Tận dụng tốt các mô hình nhỏ và tạo ra sự khác biệt lớn.
Nguồn gốc: Machine Energy
Nguồn hình ảnh: Được tạo bởi Unbounded AI
Việc sử dụng AI ngày càng trở nên phổ biến và không giới hạn ở việc sử dụng nó bởi các cá nhân. Nó cũng ngày càng trở nên phổ biến trong các doanh nghiệp sử dụng AI để cải thiện quy trình làm việc và nâng cao công việc. Nhưng phải đề cập rằng mạnh hơn thường là các mô hình lớn hơn, điều này sẽ gây khó khăn trong việc triển khai doanh nghiệp. Silvio Saese đã viết về suy nghĩ của mình về vấn đề này, ** mô hình không lớn hơn là tốt hơn, mô hình nhỏ có thể xử lý tốt hơn nội dung công việc. **
Sau đây là bản dịch và sắp xếp văn bản gốc bằng trái tim máy mà không thay đổi ý nghĩa ban đầu.
Địa chỉ gốc:
Trong những tháng gần đây, tôi đã viết rất nhiều về cái mà tôi gọi là LAM (Mô hình hành động lớn), một biến thể tự trị, tích cực hơn của LLM. Nó không chỉ tạo ra nội dung như văn bản hoặc hình ảnh mà còn có thể hoàn thành toàn bộ nhiệm vụ và thậm chí tham gia vào quy trình làm việc, cho dù với mọi người hay một mình. Năm nay, tại Dreamforce 2023, với sự ra mắt của Einstein Copilot, tầm nhìn đó đã có một bước tiến lớn hướng tới hiện thực. Einstein Copilot, trợ lý đàm thoại AI của Salesforce, sẽ được triển khai trên nền tảng Salesforce và sẵn sàng được tích hợp vào hầu hết mọi thứ khách hàng làm.
** Einstein Copilot: Cái nhìn thoáng qua về tương lai của AI tạo ra **
Thật khó để không gây ấn tượng với Einstein Copilot ra khỏi hộp. Nó được thiết kế từ đầu để làm việc hiệu quả một cách an toàn bằng cách hỗ trợ người dùng trong hầu hết các loại quy trình làm việc. Nó có thể xử lý các câu hỏi được xuất bản bằng ngôn ngữ tự nhiên và cung cấp các câu trả lời đáng tin cậy có liên quan được trích xuất từ dữ liệu độc quyền được bảo mật bởi công ty. Đây là một bức tranh rõ ràng về nơi tôi tin rằng AI đang hướng tới trong doanh nghiệp: một giao diện duy nhất, đáng tin cậy được thiết kế xung quanh sự tương tác hàng ngày giữa người và máy tính và có khả năng trợ giúp nhiều nhiệm vụ khác nhau. Nó thể hiện sức mạnh của AI để đảm bảo rằng công nghệ đáp ứng nhu cầu của các doanh nghiệp và tôi không nghi ngờ gì rằng nó cũng sẽ thay đổi cách khách hàng làm việc. Và LAM, khi nó phát triển về tính linh hoạt và chức năng, sẽ đưa lực lượng vốn đã rất mạnh mẽ này lên một tầm cao mới.
** Làm cho các mô hình AI tạo ra "nhỏ và lớn"**
Gần đây, nhiều chủ đề trong AI tạo ra đã xoay quanh quy mô mô hình và kiến trúc mô hình cung cấp năng lượng cho LLM và LAM. Khi các công ty như OpenAI tiếp tục đẩy giới hạn về quy mô, với số lượng thông số vượt quá 100 tỷ, không khó để kết luận rằng lớn hơn là tốt hơn. Trên thực tế, các mô hình lớn thường tự hào rằng hiệu suất của chúng rất khó hoặc không thể đạt được bằng cách khác. Và khi kích thước của mô hình tăng lên, hành vi cực kỳ phức tạp xuất hiện, cho thấy các chiến lược quy mô lớn hơn có thể mang lại lợi ích đáng kể.
