Согласно компании S&P Global, 2024 год станет годом создателей приложений на искусственном интеллекте. Такие основные модели, как большие языковые модели (LLM), доминировали в последних обсуждениях. Однако инвесторы все более ориентированы на компании, разрабатывающие приложения с искусственным интеллектом, приносящие ощутимые выгоды для конкретных случаев использования. Фактически, по данным S&P Global Market Intelligence и 451 Research, в первом квартале 2024 года компании в области искусственного интеллекта без собственных основных моделей привлекли в два раза больше инвестиций, чем в то же самое время в прошлом году.
Один из самых захватывающих обещаний искусственного интеллекта заключается в его способности экономить время работников. Однако для того чтобы искусственный интеллект оказал существенное воздействие, бизнесу необходимы инструменты искусственного интеллекта, адаптированные к конкретным отраслям или рабочим ролям. В то же время эти инструменты должны быть надежными и надежными. Однако, в то время как чат-боты на основе LLM могут хорошо общаться и предлагать общие советы, им часто не хватает специализированных знаний или инструментов, необходимых. Это делает их уязвимыми для неточностей или галлюцинаций из-за широкого спектра тренировочных данных. В этом случае более целевые инструменты, настроенные на свои конкретные случаи использования, скорее всего, обеспечат надежные и точные результаты.
Для того чтобы проиллюстрировать этот момент, рассмотрим предстоящие Олимпийские игры. Фундаментальные модели подобны основным качествам хорошего олимпийского чемпиона, представляя собой фитнес, преданность и неугасимое стремление к совершенству. Однако Олимпиада включает в себя 32 вида спорта с более чем 400 различными событиями, каждое из которых требует различных навыков и опыта — многое напоминает разнообразные отрасли и работу в обществе. И, хотя искусственный интеллект предоставляет основные технологии, которые будут поддерживать различные продукты и услуги, каждому из этих отдельных продуктов необходима специализация с соответствующими навыками для создания ценности для их конкретного использования.
Редко бывает, чтобы один атлет выступал в нескольких различных видах спорта или дисциплинах на Олимпиаде. Каждый атлет высококвалифицирован в своем конкретном виде спорта. Например, спринтер оптимизирует свою силу и физику, чтобы быть мощным и быстрым на короткие дистанции. Однако это означает, что он не подходит для других дисциплин, таких как бег на длинные дистанции. Самые известные чат-боты на искусственном интеллекте сегодня являются универсальными. Они призваны иметь общие знания о мире в широком диапазоне тем. Данный чат-бот, возможно, сможет предоставлять обобщенную информацию на широкий спектр тем, но он не сможет блестеть в более конкретных задачах.
Возьмем, например, инструмент универсального поиска, работающий на искусственном интеллекте. Он должен способен находить и извлекать нужную информацию быстро. Подобно спринтеру, бегущему на 100 метров, он оптимизирован для экономии ценных секунд при каждом выполнении. Однако есть и другие задачи, которые могут потребовать искусственного интеллекта, разработанного для длительной работы на протяжении длительного времени, более похожего на бегуна на длинные дистанции. Например, прогностические модели искусственного интеллекта в бизнес-прогнозировании должны изучать шаблоны деятельности каждого бизнеса, анализируя исторические данные и накапливая этот опыт со временем.
Благодаря специализации в операциях бизнеса оно может предсказывать будущее направление компании на основе предыдущих результатов. Прогностические модели искусственного интеллекта также должны постоянно корректировать прогнозы на основе непрерывных изменений в операциях и внешних бизнес-факторах. Но согласно недавним исследованиям Массачусетской технологической школы и лаборатории по компьютерным наукам и искусственному интеллекту (CSAIL) демонстрируется, что совместная работа нескольких больших языковых моделей обеспечивает более точный результат, возможно, появится новый тип экосистемы искусственного интеллекта.
Когда мы рассматриваем траекторию экосистемы искусственного интеллекта, мы видим два различных пути, по которым индустрия может двигаться. Первый — это гонка за создание лучшей общей модели искусственного интеллекта. Эта система искусственного интеллекта работала бы на высоком уровне в различных задачах, подобно десятиборцу, который способен соревноваться в различных дисциплинах, от спринта до прыжков в длину и толкания ядра. Преимущество этого пути — это безшовный опыт для сотрудников, который оптимизирует рабочий процесс. Однако, подобно десятиборцу, который может не соответствовать производительности специалиста в любом конкретном событии, общая модель искусственного интеллекта может столкнуться с трудностями в достижении такого же уровня превосходства, как у более специализированных инструментов.
Альтернативный путь предвидит будущую экосистему искусственного интеллекта как сеть специализированных продуктов искусственного интеллекта, больше напоминающую команду специализированных атлетов. В этой модели каждый искусственный интеллект специализируется в определенной области, подобно тому, как отдельные атлеты фокусируются на конкретных видах спорта. Этот подход отражает то, как олимпийская сборная комбинирует таланты спринтеров, пловцов и гимнастов для максимизации своего коллективного потенциала медалей для своей страны. Специализация обеспечивает оптимальную производительность каждого искусственного интеллекта в рамках его области, часто превосходящей возможности общей системы. Однако успех этого сетевого подхода потребует сложной координации и совместимости, чтобы создать безшовный опыт для пользователей.
Прогнозируя, как будет развиваться будущая экосистема искусственного интеллекта, мы можем посмотреть на Олимпийские игры в Париже этим летом, чтобы заглянуть в два потенциальных пути. Будь то похожее на десятиборца общее инструмент искусственного интеллекта или сеть инструментов, которая напоминает команду специализированных атлетов, зависит от целей и решений предприятий в коллективной технологической индустрии. Подобно тому, как каждая страна будет иметь различные цели перед Олимпийскими играми.
От стратегического сосредоточения на специализации до оптимизации шансов на победу, до более широкого подхода для завоевания как можно большего количества золотых медалей в различных дисциплинах, тип экосистемы искусственного интеллекта, который реализует каждое предприятие, в значительной степени будет зависеть от их собственных уникальных целей. Для некоторых предприятий рост через приобретение доли рынка на непредсказуемом рынке потребует скорости и гибкости, тогда как удержание клиентов на застойном рынке потребует более стратегического долгосрочного плана.
Источник: TechRadar
