Chúng tôi đã tham gia một diễn đàn chủ đề kết hợp các mô hình lớn với ngành. Sau sự kiện, một đại diện từ ban tổ chức ngành đã liên lạc với chúng tôi và nói: "Các bạn đang nói về các mô hình lớn. Chính xác thì mô hình lớn là gì? Mô hình lớn lớn đến mức nào? Tại sao chúng ta không thể sử dụng các mô hình nhỏ?"
Chuỗi câu hỏi này một lần nữa khiến chúng ta nhận ra rằng bên cung và bên cầu thông minh thường nằm trong hai hệ thống diễn ngôn. Bạn đã nói về Transfomer và Agent từ lâu nhưng có thể bạn vẫn đang thắc mắc cụm từ "mô hình lớn" bắt nguồn từ đâu.
Khoảng cách này đặc biệt nghiêm trọng trong thời đại AI. Bởi vì công nghệ AI liên quan đến một chuỗi dài hơn, những người tạo ra thuật toán, những người tạo ra đám mây, những người tạo ra phần cứng, những người tạo ra giải pháp CNTT và những người cuối cùng là người thanh toán hóa đơn, mọi người có thể nói về ý kiến của riêng mình và không ai có ý định đó. để thực sự hiểu bất cứ ai.
Ngày nay, mọi người đang nói về các mô hình công nghiệp lớn và các mô hình công nghiệp lớn. Quả thực, từ góc độ logic kỹ thuật, có thể dễ dàng nhận thấy rằng các mô hình lớn có thể mang lại năng suất khổng lồ cho nhiều ngành công nghiệp.Từ góc độ kỹ thuật, các công ty Trung Quốc dễ tiếp thu hơn và có nhu cầu trí tuệ cao hơn. Chuyển các mô hình lớn sang công nghiệp để đạt được sự tích hợp thực-kỹ thuật số là đường lối đặc biệt nhất của AI của Trung Quốc và nó có ý nghĩa chiến lược vĩ mô mạnh mẽ trong bối cảnh Trung Quốc kỹ thuật số.
Nhưng trên thực tế, con đường này đầy thách thức và hiểu lầm.
Suy cho cùng thì chín trong số mười công ty thuật toán AI không thể làm được điều đó. Trước cánh cửa cơ hội mới cho mô hình lớn lên B, trước tiên chúng ta phải xác định ngành cần loại mô hình lớn nào?
Mô hình công nghiệp lớn không phải là mô hình
Sự hiểu lầm lớn nhất khi các công ty AI phát triển mô hình quy mô lớn và kết hợp các ngành là họ không thể hiểu được mối quan hệ giữa cung và cầu.
Đúng là mức độ công nhận và chấp nhận các mô hình lớn hiện nay của ngành là tương đối tốt, nhưng các dự án thông minh vẫn là thị trường tuyệt đối của người mua. Các nhà cung cấp công nghệ cần phải thích ứng với nhu cầu, khả năng, nền tảng và thậm chí cả kỹ năng giao tiếp cũng như thói quen kinh doanh của người dùng cuối.
Tuy nhiên, do các công ty sản xuất mô hình AI quy mô lớn nên một lượng lớn nhân tài và kinh phí đã đổ vào lĩnh vực Internet. Logic cung cầu của Internet là một điểm cung cấp duy nhất sẽ đáp ứng được một lượng lớn nhu cầu, tôi có một thủ thuật để thu hút những ý tưởng mới từ khắp nơi trên thế giới. Việc áp dụng các mô hình lớn trong nhiều ngành là điều dễ dàng nghĩ tới. Ví dụ, một nhà máy cần phân tích thành phần, một ngân hàng cần phân tích đầu tư, mô hình lớn của tôi cũng không thể phân tích được sao?
Vì vậy, với lối “tư duy ngoài trời” như vậy, nhiều công ty AI đã rơi vào một hiểu lầm rất lớn: họ cho rằng vì tôi có mô hình lớn nên khách hàng từ mọi ngành nghề nên tìm đến tôi. Tôi giới thiệu những trường hợp từ hai hoặc ba ngành, những trường hợp này cần được các ngành khác ghi nhận. Mô hình lớn này của tôi có thể sử dụng ở mọi nơi nên được gọi là mô hình lớn công nghiệp.