** Các mô hình thu hẹp quy mô chiến lược có thể mang lại lợi ích to lớn như thế nào **
Trong khi các mô hình lớn hơn tiếp tục thống trị các tiêu đề, theo đuổi các mô hình lớn hơn không phải là chiến lược tốt nhất. Rõ ràng nhất, các mô hình lớn nhất hiện nay đắt tiền về mặt tính toán và nhiều công ty nằm ngoài tầm với. Và, ngay cả những doanh nghiệp có đủ khả năng triển khai chúng cũng phải thừa nhận rằng đầu ra chất lượng cao mà họ hứa hẹn có thể cực kỳ chậm. Ngoài ra, chúng tôi vẫn phải đối mặt với các vấn đề về niềm tin, bảo mật, tác hại và quyền sở hữu như bản quyền, tất cả đều xuất phát từ các bộ dữ liệu khổng lồ, có nguồn gốc toàn cầu mà các mô hình siêu quy mô dựa vào.
Những bất cập này khiến các mẫu xe nhỏ ngày càng hấp dẫn trong nhiều lĩnh vực. Chúng tương đối tiết kiệm chi phí và có thể được điều chỉnh với tốc độ đáng kinh ngạc. Ngày nay, LLM được thiết kế đặc biệt thậm chí có thể chạy hoàn toàn ở rìa trong một số trường hợp, bao gồm cả thiết bị di động của người dùng cuối. Và bởi vì họ yêu cầu đào tạo ít hơn, khách hàng có thể đóng vai trò quản lý tích cực hơn trong việc chuẩn bị bộ dữ liệu của họ. Tại thời điểm này, những cải tiến lớn có thể được thực hiện về chất lượng, bảo mật và thậm chí cả tình trạng pháp lý của nội dung có trong tập dữ liệu.
Bằng cách tập trung vào các khu vực hẹp hơn, chất lượng đầu ra mô hình nhỏ cũng có thể ngang bằng với "những người anh lớn" của họ. Các mô hình như ChatGPT về cơ bản được thiết kế cho tất cả mọi người, giúp làm bài tập về nhà, công thức nấu ăn tối, trả lời các câu hỏi về khoa học, công nghệ, lịch sử và văn hóa đại chúng. Ngược lại, AI tạo ra cho các doanh nghiệp có thể và nên tập trung vào các lĩnh vực vấn đề nhỏ hơn, phù hợp hơn. Đây rõ ràng là đôi bên cùng có lợi: nó có nghĩa là hạ thấp các rào cản gia nhập mà không ảnh hưởng đến chất lượng đầu ra. **
**Cách phối hợp các mô hình nhỏ mang lại tiềm năng lớn **
Ngay cả những mô hình nhỏ cũng có thể cung cấp các giải pháp lớn, chúng ta chỉ cần suy nghĩ khác về quy mô. Thay vì làm cho mô hình lớn hơn, hãy đan xen nhiều mô hình để phục vụ mục tiêu cấp cao hơn. **Mỗi mô hình được thiết kế với một mục tiêu cụ thể trong tâm trí và được đào tạo trên một bộ dữ liệu được quản lý cẩn thận, được kiểm tra nghiêm ngặt và độc quyền. Điều gì sẽ xảy ra nếu các tác nhân AI như Einstein Copilot có thể được kết hợp hoặc phối hợp, giống như nhiều người có thể làm nhiều công việc như một nhóm hơn là cá nhân? Ví dụ, một nhà hàng, là một tổ chức chỉ có thể đạt được bằng tinh thần đồng đội, mỗi thành viên có kỹ năng và lĩnh vực tập trung riêng: người phục vụ chịu trách nhiệm gọi món, đầu bếp chịu trách nhiệm chuẩn bị thức ăn, nhân viên lễ tân chịu trách nhiệm xử lý đặt chỗ và đặt hàng, và tài xế chịu trách nhiệm giao thức ăn. Vậy, LAM sẽ trông như thế nào khi được tổ chức theo cách tương tự?
Gần đây tôi đã suy nghĩ về việc phối hợp và tôi nghĩ đó là một trong những công nghệ thú vị nhất, nhưng cũng thiết thực nhất, để mang lại các tác nhân hữu ích, tự trị một cách an toàn và hiệu quả. Quan trọng nhất, phối hợp có nghĩa là ngay cả những giải pháp tham vọng nhất cũng minh bạch và được biết đến bởi những người sáng tạo và những người làm việc cùng với họ. Hãy nhớ rằng trong trường hợp này, quy mô không đến từ các mạng lưới thần kinh ngày càng lớn hơn, mà từ các thành phần độc lập, được xác định rõ ràng được tổ chức theo những cách có ý nghĩa đối với con người. Ví dụ: thay vì đào tạo một mô hình khổng lồ để ghi lại các ghi chú cuộc họp của khách hàng, hãy rút ra suy luận từ kết quả, cập nhật bản ghi CRM tương ứng và sau đó gửi thông tin tiếp theo, hãy giao từng nhiệm vụ này cho một mô hình được đào tạo riêng.
