras.
Ang nagpapabago sa mga sistemang ito ay hindi na tayo nagdidisenyo ng AI para sa iisang gawain, kundi lumilikha na tayo ng isang higanteng digital na sinanay sa napakaraming datos na maaari nating "hulmahin." Ang pagbabagong ito ng paradigma ay nagbigay-daan sa AI na umunlad mula sa isang bagay na napakahigpit patungo sa isang nababaluktot na tool na natututo ng mga pangkalahatang pattern mula sa mundo at pagkatapos ay inilalapat ang mga ito sa mga partikular na problema, na nagpapabilis sa inobasyon sa bilis na, lantaran, ay nag-iiwan sa lahat na walang masabi.
Ano nga ba ang isang pundamental na modelo?
Sa madaling salita, ang isang pundamental na modelo ng AI ay anumang sistema ng AI na sinanay sa napakalaking dami ng data (karaniwan ay sa pamamagitan ng self-monitoring) na maaaring umangkop, sa pamamagitan ng isang prosesong tinatawag na fine-tuning, sa napakaraming iba't ibang aplikasyon. Hindi sila ganap na bago, dahil gumagamit sila ng deep learning at paglilipat ng kaalaman, ngunit ang walang kapantay na laki ng data at lakas ng computing ay humantong sa paglitaw ng mga kakayahan na hindi inaasahan ninuman.
Mahalagang huwag silang ipagkamali sa mga Large Language Models (LLM) . Bagama't madalas silang ginagamit nang palitan, ang ugnayan ay isa sa genus at species: lahat ng LLM ay mga foundational model, ngunit hindi lahat ng foundational model ay mga LLM. Bagama't nakatuon ang mga LLM sa teksto at code, ang mga foundational model ay maaaring multimodal , na nagpoproseso ng mga imahe, audio, video, o kahit na mga sensory signal mula sa mga robot.
Ang mga teknikal na haligi: Transformer at pagsasanay
Ang arkitektura na nagpaging posible sa lahat ng ito ay ang Transformer . Ang sistemang ito ay gumagamit ng mekanismong tinatawag na "self-attention," na nagbibigay-daan sa modelo na maunawaan ang kahalagahan ng iba't ibang bahagi ng isang sequence, anuman ang kanilang distansya sa isa't isa. Karaniwan itong binubuo ng isang encoder at isang decoder na bumubuo ng mga vector representation (embeddings) na kumukuha ng pinagbabatayang kahulugan ng wika o mga imahe.
Ang proseso ng paglikha ay karaniwang nahahati sa ilang yugto:
- Bago mag-ehersisyo: Ito ang pinakamahal na yugto. "Sinusubok" ng modelo ang internet, mga libro, at mga database upang matutunan ang pangkalahatang istruktura ng impormasyon. Dito matatagpuan ang bilang ng mga parametro, ang bilang ng mga token at ang window ng konteksto.
- Pagpino: Kapag ang modelo ay pangkalahatan na, ito ay sinasanay gamit ang mga partikular na datos at pinangangasiwaan ng mga tao upang maging isang eksperto sa isang larangan, tulad ng medisina o batas.
- Pag-aangkop sa gawain: Ito ang huling hakbang, kung saan ang modelo ay ino-optimize para sa isang partikular na tungkulin, tulad ng paglikha ng isang search engine para sa kaso ng batas o isang tagabuo ng teknikal na ulat.
Mga natatanging modelo na humubog sa kasaysayan
Simula noong 2018, nakakita na tayo ng sunod-sunod na modelo na nagpabago sa lahat. Ang BERT ay isa sa mga nangunguna, kilala sa kakayahan nitong umintindi ng konteksto sa dalawang direksyon. Pagkatapos ay dumating ang pamilyang GPT ng OpenAI , na umuunlad mula sa GPT-1 patungong GPT-4, na nagpapakita na mas malaki ang saklaw, mas maraming umuusbong na kakayahan, tulad ng zero-shot learning.
Ngunit hindi sila nag-iisa. Nariyan si Claude mula sa Anthropic , na may mga bersyon tulad ng Sonnet, Opus, at Haiku na nagsusumikap para sa balanse sa pagitan ng katalinuhan at bilis. Sa kabilang banda, ang Amazon Nova ay nag-aalok ng saklaw mula sa multimodal na pag-unawa hanggang sa malikhaing pagbuo ng video. Hindi natin maaaring kalimutan ang Stable Diffusion , na nagdala ng kapangyarihan ng mga pangunahing modelo sa mundo ng mga imahe, o ang BLOOM , isang multilingual at kolaboratibong pagsisikap na nagpapakita na ang open source ay mayroon ding lugar.