Liệu những người thực hành AI này có thực sự tin rằng những mô hình lớn ngang bằng với thuốc chữa bách bệnh của ngành hay họ chỉ đang cố tình khoe khoang như thế này. Từ góc độ khách hàng công nghiệp, cảnh tượng này chẳng khác nào vô nghĩa. Họ sẽ nghĩ rằng công nghệ được sử dụng trong ngành tài chính không liên quan gì đến các mỏ than của chúng ta? Nếu có một loại thức ăn mà mèo có thể ăn, bò, người hay thậm chí là mèo, bạn có dám ăn không?
**Điều đầu tiên mà ngành cần làm với các mô hình lớn không phải là tóm tắt các ngành rất khác nhau vào từ "ngành" và kết thúc nó. Ngay trong một ngành nhất định, các mô hình lớn cũng chỉ có thể giải quyết được một hoặc một số vấn đề trong ngành và không thể nào một mô hình có thể “sửa chữa được tất cả các ngành”. **
Bất cứ ai làm việc trong lĩnh vực CNTT đều biết rằng để có sản phẩm thì cần dịch vụ và để hiểu công nghệ thì cần hiểu ngành. Tuy nhiên, các công ty AI, đặc biệt là những công ty đang đổ tiền nóng vào lĩnh vực mô hình lớn, nhìn chung thiếu hiểu biết và tôn trọng sự khác biệt về nhu cầu của ngành.
Tất nhiên, các ngành khác nhau cũng có nhu cầu chung về mô hình lớn. Ví dụ: đối thoại cơ bản, CV và khả năng đa phương thức. Nhưng thường thì mỗi ngành có những yêu cầu khác nhau, khả năng kỹ thuật số cơ bản và thậm chí cả các yêu cầu về bảo mật, yêu cầu về độ trễ cũng như yêu cầu vận hành và bảo trì. Ở giai đoạn hiện nay, việc nhân rộng và quảng bá một mô hình lớn trong một ngành cụ thể là rất khó, chưa nói đến việc bao quát một số, thậm chí hàng chục ngành trong một lần.
Khi nói đến trí tuệ công nghiệp, ưu tiên luôn là công nghiệp hơn trí tuệ.
Không đề cập đến việc cắt giảm phần cứng và kỹ thuật là lãng phí thời gian
Nhiều công ty tham gia vào lĩnh vực số hóa và trí tuệ sẽ ngạc nhiên về điều này sau khi nhìn vào môi trường của khách hàng: thứ mà khách hàng bỏ ra rất nhiều tiền để mua thực chất là một phần mềm rất đơn giản được đóng gói trong hộp, sau đó được sản xuất theo tiêu chuẩn ngành. các nút, giao diện người dùng và những thứ tương tự. Nhiều phần mềm trong số này thậm chí còn được đóng gói lại từ phần mềm nguồn mở nước ngoài rất cũ và đã bị tụt hậu từ lâu về mặt kỹ thuật. Lúc này, họ sẽ than thở rằng việc lừa tiền của khách hàng trong ngành rất dễ dàng.
Nhưng ở đây có câu hỏi: Nếu chúng ta nghĩ về vấn đề này từ một góc độ khác, doanh nghiệp sẽ sử dụng nó như thế nào nếu không có lớp đóng gói này? Một nhà máy, một khu mỏ hay một trang trại trong rừng có cần tuyển dụng và đào tạo một số lượng lớn nhân tài về điện toán đám mây và thuật toán AI không? Và để những tài năng số này dẫn dắt hoạt động sản xuất, vận hành và bán hàng của toàn doanh nghiệp? Điều này rõ ràng là không đáng tin cậy.
Vì vậy, một thực tế có phần phản trực giác là người dùng trong ngành có xu hướng quan tâm đến "lớp vỏ" hơn là công nghệ tiên tiến rực rỡ. Lớp vỏ đó đề cập đến phần cứng và kỹ thuật, đóng gói, quản lý và duy trì các khả năng kỹ thuật theo yêu cầu sử dụng cuối cùng. Mặc dù thứ được lắp ráp cuối cùng có thể khó sử dụng và có thể không tiên tiến, nhưng đối với người dùng trong ngành, điều kiện quan trọng nhất của trí thông minh là nó có thể được sử dụng và nhân viên có thể học được nó.