Trên thực tế, tôi đã dành phần lớn sự nghiệp nghiên cứu của mình trong lĩnh vực robot và tôi không thể không nhìn xa hơn, tưởng tượng rằng việc biên đạo như vậy có thể được thực hiện trong một không gian trong thế giới thực. Trong các nhà máy, văn phòng, bệnh viện và thậm chí cả nhà hàng, mô hình làm việc song song với con người để hoàn thành nhiều nhiệm vụ khác nhau. Nghe có vẻ cao cả và xa vời, nhưng ngay bây giờ, tiềm năng phối khí là rất lớn.
Hãy nói về lợi ích của nó. Trước hết, điều phối giúp chúng tôi tránh khỏi khó khăn trong việc lắp ráp một tập dữ liệu đủ lớn và làm cho một mô hình duy nhất trở nên linh hoạt để giải quyết những khó khăn của các tác nhân đa miền, đồng thời loại bỏ rủi ro đưa một lượng lớn dữ liệu rất khác nhau vào một tập đào tạo duy nhất. **Ngoài ra, mỗi mô hình có thể được tinh chỉnh thêm bởi RLHF. Do đó, trong hệ thống này, mỗi thành phần rất chuyên biệt và được sử dụng để hoàn thành các bước quan trọng nhưng có thể quản lý được trong một nhiệm vụ lớn hơn.
Khi có vấn đề phát sinh, cho dù trong quá trình vận hành hay sản xuất, các vấn đề có thể được xác định dễ dàng hơn thông qua một mô hình chuyên dụng duy nhất để hiểu rõ hơn và giải quyết chúng. Ngay cả những lỗi nghiêm trọng cũng có thể được xử lý theo cách mô-đun mạnh mẽ hơn. Và nhiều mô hình hoạt động cùng nhau, các lỗi dễ kiểm soát và cô lập hơn, và có nhiều cơ hội hơn để liên tục khi một thành phần duy nhất bị lỗi.
** The Art Nouveau for Generative AI: Thiết kế trên nhiều mô hình **
Quan trọng hơn, nó nâng cao việc tạo ra các mô hình AI doanh nghiệp từ một nhiệm vụ kỹ thuật thuần túy thành một nhiệm vụ mô hình hóa các quy trình kinh doanh theo các thuật ngữ mà các bên liên quan của con người có thể hiểu được. Giống như một người quản lý giỏi sẽ chia nhỏ vấn đề cho một nhóm để giải quyết, một người điều phối AI sẽ có khả năng chia nhỏ vấn đề thành một loạt các mô hình được xây dựng có mục đích.
Điều đặc biệt thú vị về tầm nhìn này là nó chỉ ra một kỹ năng mới, người ta thậm chí có thể gọi nó là một nghệ thuật mới nổi và tôi mong muốn được thấy nó phát triển trong doanh nghiệp. Các chuyên gia điều phối LAM sẽ suy nghĩ ở mức độ cao, coi nhu cầu của doanh nghiệp như một doanh nghiệp, không chỉ là một nền tảng công nghệ, và sử dụng cái nhìn sâu sắc này để chia nhỏ các nhiệm vụ lớn, có ý nghĩa thành một loạt các nhiệm vụ nhỏ hơn để các "nhóm" LAM giải quyết.
Công việc của họ đan xen cơ sở hạ tầng, khoa học dữ liệu và thiết kế giao diện người-máy. Cái trước đảm bảo rằng các nhóm mô hình này có thể triển khai một cách an toàn và hiệu quả, trong khi nhóm sau cố gắng thu thập các bộ dữ liệu duy nhất để giải quyết các vấn đề nhỏ hơn, ít mơ hồ hơn. Nói cách khác, các chuyên gia điều phối có thể trở thành gương mặt mới của AI doanh nghiệp, tập trung ít hơn vào các chi tiết cụ thể của mạng thần kinh và nhiều hơn vào cách xây dựng các hệ thống mạnh mẽ, mạnh mẽ.
