آینده هوش مصنوعی مولد مشخص است، نه تعمیم

در حال حاضر مشخص نیست که آیا این واقعاً یک “لحظه آیفون” است یا یک تهدید جدی برای جستجوی Google – در حالی که احتمالاً باعث تغییر در رفتارها و انتظارات کاربران می شود، اولین تغییر سازمان ها خواهد بود که ابزارهای آموزش دیده را ارائه کنند. در مدل های زبان بزرگ (LLM) برای یادگیری از داده ها و خدمات خود.

و این، در نهایت، کلید است – اهمیت و ارزش هوش مصنوعی مولد امروزه واقعاً بحث تحول اجتماعی یا صنعت نیست. در عوض این مسئله این است که چگونه این فناوری می‌تواند راه‌های جدیدی را برای تعامل با داده‌ها و اطلاعات زیاد و غیرقابل استفاده باز کند.

OpenAI به وضوح با این واقعیت هماهنگ است و یک فرصت تجاری را حس می کند: اگرچه لیست سازمان هایی که در طرح پلاگین ChatGPT شرکت می کنند کوچک است، OpenAI لیست انتظاری را باز کرده است که در آن شرکت ها می توانند برای دسترسی به افزونه ها ثبت نام کنند. در ماه‌های آینده، بدون شک محصولات و رابط‌های جدید بسیاری را خواهیم دید که توسط سیستم‌های هوش مصنوعی مولد OpenAI پشتیبانی می‌شوند.

در حالی که به راحتی می توان در دام مشاهده OpenAI به عنوان تنها دروازه بان این فناوری – و ChatGPT به عنوان را ابزار هوش مصنوعی مولد go-to – خوشبختانه این موضوع دور از ذهن است. شما نیازی به ثبت نام در لیست انتظار ندارید یا مقادیر زیادی پول نقد برای تحویل به سام آلتمن در دسترس ندارید. در عوض، امکان میزبانی LLM ها توسط خود وجود دارد.

این چیزی است که ما در Thoughtworks شروع به دیدن آن کرده ایم. در آخرین جلد از رادار فناوری – راهنمای نظری ما برای تکنیک‌ها، پلتفرم‌ها، زبان‌ها و ابزارهایی که امروزه در سراسر صنعت مورد استفاده قرار می‌گیرند- تعدادی ابزار و شیوه‌های مرتبط با هم را شناسایی کرده‌ایم که نشان می‌دهند آینده هوش مصنوعی مولد، خاص و تخصصی است. ، برخلاف آنچه که بسیاری از مکالمات رایج می خواهید باور کنید.

متأسفانه، ما فکر نمی کنیم این چیزی باشد که بسیاری از رهبران کسب و کار و فناوری هنوز آن را تشخیص داده اند. تمرکز صنعت روی OpenAI قرار گرفته است، به این معنی که اکوسیستم نوظهور ابزارهای فراتر از آن – نمونه‌ای از پروژه‌هایی مانند GPT-J و GPT Neo – و رویکرد DIY بیشتری که آنها می‌توانند تسهیل کنند تاکنون تا حدودی نادیده گرفته شده است. این مایه شرمساری است زیرا این گزینه ها مزایای زیادی را ارائه می دهند. به عنوان مثال، یک LLM خود میزبان مشکلات بسیار واقعی حریم خصوصی را که می تواند از اتصال داده ها با یک محصول OpenAI به وجود بیاید، کنار می گذارد. به عبارت دیگر، اگر می خواهید یک LLM را در داده های سازمانی خود مستقر کنید، می توانید دقیقاً خودتان این کار را انجام دهید. نیازی به رفتن به جای دیگری نیست با توجه به نگرانی های صنعت و عمومی در مورد حفظ حریم خصوصی و مدیریت داده ها، محتاط بودن به جای فریفته شدن توسط تلاش های بازاریابی فناوری های بزرگ بسیار معقول است.

روند مرتبطی که ما شاهد آن بوده ایم، مدل های زبان خاص دامنه است. اگرچه اینها نیز تازه در حال ظهور هستند، تنظیم دقیق LLMهای عمومی و همه منظوره بر روی داده های خود می تواند پایه ای برای توسعه ابزارهای بازیابی اطلاعات فوق العاده مفید باشد. اینها می توانند برای مثال در اطلاعات محصول، محتوا یا اسناد داخلی استفاده شوند. در ماه‌های آینده، ما فکر می‌کنیم که نمونه‌های بیشتری از این موارد را خواهید دید که برای انجام کارهایی مانند کمک به کارکنان پشتیبانی مشتری و امکان دادن به تولیدکنندگان محتوا برای آزمایش آزادانه‌تر و سازنده‌تر استفاده می‌شوند.

اگر هوش مصنوعی مولد بیشتر به دامنه خاص تبدیل شود، این سوال که واقعاً چه معنایی برای انسان دارد، باقی می ماند. با این حال، من پیشنهاد می‌کنم که این دیدگاه از آینده میان‌مدت هوش مصنوعی نسبت به بسیاری از چشم‌اندازهای عذاب‌آور امروزی بسیار کمتر تهدیدکننده و ترسناک است. با پر کردن بهتر شکاف بین هوش مصنوعی مولد و مجموعه داده‌های خاص‌تر و خاص‌تر، در طول زمان مردم باید رابطه متفاوتی با این فناوری ایجاد کنند. به عنوان چیزی که ظاهراً همه چیز را می داند، رمز و راز خود را از دست می دهد و در عوض در متن ما جا می گیرد.