Khi thảo luận về các mô hình công nghiệp lớn, ngày nay chúng ta thường rơi vào sự hiểu lầm này. Những người thực hành có xu hướng chú ý quá nhiều đến tính dẫn đầu và tính quốc tế của lớp thuật toán, cạnh tranh về thang đo tham số và hồ sơ kiểm tra, đồng thời tập trung vào phần mềm. Nhưng điều mà ngành cần các mô hình lớn làm là cạnh tranh với các hệ thống kỹ thuật số trước đây, bằng chi phí sử dụng và ngưỡng hoạt động. Điều này đòi hỏi một mô hình lớn để xem xét môi trường phần cứng, môi trường mạng, tài nguyên lưu trữ và tính toán, hệ điều hành và thậm chí cả nguồn điện, độ ẩm và nhiệt độ của môi trường triển khai.
**Điều thứ hai mà các mô hình công nghiệp lớn cần làm là tính đến các vấn đề kỹ thuật và thích ứng phần cứng. **
Mô hình lớn có thể được triển khai hay không còn phụ thuộc vào việc tìm được bối cảnh phù hợp. Nhưng cảnh là gì? Nơi cuối cùng hoạt động được gọi là hiện trường.
Phần lớn các công ty không có định hướng CNTT. Thậm chí hầu hết các công ty cũng không thể cử nhân sự tận tâm để tìm hiểu kỹ thế nào là mô hình lớn. Điều này không thể thay đổi trong một thời gian dài.
Núi không đến gặp bạn nên bạn phải đến gặp núi.
Nhiều người so sánh mô hình lớn với mỏ vàng nên việc đào tạo mô hình lớn chỉ là đào ra mỏ vàng, thông qua các phương pháp kỹ thuật và tích hợp mô hình lớn vào cơ sở hạ tầng kỹ thuật số hiện có của ngành, mỏ vàng có thể được vận chuyển ra ngoài ngọn núi.
Các chuyên gia cuối cùng sẽ phải đến nhà máy
Cho dù họ đang kể câu chuyện cho khách hàng hay giao tiếp với công chúng, nhiều nhà sản xuất AI sẽ luôn đề cập đến điều này: Đừng lo lắng, chúng tôi có các chuyên gia và postdoc đã bén rễ trong ngành. Tôi đến các nhà máy và đất nông nghiệp và ở đó vài tháng.
Nếu bạn là một người có tiềm năng sử dụng các mô hình lớn trong ngành thì hãy lắng nghe câu chuyện này. Đúng là có các chuyên gia đóng quân tại nhà máy, nhưng nhà máy đó rất có thể không phải là nhà máy của bạn.
Trên thực tế, việc có các chuyên gia AI ở tuyến đầu của ngành là một cách hiệu quả để rút ngắn khoảng cách giữa nhu cầu của ngành và nguồn cung mô hình lớn. Đây cũng là một quá trình phát triển cần thiết của trí tuệ công nghiệp.
Nhưng quá trình này chỉ có thể mang tính tạm thời và không thể kéo dài lâu. Bạn thử tưởng tượng xem, các mô hình lớn hiện đang dẫn đầu, các chuyên gia có giá trị gì? Đội ngũ chuyên gia đóng quân tại chỗ, đơn vị nào có thể chịu được chi phí tiền lương này?
Các chuyên gia được các công ty AI tuyên bố sẽ đóng quân tại nhà máy thực tế đang thực hiện các trường hợp và thử nghiệm. Nói chung, họ hợp tác với những khách hàng hàng đầu trong ngành, các nhà sản xuất sẵn sàng chạy thử các mô hình để quan sát các vấn đề cụ thể.
**Chuyên gia có thể đến các nhà máy, nhưng chuyên gia chắc chắn không thể đóng quân ở nhà máy này từ năm này sang năm khác. **Đây là hành động tiêu chuẩn khi các nhà sản xuất AI bước chân vào một ngành, tuy nhiên nó thường được hiểu là hành động thường ngày dù cố ý hay vô ý, nhưng nếu thực sự phải nhờ đến chuyên gia đến tận nhà máy để quảng bá những mẫu mã lớn thì AI sẽ không bao giờ có thể thực hiện được vì chi phí cao, không ai có thể mua được.