Trên thực tế, điều cuối cùng tôi hy vọng là kỹ năng này không hiếm cũng không độc quyền, mà là phổ biến, biến sự phối hợp của LAM thành một giải pháp mạnh mẽ, được cá nhân hóa sẽ đóng một vai trò ngày càng quan trọng trong cuộc sống chuyên nghiệp của chúng tôi. Khi thị trường xuất hiện, rào cản gia nhập có thể được hạ thấp hơn nữa, mang đến cho thế giới một giải pháp điều phối LAM giống như phi công phụ, chỉ đơn giản là cung cấp năng lượng cho AI tạo ra ở quy mô đáng kinh ngạc.
Một số sẽ sử dụng giải pháp thị trường này trực tiếp, biến việc điều phối LAM thành hiện thực. Những người khác sẽ coi chúng là mô-đun và kết hợp chúng với các mô-đun khác để tạo thành các giải pháp có kích thước khác nhau theo nhu cầu của họ. Nhưng trong cả hai trường hợp, điều làm tôi phấn khích nhất là AI tạo ra được định hình không quá nhiều bởi một nhóm nhỏ các nhà công nghệ ưu tú mà bởi sự sáng tạo và tầm nhìn của các chuyên gia trong các lĩnh vực khác nhau.
Trên thực tế, tầm nhìn của tôi về tương lai của công việc là một thế giới nơi AI hỗ trợ các kỹ năng của con người và cho phép chúng ta suy nghĩ ở cấp độ cao hơn, đơn giản hóa mọi thứ chúng ta làm trong khi vẫn giữ được sự sáng tạo, phong cách và quan điểm khiến chúng ta khác biệt.
Tóm tắt
Hiện thực hóa bất kỳ tầm nhìn mới nào là dần dần, và LAM cũng không ngoại lệ. Tuy nhiên, những năm gần đây đã chỉ ra rằng mỗi bước đi của con đường sẽ được biến đổi. Ngay từ khi thành lập, LLM đã cho thấy tiềm năng hiếm có cho sự đột phá và đổi mới. Các tác nhân hỗ trợ như Einstein Copilot đưa thanh này lên một tầm cao mới với giao diện trực quan, các tính năng bảo mật và tin cậy mạnh mẽ và tích hợp liền mạch với các hệ thống phi công phụ truyền thống.
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.
Điều phối mô hình nhỏ, để 1 + 1_2, doanh nghiệp làm việc linh hoạt và hiệu quả hơn
Nguồn gốc: Machine Energy
Việc sử dụng AI ngày càng trở nên phổ biến và không giới hạn ở việc sử dụng nó bởi các cá nhân. Nó cũng ngày càng trở nên phổ biến trong các doanh nghiệp sử dụng AI để cải thiện quy trình làm việc và nâng cao công việc. Nhưng phải đề cập rằng mạnh hơn thường là các mô hình lớn hơn, điều này sẽ gây khó khăn trong việc triển khai doanh nghiệp. Silvio Saese đã viết về suy nghĩ của mình về vấn đề này, ** mô hình không lớn hơn là tốt hơn, mô hình nhỏ có thể xử lý tốt hơn nội dung công việc. **
Sau đây là bản dịch và sắp xếp văn bản gốc bằng trái tim máy mà không thay đổi ý nghĩa ban đầu.
Trong những tháng gần đây, tôi đã viết rất nhiều về cái mà tôi gọi là LAM (Mô hình hành động lớn), một biến thể tự trị, tích cực hơn của LLM. Nó không chỉ tạo ra nội dung như văn bản hoặc hình ảnh mà còn có thể hoàn thành toàn bộ nhiệm vụ và thậm chí tham gia vào quy trình làm việc, cho dù với mọi người hay một mình. Năm nay, tại Dreamforce 2023, với sự ra mắt của Einstein Copilot, tầm nhìn đó đã có một bước tiến lớn hướng tới hiện thực. Einstein Copilot, trợ lý đàm thoại AI của Salesforce, sẽ được triển khai trên nền tảng Salesforce và sẵn sàng được tích hợp vào hầu hết mọi thứ khách hàng làm.
