Преглед садржаја
Кључне Такеаваис
- Успех ЦхатГПТ-а покренуо је широка улагања у истраживање и интеграцију вештачке интелигенције, што је довело до невиђених могућности и напретка у овој области.
- Семантичка претрага са векторским базама података револуционише алгоритме претраживања користећи уграђивање речи и семантику да би пружила контекстуално тачније резултате.
- Развој АИ агената и стартапова са више агената има за циљ постизање пуне аутономије и решавање тренутних ограничења кроз самопроцену, корекцију и сарадњу између више агената.
Феноменалан успех ЦхатГПТ-а приморао је сваку технолошку компанију да почне да улаже у истраживање вештачке интелигенције и схвати како да интегрише вештачку интелигенцију у своје производе. То је ситуација за разлику од свега што смо икада видели, али вештачка интелигенција тек почиње.
Али не ради се само о фенси АИ цхатботовима и генераторима текста у слику. На хоризонту су неке врло спекулативне, али невероватно импресивне АИ алатке.
Семантичка претрага помоћу векторских база података
Имаге Цредит:Фирмбее.цом/Унспласх
Семантички упити за претрагу се тестирају како би људима пружили боље резултате претраге. Претраживачи тренутно користе алгоритме усредсређене на кључне речи да би корисницима пружили релевантне информације. Међутим, превелико ослањање на кључне речи представља неколико проблема, као што су ограничено разумевање контекста, маркетиншки стручњаци који искоришћавају СЕО и лоши резултати претраге због потешкоћа у изражавању сложених упита.
За разлику од традиционалних алгоритама претраге, семантичка претрага користи уграђивање речи и семантичко мапирање да би разумела контекст упита пре него што пружи резултате претраге. Дакле, уместо да се ослања на гомилу кључних речи, семантичка претрага даје резултате засноване на семантици или значењу датог упита.
Концепт семантичке претраге постоји већ неко време. Међутим, компаније имају потешкоћа са имплементацијом такве функционалности због тога колико семантичка претрага може бити спора и захтевна за ресурсе.
Решење је мапирање векторских уградњи и складиштење у великој векторској бази података. Ово значајно смањује захтеве за рачунарском снагом и убрзава резултате претраге сужавањем резултата на само најрелевантније информације.
Велике технолошке компаније и стартупи као што су Пинецоне, Редис и Милвус тренутно улажу у векторске базе података како би пружили могућности семантичке претраге на системима за препоруке, претраживачима, системима за управљање садржајем и цхатботовима.
Демократизација АИ
Иако то није нужно технички напредак, неколико великих технолошких компанија заинтересовано је за демократизацију АИ. У добру или у злу, АИ модели отвореног кода се сада обучавају и дају им дозволе које организације могу користити и фино подешавати.
Извјештава Валл Стреет Јоурнал да Мета купује Нвидиа Х100 АИ акцелераторе и има за циљ да развије вештачку интелигенцију која се такмичи са најновијим ОпенАИ ГПТ-4 моделом.
Тренутно не постоји јавно доступан ЛЛМ који може да одговара сировим перформансама ГПТ-4. Али с обзиром да Мета обећава конкурентан производ са дозвољенијом лиценцом, компаније коначно могу фино подесити моћан ЛЛМ без ризика да пословне тајне и осетљиви подаци буду изложени и коришћени против њих.
АИ агенти и покретања са више агената
Кредит за слику:Анние Спратт/Унспласх
Тренутно се ради на неколико експерименталних пројеката за развој АИ агената који захтевају мало или нимало инструкција да би постигли одређени циљ. Можда се сећате концепата АИ агената из Ауто-ГПТ-а, АИ алата који аутоматизује његове акције.
Идеја је да агент постигне пуну аутономију кроз сталну самопроцену и самоисправљање. Концепт рада за постизање саморефлексије и исправљања је да агент стално себе наводи на сваком кораку о томе шта треба да се уради, кораке како да то уради, које грешке је направио и шта може да уради да побољша .
Проблем је у томе што тренутни модели који се користе у АИ агентима имају мало семантичког разумевања. То доводи до тога да агенти халуцинирају и подстичу лажне информације, што их доводи до тога да се заглаве у бесконачној петљи самопроцене и исправљања.
Пројекти као што је МетаГПТ Мулти-агент Фрамеворк имају за циљ да реше проблем истовременом употребом неколико АИ агената за смањење таквих халуцинација. Мулти-агентски оквири су постављени да опонашају како би стартап компанија радила. Сваком агенту у овом стартапу биће 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 своје 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 АИ са више агената постати ствар.
Обликовање наше будућности помоћу вештачке интелигенције
Велике корпорације и стартупи увелико улажу у истраживање и развој вештачке интелигенције и њене инфраструктуре. Дакле, можемо очекивати да ће будућност генеративне вештачке интелигенције обезбедити бољи приступ корисним информацијама кроз семантичку претрагу, потпуно аутономне АИ агенте и компаније са вештачком интелигенцијом и бесплатно доступне моделе високих перформанси које компаније и појединци могу користити и фино подешавати.
Иако је узбудљиво, такође је важно да одвојимо време да размотримо етику вештачке интелигенције, приватност корисника и одговоран развој АИ система и инфраструктуре. Подсетимо се да еволуција генеративне вештачке интелигенције није само изградња паметнијих система; такође се ради о преобликовању наших мисли и одговорности за начин на који користимо технологију.