Điều thứ ba mà **các mô hình công nghiệp lớn cần làm là công nghệ có khả năng nhân rộng ở ngưỡng thấp trong ngành và không thể phụ thuộc nhiều vào sự hợp tác tùy chỉnh thủ công. **
Điều cần đặc biệt lưu ý là ở giai đoạn này, các doanh nghiệp lớn và vừa ngày càng thận trọng trong việc đầu tư vào trí tuệ, chi phí cho việc thử và sai không thể quá cao. Các kế hoạch triển khai mô hình quy mô lớn còn quá thử nghiệm và không chắc chắn sẽ khó nhận được sự công nhận từ các khách hàng lớn ở giai đoạn hiện tại chứ đừng nói đến hàng nghìn khách hàng vừa và nhỏ, và không thể dựa vào sự đầu tư thủ công nhiều để quảng bá chúng.
Tóm lại, có ba thách thức trong việc triển khai các mô hình công nghiệp quy mô lớn ở giai đoạn hiện nay:
Các nhà sản xuất AI luôn coi những mô hình lớn là liều thuốc chữa bách bệnh, nhưng điều mà ngành này cần là sự hiểu biết và tập trung.
Các nhà sản xuất AI luôn tập trung vào đổi mới thuật toán, nhưng điều mà ngành này cần là kỹ thuật và khả năng vận hành.
Các nhà sản xuất AI thúc đẩy một số lượng lớn các trường hợp dựa vào năng lực của nhân tài, nhưng điều mà ngành này cần là chi phí thấp và khả năng nhân rộng.
Mặt trời mọc khi các mô hình lớn được tung ra thị trường, nhưng bạn cũng phải dọn tuyết một cách có ý thức, khi quay lại giao diện người dùng, bạn thường có thể tìm thấy câu trả lời cho nhiều câu hỏi hơn.
Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
Ngành công nghiệp cần những loại mô hình lớn nào?
Nguồn gốc: não cực cơ thể
Lý do viết bài này xảy ra cách đây không lâu.
Chúng tôi đã tham gia một diễn đàn chủ đề kết hợp các mô hình lớn với ngành. Sau sự kiện, một đại diện từ ban tổ chức ngành đã liên lạc với chúng tôi và nói: "Các bạn đang nói về các mô hình lớn. Chính xác thì mô hình lớn là gì? Mô hình lớn lớn đến mức nào? Tại sao chúng ta không thể sử dụng các mô hình nhỏ?"
Chuỗi câu hỏi này một lần nữa khiến chúng ta nhận ra rằng bên cung và bên cầu thông minh thường nằm trong hai hệ thống diễn ngôn. Bạn đã nói về Transfomer và Agent từ lâu nhưng có thể bạn vẫn đang thắc mắc cụm từ "mô hình lớn" bắt nguồn từ đâu.
Khoảng cách này đặc biệt nghiêm trọng trong thời đại AI. Bởi vì công nghệ AI liên quan đến một chuỗi dài hơn, những người tạo ra thuật toán, những người tạo ra đám mây, những người tạo ra phần cứng, những người tạo ra giải pháp CNTT và những người cuối cùng là người thanh toán hóa đơn, mọi người có thể nói về ý kiến của riêng mình và không ai có ý định đó. để thực sự hiểu bất cứ ai.
Ngày nay, mọi người đang nói về các mô hình công nghiệp lớn và các mô hình công nghiệp lớn. Quả thực, từ góc độ logic kỹ thuật, có thể dễ dàng nhận thấy rằng các mô hình lớn có thể mang lại năng suất khổng lồ cho nhiều ngành công nghiệp.Từ góc độ kỹ thuật, các công ty Trung Quốc dễ tiếp thu hơn và có nhu cầu trí tuệ cao hơn. Chuyển các mô hình lớn sang công nghiệp để đạt được sự tích hợp thực-kỹ thuật số là đường lối đặc biệt nhất của AI của Trung Quốc và nó có ý nghĩa chiến lược vĩ mô mạnh mẽ trong bối cảnh Trung Quốc kỹ thuật số.