** Einstein Copilot: Cái nhìn thoáng qua về tương lai của AI tạo ra **
Thật khó để không gây ấn tượng với Einstein Copilot ra khỏi hộp. Nó được thiết kế từ đầu để làm việc hiệu quả một cách an toàn bằng cách hỗ trợ người dùng trong hầu hết các loại quy trình làm việc. Nó có thể xử lý các câu hỏi được xuất bản bằng ngôn ngữ tự nhiên và cung cấp các câu trả lời đáng tin cậy có liên quan được trích xuất từ dữ liệu độc quyền được bảo mật bởi công ty. Đây là một bức tranh rõ ràng về nơi tôi tin rằng AI đang hướng tới trong doanh nghiệp: một giao diện duy nhất, đáng tin cậy được thiết kế xung quanh sự tương tác hàng ngày giữa người và máy tính và có khả năng trợ giúp nhiều nhiệm vụ khác nhau. Nó thể hiện sức mạnh của AI để đảm bảo rằng công nghệ đáp ứng nhu cầu của các doanh nghiệp và tôi không nghi ngờ gì rằng nó cũng sẽ thay đổi cách khách hàng làm việc. Và LAM, khi nó phát triển về tính linh hoạt và chức năng, sẽ đưa lực lượng vốn đã rất mạnh mẽ này lên một tầm cao mới.
** Làm cho các mô hình AI tạo ra "nhỏ và lớn"**
Gần đây, nhiều chủ đề trong AI tạo ra đã xoay quanh quy mô mô hình và kiến trúc mô hình cung cấp năng lượng cho LLM và LAM. Khi các công ty như OpenAI tiếp tục đẩy giới hạn về quy mô, với số lượng thông số vượt quá 100 tỷ, không khó để kết luận rằng lớn hơn là tốt hơn. Trên thực tế, các mô hình lớn thường tự hào rằng hiệu suất của chúng rất khó hoặc không thể đạt được bằng cách khác. Và khi kích thước của mô hình tăng lên, hành vi cực kỳ phức tạp xuất hiện, cho thấy các chiến lược quy mô lớn hơn có thể mang lại lợi ích đáng kể.
** Các mô hình thu hẹp quy mô chiến lược có thể mang lại lợi ích to lớn như thế nào **
Trong khi các mô hình lớn hơn tiếp tục thống trị các tiêu đề, theo đuổi các mô hình lớn hơn không phải là chiến lược tốt nhất. Rõ ràng nhất, các mô hình lớn nhất hiện nay đắt tiền về mặt tính toán và nhiều công ty nằm ngoài tầm với. Và, ngay cả những doanh nghiệp có đủ khả năng triển khai chúng cũng phải thừa nhận rằng đầu ra chất lượng cao mà họ hứa hẹn có thể cực kỳ chậm. Ngoài ra, chúng tôi vẫn phải đối mặt với các vấn đề về niềm tin, bảo mật, tác hại và quyền sở hữu như bản quyền, tất cả đều xuất phát từ các bộ dữ liệu khổng lồ, có nguồn gốc toàn cầu mà các mô hình siêu quy mô dựa vào.
Những bất cập này khiến các mẫu xe nhỏ ngày càng hấp dẫn trong nhiều lĩnh vực. Chúng tương đối tiết kiệm chi phí và có thể được điều chỉnh với tốc độ đáng kinh ngạc. Ngày nay, LLM được thiết kế đặc biệt thậm chí có thể chạy hoàn toàn ở rìa trong một số trường hợp, bao gồm cả thiết bị di động của người dùng cuối. Và bởi vì họ yêu cầu đào tạo ít hơn, khách hàng có thể đóng vai trò quản lý tích cực hơn trong việc chuẩn bị bộ dữ liệu của họ. Tại thời điểm này, những cải tiến lớn có thể được thực hiện về chất lượng, bảo mật và thậm chí cả tình trạng pháp lý của nội dung có trong tập dữ liệu.