Mga kakayahan at mga aplikasyon sa totoong mundo
Hindi lang basta nagsusulat ng mga email ang mga modelong ito. Ang epekto nito ay umaabot sa mga kritikal na sektor:
- Kalusugan: Tumutulong sila sa pagtuklas ng droga at ang pagsusuri ng mga medikal na imahe, bagama't nangangailangan ang mga ito ng ganap na pagpapaliwanag upang maiwasan ang mga nakamamatay na pagkakamali.
- Kanan: Pinapadali nito ang pagsusuri ng mga kontrata at ang pagsusuri ng mahahabang legal na salaysay, na binabawasan ang mga gastos sa pag-access sa hustisya.
- Edukasyon: Pinapayagan nila ang a isinapersonal na pagkatuto at adaptibo, bagama't nagdudulot ang mga ito ng mga hamon patungkol sa plagiarismo at sa teknolohikal na agwat.
- Robotics: Ang layunin ay lumikha ng mga generalist na robot na hindi kailangang i-program mula sa simula para sa bawat gawain, ngunit sa halip ay gumamit ng isang base model upang makipag-ugnayan sa kapaligiran pisikal
Ang Madilim na Bahagi: Mga Panganib, Etika, at ang Kapaligiran
Hindi lahat ay maganda. Ang homogenization ay nagdudulot ng malaking panganib: kung ang lahat ay gagamit ng parehong base model, ang anumang likas na bias o error ay lalaganap sa lahat ng hinangong aplikasyon, na lilikha ng isang "algorithmic monoculture." Bukod pa rito, nariyan ang mga halusinasyon—ang mga sandaling iyon kung kailan ang AI ay gumagawa ng datos nang may kamangha-manghang katiyakan, na nangangailangan ng patuloy na pag-verify ng tao.
Mula sa etikal at legal na pananaw, mayroong bukas na labanan hinggil sa intelektwal na ari-arian , dahil maraming modelo ang sinasanay gamit ang datos nang walang tahasang pahintulot ng kanilang mga tagalikha. Dagdag pa rito ang epekto sa kapaligiran; ang pagsasanay sa mga higanteng ito ay kumokonsumo ng napakalaking enerhiya at tubig, na nagtutulak sa paghahanap ng mas mahusay na mga arkitektura at napapanatiling mga data center.
Ang hinaharap at pamamahala ng AI
Ang daan pasulong ay nakasalalay sa demokrasya ng pag-access . Sa kasalukuyan, ang pagsasanay sa pinakamalakas na mga modelo ay nakasentro sa ilang mga kumpanya dahil sa gastos ng hardware (GPU). Mahalaga na mamuhunan ang mga unibersidad at gobyerno sa pampublikong imprastraktura upang maiwasan ang kapangyarihan ng AI na mahulog sa mga kamay ng isang teknolohikal na oligopolyo.
Ang susi ay ang transparency at mga independiyenteng pag-audit. Hindi sapat para sa isang kumpanya na basta na lang sabihing ligtas ang modelo nito; kailangan natin ng mga balangkas ng regulasyon (tulad ng AI Act ng EU) at mga propesyonal na pamantayan na titiyak na ang mga kagamitang ito ay ginagamit upang mapabuti ang lipunan, hindi upang mapadali ang malawakang pagsubaybay o maling impormasyon.
Ang ecosystem ng artificial intelligence ay lumipat patungo sa isang istruktura kung saan ang ilang pangunahing modelo ay sumusuporta sa libu-libong espesyalisadong aplikasyon, na pinagsasama ang kapangyarihan ng malawakang pagproseso at ang katumpakan ng pag-tune sa antas ng tao. Ang pagsulong na ito, habang nagtataas ng malalalim na etikal na dilemma at may kinalaman sa pagkonsumo ng enerhiya, ay muling binibigyang-kahulugan ang ugnayan sa pagitan ng mga tao at makina sa pamamagitan ng pagbabago ng AI sa isang pangkalahatang-layunin na imprastraktura na may kakayahang mangatwiran, lumikha, at matuto sa maraming larangan nang sabay-sabay.