Nhưng trên thực tế, con đường này đầy thách thức và hiểu lầm.
Suy cho cùng thì chín trong số mười công ty thuật toán AI không thể làm được điều đó. Trước cánh cửa cơ hội mới cho mô hình lớn lên B, trước tiên chúng ta phải xác định ngành cần loại mô hình lớn nào?
Mô hình công nghiệp lớn không phải là mô hình
Sự hiểu lầm lớn nhất khi các công ty AI phát triển mô hình quy mô lớn và kết hợp các ngành là họ không thể hiểu được mối quan hệ giữa cung và cầu.
Đúng là mức độ công nhận và chấp nhận các mô hình lớn hiện nay của ngành là tương đối tốt, nhưng các dự án thông minh vẫn là thị trường tuyệt đối của người mua. Các nhà cung cấp công nghệ cần phải thích ứng với nhu cầu, khả năng, nền tảng và thậm chí cả kỹ năng giao tiếp cũng như thói quen kinh doanh của người dùng cuối.
Tuy nhiên, do các công ty sản xuất mô hình AI quy mô lớn nên một lượng lớn nhân tài và kinh phí đã đổ vào lĩnh vực Internet. Logic cung cầu của Internet là một điểm cung cấp duy nhất sẽ đáp ứng được một lượng lớn nhu cầu, tôi có một thủ thuật để thu hút những ý tưởng mới từ khắp nơi trên thế giới. Việc áp dụng các mô hình lớn trong nhiều ngành là điều dễ dàng nghĩ tới. Ví dụ, một nhà máy cần phân tích thành phần, một ngân hàng cần phân tích đầu tư, mô hình lớn của tôi cũng không thể phân tích được sao?
Vì vậy, với lối “tư duy ngoài trời” như vậy, nhiều công ty AI đã rơi vào một hiểu lầm rất lớn: họ cho rằng vì tôi có mô hình lớn nên khách hàng từ mọi ngành nghề nên tìm đến tôi. Tôi giới thiệu những trường hợp từ hai hoặc ba ngành, những trường hợp này cần được các ngành khác ghi nhận. Mô hình lớn này của tôi có thể sử dụng ở mọi nơi nên được gọi là mô hình lớn công nghiệp.
Liệu những người thực hành AI này có thực sự tin rằng những mô hình lớn ngang bằng với thuốc chữa bách bệnh của ngành hay họ chỉ đang cố tình khoe khoang như thế này. Từ góc độ khách hàng công nghiệp, cảnh tượng này chẳng khác nào vô nghĩa. Họ sẽ nghĩ rằng công nghệ được sử dụng trong ngành tài chính không liên quan gì đến các mỏ than của chúng ta? Nếu có một loại thức ăn mà mèo có thể ăn, bò, người hay thậm chí là mèo, bạn có dám ăn không?
**Điều đầu tiên mà ngành cần làm với các mô hình lớn không phải là tóm tắt các ngành rất khác nhau vào từ "ngành" và kết thúc nó. Ngay trong một ngành nhất định, các mô hình lớn cũng chỉ có thể giải quyết được một hoặc một số vấn đề trong ngành và không thể nào một mô hình có thể “sửa chữa được tất cả các ngành”. **
Bất cứ ai làm việc trong lĩnh vực CNTT đều biết rằng để có sản phẩm thì cần dịch vụ và để hiểu công nghệ thì cần hiểu ngành. Tuy nhiên, các công ty AI, đặc biệt là những công ty đang đổ tiền nóng vào lĩnh vực mô hình lớn, nhìn chung thiếu hiểu biết và tôn trọng sự khác biệt về nhu cầu của ngành.
Tất nhiên, các ngành khác nhau cũng có nhu cầu chung về mô hình lớn. Ví dụ: đối thoại cơ bản, CV và khả năng đa phương thức. Nhưng thường thì mỗi ngành có những yêu cầu khác nhau, khả năng kỹ thuật số cơ bản và thậm chí cả các yêu cầu về bảo mật, yêu cầu về độ trễ cũng như yêu cầu vận hành và bảo trì. Ở giai đoạn hiện nay, việc nhân rộng và quảng bá một mô hình lớn trong một ngành cụ thể là rất khó, chưa nói đến việc bao quát một số, thậm chí hàng chục ngành trong một lần.