Bằng cách tập trung vào các khu vực hẹp hơn, chất lượng đầu ra mô hình nhỏ cũng có thể ngang bằng với "những người anh lớn" của họ. Các mô hình như ChatGPT về cơ bản được thiết kế cho tất cả mọi người, giúp làm bài tập về nhà, công thức nấu ăn tối, trả lời các câu hỏi về khoa học, công nghệ, lịch sử và văn hóa đại chúng. Ngược lại, AI tạo ra cho các doanh nghiệp có thể và nên tập trung vào các lĩnh vực vấn đề nhỏ hơn, phù hợp hơn. Đây rõ ràng là đôi bên cùng có lợi: nó có nghĩa là hạ thấp các rào cản gia nhập mà không ảnh hưởng đến chất lượng đầu ra. **
**Cách phối hợp các mô hình nhỏ mang lại tiềm năng lớn **
Ngay cả những mô hình nhỏ cũng có thể cung cấp các giải pháp lớn, chúng ta chỉ cần suy nghĩ khác về quy mô. Thay vì làm cho mô hình lớn hơn, hãy đan xen nhiều mô hình để phục vụ mục tiêu cấp cao hơn. **Mỗi mô hình được thiết kế với một mục tiêu cụ thể trong tâm trí và được đào tạo trên một bộ dữ liệu được quản lý cẩn thận, được kiểm tra nghiêm ngặt và độc quyền. Điều gì sẽ xảy ra nếu các tác nhân AI như Einstein Copilot có thể được kết hợp hoặc phối hợp, giống như nhiều người có thể làm nhiều công việc như một nhóm hơn là cá nhân? Ví dụ, một nhà hàng, là một tổ chức chỉ có thể đạt được bằng tinh thần đồng đội, mỗi thành viên có kỹ năng và lĩnh vực tập trung riêng: người phục vụ chịu trách nhiệm gọi món, đầu bếp chịu trách nhiệm chuẩn bị thức ăn, nhân viên lễ tân chịu trách nhiệm xử lý đặt chỗ và đặt hàng, và tài xế chịu trách nhiệm giao thức ăn. Vậy, LAM sẽ trông như thế nào khi được tổ chức theo cách tương tự?
Gần đây tôi đã suy nghĩ về việc phối hợp và tôi nghĩ đó là một trong những công nghệ thú vị nhất, nhưng cũng thiết thực nhất, để mang lại các tác nhân hữu ích, tự trị một cách an toàn và hiệu quả. Quan trọng nhất, phối hợp có nghĩa là ngay cả những giải pháp tham vọng nhất cũng minh bạch và được biết đến bởi những người sáng tạo và những người làm việc cùng với họ. Hãy nhớ rằng trong trường hợp này, quy mô không đến từ các mạng lưới thần kinh ngày càng lớn hơn, mà từ các thành phần độc lập, được xác định rõ ràng được tổ chức theo những cách có ý nghĩa đối với con người. Ví dụ: thay vì đào tạo một mô hình khổng lồ để ghi lại các ghi chú cuộc họp của khách hàng, hãy rút ra suy luận từ kết quả, cập nhật bản ghi CRM tương ứng và sau đó gửi thông tin tiếp theo, hãy giao từng nhiệm vụ này cho một mô hình được đào tạo riêng.
Trên thực tế, tôi đã dành phần lớn sự nghiệp nghiên cứu của mình trong lĩnh vực robot và tôi không thể không nhìn xa hơn, tưởng tượng rằng việc biên đạo như vậy có thể được thực hiện trong một không gian trong thế giới thực. Trong các nhà máy, văn phòng, bệnh viện và thậm chí cả nhà hàng, mô hình làm việc song song với con người để hoàn thành nhiều nhiệm vụ khác nhau. Nghe có vẻ cao cả và xa vời, nhưng ngay bây giờ, tiềm năng phối khí là rất lớn.
Hãy nói về lợi ích của nó. Trước hết, điều phối giúp chúng tôi tránh khỏi khó khăn trong việc lắp ráp một tập dữ liệu đủ lớn và làm cho một mô hình duy nhất trở nên linh hoạt để giải quyết những khó khăn của các tác nhân đa miền, đồng thời loại bỏ rủi ro đưa một lượng lớn dữ liệu rất khác nhau vào một tập đào tạo duy nhất. **Ngoài ra, mỗi mô hình có thể được tinh chỉnh thêm bởi RLHF. Do đó, trong hệ thống này, mỗi thành phần rất chuyên biệt và được sử dụng để hoàn thành các bước quan trọng nhưng có thể quản lý được trong một nhiệm vụ lớn hơn.
Khi có vấn đề phát sinh, cho dù trong quá trình vận hành hay sản xuất, các vấn đề có thể được xác định dễ dàng hơn thông qua một mô hình chuyên dụng duy nhất để hiểu rõ hơn và giải quyết chúng. Ngay cả những lỗi nghiêm trọng cũng có thể được xử lý theo cách mô-đun mạnh mẽ hơn. Và nhiều mô hình hoạt động cùng nhau, các lỗi dễ kiểm soát và cô lập hơn, và có nhiều cơ hội hơn để liên tục khi một thành phần duy nhất bị lỗi.
