Generatiivsed AI-vestlusbotid on alles oma teekonna alguses, kuid me juba kaalume, mis edasi saab.
Võtmed kaasavõtmiseks
- ChatGPT edu on käivitanud laialdased investeeringud tehisintellektiuuringutesse ja integratsiooni, mis on toonud kaasa enneolematuid võimalusi ja edusamme selles valdkonnas.
- Semantiline otsing vektorandmebaasidega muudab otsingualgoritmid revolutsiooniliseks, kasutades kontekstuaalselt täpsemate tulemuste saamiseks sõnade manuseid ja semantikat.
- Tehisintellekti agentide ja mitme agendiga idufirmade arendamise eesmärk on saavutada täielik autonoomia ja lahendada praegused piirangud läbi enesehindamise, paranduste ja mitme agendi vahelise koostöö.
ChatGPT fenomenaalne edu on sundinud kõiki tehnoloogiaettevõtteid investeerima tehisintellekti uurimisse ja välja mõtlema, kuidas integreerida tehisintellekt oma toodetesse. See on olukord, mis erineb kõigest, mida me kunagi näinud oleme, kuid tehisintellekt on alles alguses.
Kuid see ei puuduta ainult väljamõeldud AI-vestlusboteid ja teksti-pildi generaatoreid. Silmapiiril on mõned väga spekulatiivsed, kuid uskumatult muljetavaldavad AI tööriistad.
Semantiline otsing vektorandmebaasidega
Semantilisi otsingupäringuid testitakse, et pakkuda inimestele paremaid otsingutulemusi. Otsingumootorid kasutavad praegu märksõnakeskseid algoritme, et pakkuda kasutajatele asjakohast teavet. Liigne märksõnadele tuginemine tekitab aga mitmeid probleeme, nagu konteksti piiratud mõistmine, turundajad kasutavad SEO-d ja madala kvaliteediga otsingutulemusi keeruliste päringute esitamise raskuste tõttu.
Erinevalt traditsioonilistest otsingualgoritmidest kasutab semantiline otsing sõnade manuseid ja semantilist vastendust, et mõista päringu konteksti enne otsingutulemuste esitamist. Seega, selle asemel, et tugineda hunnikule märksõnadele, pakub semantiline otsing tulemusi, mis põhinevad semantikal või antud päringu tähendusel.
Semantilise otsingu kontseptsioon on olnud kasutusel juba mõnda aega. Ettevõtetel on aga raskusi sellise funktsionaalsuse rakendamisega, kuna semantiline otsing võib olla aeglane ja ressursimahukas.
Lahendus on kaardistada vektormanused ja salvestada need suurel kujul vektori andmebaas. See vähendab oluliselt arvutusvõimsuse nõudeid ja kiirendab otsingutulemusi, kitsendades tulemused ainult kõige asjakohasema teabega.
Suured tehnoloogiaettevõtted ja idufirmad, nagu Pinecone, Redis ja Milvus, investeerivad praegu vektorandmebaasidesse, et pakkuda semantilist otsinguvõimalust soovitussüsteemides, otsingumootorites, sisuhaldussüsteemides ja vestlusrobotid.
AI demokratiseerimine
Kuigi see pole tingimata tehniline edusamm, on mitmed suured tehnoloogiaettevõtted huvitatud AI demokratiseerimisest. Kas heas või halvas, avatud lähtekoodiga AI-mudeleid koolitatakse nüüd ja andis organisatsioonidele kasutamiseks ja peenhäälestamiseks lubavamad litsentsid.
Teatab Wall Street Journal et Meta ostab Nvidia H100 tehisintellekti kiirendeid ja püüab välja töötada tehisintellekti, mis konkureeriks OpenAI hiljutise GPT-4 mudeliga.
Praegu pole ühtegi avalikult saadaval olevat LLM-i, mis vastaks GPT-4 töötlemata jõudlusele. Kuid kuna Meta lubab konkurentsivõimelisemat toodet lubavama litsentsiga, saavad ettevõtted lõpuks seda teha viimistlege võimsat LLM-i ilma ärisaladuste ja tundlike andmete paljastamise ja kasutamise riskita nende vastu.
AI agendid ja mitme agendiga idufirmad
Praegu on töös mitmed eksperimentaalsed projektid AI-agentide väljatöötamiseks, mis nõuavad teatud eesmärgi saavutamiseks vähe juhiseid või üldse mitte. Võib-olla mäletate mõisteid Auto-GPT AI agendid, AI tööriist, mis automatiseerib selle toiminguid.
Idee seisneb selles, et agent saavutaks täieliku autonoomia pideva enesehindamise ja enesekorrigeerimise kaudu. Töökontseptsioon eneserefleksiooni ja korrektsiooni saavutamiseks seisneb selles, et agent ärgitab end pidevalt igal sammul kuidas seda teha, kuidas seda teha, milliseid vigu see tegi ja mida ta saab teha parandada.
Probleem on selles, et praegustel tehisintellekti agentides kasutatavatel mudelitel on vähe semantilist arusaamist. See põhjustab agentidel hallutsinatsioone ja valeteabe küsimist, mis paneb nad takerduma lõpmatusse enesehindamise ja parandamise ahelasse.
Sellised projektid nagu MetaGPT Multi-agent Framework püüavad probleemi lahendada, kasutades samaaegselt mitut tehisintellekti agenti selliste hallutsinatsioonide vähendamiseks. Mitme agentuuri raamistikud on loodud selleks, et jäljendada idufirma tööd. Selle käivitamise igale agendile määratakse sellised ametikohad nagu projektijuht, projektidisainer, programmeerija ja testija. Jagades keerulised eesmärgid väiksemateks ülesanneteks ja delegeerides need erinevatele tehisintellekti agentidele, saavutavad need agendid suurema tõenäosusega oma seatud eesmärgid.
Loomulikult on need raamistikud alles väga varajases arengujärgus ja paljud probleemid vajavad veel lahendamist. Kuid võimsamate mudelite, parema tehisintellekti taristu ning pideva uurimis- ja arendustegevusega on vaid aja küsimus, millal tõhusatest tehisintellekti agentidest ja mitme agentuuriga tehisintellekti ettevõtetest asja saab.
Meie tuleviku kujundamine tehisintellektiga
Suured korporatsioonid ja idufirmad investeerivad palju tehisintellekti ja selle infrastruktuuride uurimis- ja arendustegevusse. Seega võime loota, et generatiivse AI tulevik pakub semantilise otsingu kaudu paremat juurdepääsu kasulikule teabele autonoomsed tehisintellekti agendid ja AI-ettevõtted ning ettevõtetele ja üksikisikutele vabalt kättesaadavad suure jõudlusega mudelid hea toon.
Kuigi see on põnev, on oluline, et võtaksime aega, et kaaluda tehisintellekti eetikat, kasutajate privaatsust ning tehisintellektisüsteemide ja -taristute vastutustundlikku arendamist. Pidagem meeles, et generatiivse AI areng ei seisne ainult nutikamate süsteemide loomises; see tähendab ka oma mõtete ümberkujundamist ja vastutust selle eest, kuidas me tehnoloogiat kasutame.