Khi nói đến trí tuệ công nghiệp, ưu tiên luôn là công nghiệp hơn trí tuệ.
Không đề cập đến việc cắt giảm phần cứng và kỹ thuật là lãng phí thời gian
Nhiều công ty tham gia vào lĩnh vực số hóa và trí tuệ sẽ ngạc nhiên về điều này sau khi nhìn vào môi trường của khách hàng: thứ mà khách hàng bỏ ra rất nhiều tiền để mua thực chất là một phần mềm rất đơn giản được đóng gói trong hộp, sau đó được sản xuất theo tiêu chuẩn ngành. các nút, giao diện người dùng và những thứ tương tự. Nhiều phần mềm trong số này thậm chí còn được đóng gói lại từ phần mềm nguồn mở nước ngoài rất cũ và đã bị tụt hậu từ lâu về mặt kỹ thuật. Lúc này, họ sẽ than thở rằng việc lừa tiền của khách hàng trong ngành rất dễ dàng.
Nhưng ở đây có câu hỏi: Nếu chúng ta nghĩ về vấn đề này từ một góc độ khác, doanh nghiệp sẽ sử dụng nó như thế nào nếu không có lớp đóng gói này? Một nhà máy, một khu mỏ hay một trang trại trong rừng có cần tuyển dụng và đào tạo một số lượng lớn nhân tài về điện toán đám mây và thuật toán AI không? Và để những tài năng số này dẫn dắt hoạt động sản xuất, vận hành và bán hàng của toàn doanh nghiệp? Điều này rõ ràng là không đáng tin cậy.
Vì vậy, một thực tế có phần phản trực giác là người dùng trong ngành có xu hướng quan tâm đến "lớp vỏ" hơn là công nghệ tiên tiến rực rỡ. Lớp vỏ đó đề cập đến phần cứng và kỹ thuật, đóng gói, quản lý và duy trì các khả năng kỹ thuật theo yêu cầu sử dụng cuối cùng. Mặc dù thứ được lắp ráp cuối cùng có thể khó sử dụng và có thể không tiên tiến, nhưng đối với người dùng trong ngành, điều kiện quan trọng nhất của trí thông minh là nó có thể được sử dụng và nhân viên có thể học được nó.
Khi thảo luận về các mô hình công nghiệp lớn, ngày nay chúng ta thường rơi vào sự hiểu lầm này. Những người thực hành có xu hướng chú ý quá nhiều đến tính dẫn đầu và tính quốc tế của lớp thuật toán, cạnh tranh về thang đo tham số và hồ sơ kiểm tra, đồng thời tập trung vào phần mềm. Nhưng điều mà ngành cần các mô hình lớn làm là cạnh tranh với các hệ thống kỹ thuật số trước đây, bằng chi phí sử dụng và ngưỡng hoạt động. Điều này đòi hỏi một mô hình lớn để xem xét môi trường phần cứng, môi trường mạng, tài nguyên lưu trữ và tính toán, hệ điều hành và thậm chí cả nguồn điện, độ ẩm và nhiệt độ của môi trường triển khai.
**Điều thứ hai mà các mô hình công nghiệp lớn cần làm là tính đến các vấn đề kỹ thuật và thích ứng phần cứng. **
Mô hình lớn có thể được triển khai hay không còn phụ thuộc vào việc tìm được bối cảnh phù hợp. Nhưng cảnh là gì? Nơi cuối cùng hoạt động được gọi là hiện trường.
Phần lớn các công ty không có định hướng CNTT. Thậm chí hầu hết các công ty cũng không thể cử nhân sự tận tâm để tìm hiểu kỹ thế nào là mô hình lớn. Điều này không thể thay đổi trong một thời gian dài.
Núi không đến gặp bạn nên bạn phải đến gặp núi.
Nhiều người so sánh mô hình lớn với mỏ vàng nên việc đào tạo mô hình lớn chỉ là đào ra mỏ vàng, thông qua các phương pháp kỹ thuật và tích hợp mô hình lớn vào cơ sở hạ tầng kỹ thuật số hiện có của ngành, mỏ vàng có thể được vận chuyển ra ngoài ngọn núi.