** The Art Nouveau for Generative AI: Thiết kế trên nhiều mô hình **
Quan trọng hơn, nó nâng cao việc tạo ra các mô hình AI doanh nghiệp từ một nhiệm vụ kỹ thuật thuần túy thành một nhiệm vụ mô hình hóa các quy trình kinh doanh theo các thuật ngữ mà các bên liên quan của con người có thể hiểu được. Giống như một người quản lý giỏi sẽ chia nhỏ vấn đề cho một nhóm để giải quyết, một người điều phối AI sẽ có khả năng chia nhỏ vấn đề thành một loạt các mô hình được xây dựng có mục đích.
Điều đặc biệt thú vị về tầm nhìn này là nó chỉ ra một kỹ năng mới, người ta thậm chí có thể gọi nó là một nghệ thuật mới nổi và tôi mong muốn được thấy nó phát triển trong doanh nghiệp. Các chuyên gia điều phối LAM sẽ suy nghĩ ở mức độ cao, coi nhu cầu của doanh nghiệp như một doanh nghiệp, không chỉ là một nền tảng công nghệ, và sử dụng cái nhìn sâu sắc này để chia nhỏ các nhiệm vụ lớn, có ý nghĩa thành một loạt các nhiệm vụ nhỏ hơn để các "nhóm" LAM giải quyết.
Công việc của họ đan xen cơ sở hạ tầng, khoa học dữ liệu và thiết kế giao diện người-máy. Cái trước đảm bảo rằng các nhóm mô hình này có thể triển khai một cách an toàn và hiệu quả, trong khi nhóm sau cố gắng thu thập các bộ dữ liệu duy nhất để giải quyết các vấn đề nhỏ hơn, ít mơ hồ hơn. Nói cách khác, các chuyên gia điều phối có thể trở thành gương mặt mới của AI doanh nghiệp, tập trung ít hơn vào các chi tiết cụ thể của mạng thần kinh và nhiều hơn vào cách xây dựng các hệ thống mạnh mẽ, mạnh mẽ.
Trên thực tế, điều cuối cùng tôi hy vọng là kỹ năng này không hiếm cũng không độc quyền, mà là phổ biến, biến sự phối hợp của LAM thành một giải pháp mạnh mẽ, được cá nhân hóa sẽ đóng một vai trò ngày càng quan trọng trong cuộc sống chuyên nghiệp của chúng tôi. Khi thị trường xuất hiện, rào cản gia nhập có thể được hạ thấp hơn nữa, mang đến cho thế giới một giải pháp điều phối LAM giống như phi công phụ, chỉ đơn giản là cung cấp năng lượng cho AI tạo ra ở quy mô đáng kinh ngạc.
Một số sẽ sử dụng giải pháp thị trường này trực tiếp, biến việc điều phối LAM thành hiện thực. Những người khác sẽ coi chúng là mô-đun và kết hợp chúng với các mô-đun khác để tạo thành các giải pháp có kích thước khác nhau theo nhu cầu của họ. Nhưng trong cả hai trường hợp, điều làm tôi phấn khích nhất là AI tạo ra được định hình không quá nhiều bởi một nhóm nhỏ các nhà công nghệ ưu tú mà bởi sự sáng tạo và tầm nhìn của các chuyên gia trong các lĩnh vực khác nhau.
Trên thực tế, tầm nhìn của tôi về tương lai của công việc là một thế giới nơi AI hỗ trợ các kỹ năng của con người và cho phép chúng ta suy nghĩ ở cấp độ cao hơn, đơn giản hóa mọi thứ chúng ta làm trong khi vẫn giữ được sự sáng tạo, phong cách và quan điểm khiến chúng ta khác biệt.
Tóm tắt
Hiện thực hóa bất kỳ tầm nhìn mới nào là dần dần, và LAM cũng không ngoại lệ. Tuy nhiên, những năm gần đây đã chỉ ra rằng mỗi bước đi của con đường sẽ được biến đổi. Ngay từ khi thành lập, LLM đã cho thấy tiềm năng hiếm có cho sự đột phá và đổi mới. Các tác nhân hỗ trợ như Einstein Copilot đưa thanh này lên một tầm cao mới với giao diện trực quan, các tính năng bảo mật và tin cậy mạnh mẽ và tích hợp liền mạch với các hệ thống phi công phụ truyền thống.