Кључне Ствари
- Успех ChatGPT-а је покренуо значајне инвестиције у истраживање и примену вештачке интелигенције, што доводи до неслућених могућности и развоја у овој области.
- Семантичка претрага са векторским базама података прави револуцију у алгоритмима претраживања користећи уграђивање речи и семантичко разумевање, пружајући контекстуално прецизније резултате.
- Развој АИ агената и стартапова који користе више агената има за циљ постизање потпуне аутономије и превазилажење постојећих ограничења кроз самопроцену, корекцију и сарадњу између више агената.
Изванредан успех ChatGPT-а натерао је сваку технолошку компанију да инвестира у истраживање вештачке интелигенције и пронађе начине за интеграцију АИ у своје производе. Ово је ситуација какву никада раније нисмо видели, али вештачка интелигенција је још увек у раној фази развоја.
Међутим, не ради се само о популарним АИ четботовима и генераторима текста у слику. На хоризонту су неки веома спекулативни, али изузетно импресивни АИ алати.
Семантичка претрага уз помоћ векторских база података
Кредит за слику: Firmbee.com/Unsplash
Семантички упити за претрагу се тестирају како би се корисницима пружили побољшани резултати претраге. Тренутно, претраживачи користе алгоритме фокусиране на кључне речи како би корисницима доставили релевантне информације. Међутим, превелико ослањање на кључне речи доноси неколико проблема, попут ограниченог разумевања контекста, могућности да маркетиншки стручњаци злоупотребе СЕО и лоших резултата претраге због тешкоћа у формулисању сложених упита.
За разлику од традиционалних алгоритама претраге, семантичка претрага користи уграђивање речи и семантичко мапирање како би разумела контекст упита пре него што понуди резултате претраге. Дакле, уместо да се ослања на пуки скуп кључних речи, семантичка претрага даје резултате засноване на семантици или значењу датог упита.
Концепт семантичке претраге постоји већ неко време. Међутим, компаније су се суочавале са потешкоћама у имплементацији ове функционалности због тога колико семантичка претрага може бити спора и захтевна за ресурсе.
Решење се налази у мапирању векторских уграђивања и њиховом складиштењу у великим векторским базама података. Ово значајно смањује захтеве за рачунарском снагом и убрзава резултате претраге, фокусирајући их само на најрелевантније информације.
Велике технолошке компаније и стартапи, као што су Pinecone, Redis и Milvus, тренутно инвестирају у векторске базе података како би омогућили семантичку претрагу у системима за препоруке, претраживачима, системима за управљање садржајем и четботовима.
Демократизација АИ
Иако то није нужно технички пробој, неколико великих технолошких компанија је заинтересовано за демократизацију АИ. Без обзира на то да ли је то добро или лоше, АИ модели отвореног кода се сада тренирају и дају са лиценцама које организације могу да користе и фино подешавају.
Wall Street Journal извештава да Мета набавља Nvidia H100 АИ акцелераторе и има за циљ да развије АИ који може да се такмичи са најновијим OpenAI GPT-4 моделом.
Тренутно не постоји јавно доступан ЛЛМ који може да парира сировим перформансама GPT-4. Међутим, пошто Мета обећава конкурентан производ са флексибилнијом лиценцом, компаније коначно могу фино подесити моћан ЛЛМ без ризика да ће пословне тајне и осетљиви подаци бити изложени и коришћени против њих.
АИ агенти и стартапи са више агената
Кредит за слику: Annie Spratt/Unsplash
Тренутно се ради на неколико експерименталних пројеката за развој АИ агената који захтевају мало или нимало упутстава за постизање одређеног циља. Можда се сећате концепта АИ агената из Auto-GPT-а, АИ алата који аутоматизује његове радње.
Идеја је да агент постигне потпуну аутономију кроз континуирану самопроцену и самокорекцију. Концепт рада на постизању саморефлексије и исправке је да агент стално преиспитује себе у сваком кораку о томе шта треба да уради, кораке за то, грешке које је направио и шта може да уради да се побољша.
Проблем је у томе што тренутни модели који се користе у АИ агентима имају ограничено семантичко разумевање. Ово доводи до тога да агенти халуцинирају и износе нетачне информације, због чега се заглаве у бесконачној петљи самопроцене и исправке.
Пројекти као што је MetaGPT Multi-agent Framework имају за циљ да реше овај проблем коришћењем више АИ агената истовремено како би се смањиле такве халуцинације. Оквири са више агената су постављени да опонашају начин рада стартап компаније. Сваком агенту у овом стартапу ће бити додељене позиције као што су менаџер пројекта, дизајнер пројекта, програмер и тестер. Делећи сложене циљеве на мање задатке и делегирајући их различитим АИ агентима, већа је вероватноћа да ће ови агенти постићи задате циљеве.
Наравно, ови оквири су још увек у раној фази развоја и многа питања тек треба да се реше. Али са моћнијим моделима, бољом АИ инфраструктуром и континуираним истраживањем и развојем, само је питање времена када ће ефикасни АИ агенти и компаније са више АИ агената постати стварност.
Обликовање наше будућности помоћу вештачке интелигенције
Велике корпорације и стартапи знатно улажу у истраживање и развој вештачке интелигенције и њене инфраструктуре. Дакле, можемо очекивати да ће будућност генеративне вештачке интелигенције пружити побољшан приступ корисним информацијама кроз семантичку претрагу, потпуно аутономне АИ агенте и компаније са вештачком интелигенцијом и слободно доступне моделе високих перформанси које компаније и појединци могу да користе и фино подешавају.
Иако је ово узбудљиво, такође је важно да издвојимо време да размислимо о етици вештачке интелигенције, приватности корисника и одговорном развоју АИ система и инфраструктуре. Подсетимо се да еволуција генеративне вештачке интелигенције није само стварање паметнијих система; такође се ради о преиспитивању наших мисли и одговорности за начин на који користимо технологију.