Các chuyên gia cuối cùng sẽ phải đến nhà máy
Cho dù họ đang kể câu chuyện cho khách hàng hay giao tiếp với công chúng, nhiều nhà sản xuất AI sẽ luôn đề cập đến điều này: Đừng lo lắng, chúng tôi có các chuyên gia và postdoc đã bén rễ trong ngành. Tôi đến các nhà máy và đất nông nghiệp và ở đó vài tháng.
Nếu bạn là một người có tiềm năng sử dụng các mô hình lớn trong ngành thì hãy lắng nghe câu chuyện này. Đúng là có các chuyên gia đóng quân tại nhà máy, nhưng nhà máy đó rất có thể không phải là nhà máy của bạn.
Trên thực tế, việc có các chuyên gia AI ở tuyến đầu của ngành là một cách hiệu quả để rút ngắn khoảng cách giữa nhu cầu của ngành và nguồn cung mô hình lớn. Đây cũng là một quá trình phát triển cần thiết của trí tuệ công nghiệp.
Nhưng quá trình này chỉ có thể mang tính tạm thời và không thể kéo dài lâu. Bạn thử tưởng tượng xem, các mô hình lớn hiện đang dẫn đầu, các chuyên gia có giá trị gì? Đội ngũ chuyên gia đóng quân tại chỗ, đơn vị nào có thể chịu được chi phí tiền lương này?
Các chuyên gia được các công ty AI tuyên bố sẽ đóng quân tại nhà máy thực tế đang thực hiện các trường hợp và thử nghiệm. Nói chung, họ hợp tác với những khách hàng hàng đầu trong ngành, các nhà sản xuất sẵn sàng chạy thử các mô hình để quan sát các vấn đề cụ thể.
**Chuyên gia có thể đến các nhà máy, nhưng chuyên gia chắc chắn không thể đóng quân ở nhà máy này từ năm này sang năm khác. **Đây là hành động tiêu chuẩn khi các nhà sản xuất AI bước chân vào một ngành, tuy nhiên nó thường được hiểu là hành động thường ngày dù cố ý hay vô ý, nhưng nếu thực sự phải nhờ đến chuyên gia đến tận nhà máy để quảng bá những mẫu mã lớn thì AI sẽ không bao giờ có thể thực hiện được vì chi phí cao, không ai có thể mua được.
Điều thứ ba mà **các mô hình công nghiệp lớn cần làm là công nghệ có khả năng nhân rộng ở ngưỡng thấp trong ngành và không thể phụ thuộc nhiều vào sự hợp tác tùy chỉnh thủ công. **
Điều cần đặc biệt lưu ý là ở giai đoạn này, các doanh nghiệp lớn và vừa ngày càng thận trọng trong việc đầu tư vào trí tuệ, chi phí cho việc thử và sai không thể quá cao. Các kế hoạch triển khai mô hình quy mô lớn còn quá thử nghiệm và không chắc chắn sẽ khó nhận được sự công nhận từ các khách hàng lớn ở giai đoạn hiện tại chứ đừng nói đến hàng nghìn khách hàng vừa và nhỏ, và không thể dựa vào sự đầu tư thủ công nhiều để quảng bá chúng.
Tóm lại, có ba thách thức trong việc triển khai các mô hình công nghiệp quy mô lớn ở giai đoạn hiện nay:
Các nhà sản xuất AI luôn coi những mô hình lớn là liều thuốc chữa bách bệnh, nhưng điều mà ngành này cần là sự hiểu biết và tập trung.
Các nhà sản xuất AI luôn tập trung vào đổi mới thuật toán, nhưng điều mà ngành này cần là kỹ thuật và khả năng vận hành.
Các nhà sản xuất AI thúc đẩy một số lượng lớn các trường hợp dựa vào năng lực của nhân tài, nhưng điều mà ngành này cần là chi phí thấp và khả năng nhân rộng.
Mặt trời mọc khi các mô hình lớn được tung ra thị trường, nhưng bạn cũng phải dọn tuyết một cách có ý thức, khi quay lại giao diện người dùng, bạn thường có thể tìm thấy câu trả lời cho nhiều câu hỏi hơn.