Tartalomjegyzék
Kulcs elvitelek
- A ChatGPT sikere széles körű befektetést indított el a mesterséges intelligencia kutatásába és integrációjába, ami példátlan lehetőségekhez és előrelépésekhez vezetett ezen a területen.
- A vektoros adatbázisokkal végzett szemantikus keresés forradalmasítja a keresési algoritmusokat azáltal, hogy szóbeágyazásokat és szemantikát használ a kontextuálisan pontosabb eredmények elérése érdekében.
- Az AI-ügynökök és a többügynököt tartalmazó startupok fejlesztésének célja a teljes autonómia elérése és a jelenlegi korlátok feloldása önértékelés, korrekció és több ügynök közötti együttműködés révén.
A ChatGPT fenomenális sikere arra késztetett minden technológiai vállalatot, hogy kezdjen befektetni az AI-kutatásba, és kitalálja, hogyan integrálhatja termékeibe a mesterséges intelligenciát. Ez a helyzet semmihez sem hasonlítható, amit valaha láttunk, de a mesterséges intelligencia még csak most kezdődik.
De ez nem csak a divatos AI chatbotokról és a szöveg-kép generátorokról szól. A láthatáron néhány erősen spekulált, de hihetetlenül lenyűgöző AI-eszköz.
Szemantikus keresés vektoros adatbázisokkal
A kép forrása: Firmbee.com/Unsplash
A szemantikus keresési lekérdezéseket tesztelik, hogy jobb keresési eredményeket biztosítsanak az emberek számára. A keresőmotorok jelenleg kulcsszó-központú algoritmusokat használnak, hogy releváns információkat nyújtsanak a felhasználóknak. A kulcsszavakra való túlzott támaszkodás azonban számos problémát vet fel, mint például a korlátozott kontextusmegértés, a marketingszakemberek kihasználják a SEO-t, és az összetett lekérdezések kifejezési nehézségei miatt rossz minőségű keresési eredmények.
A hagyományos keresési algoritmusokkal ellentétben a szemantikus keresés szóbeágyazást és szemantikai leképezést használ a lekérdezés kontextusának megértéséhez, mielőtt a keresési eredményeket megadná. Tehát a szemantikus keresés ahelyett, hogy egy csomó kulcsszóra hagyatkozna, a szemantika vagy az adott lekérdezés jelentése alapján szolgáltat eredményeket.
A szemantikus keresés fogalma már jó ideje létezik. A vállalatok azonban nehezen tudják megvalósítani ezeket a funkciókat, mivel a szemantikai keresés milyen lassú és erőforrás-igényes lehet.
A megoldás a vektorbeágyazások feltérképezése és tárolása egy nagy vektoradatbázisban. Ez jelentősen csökkenti a számítási teljesítményigényt, és felgyorsítja a keresési eredményeket azáltal, hogy csak a legrelevánsabb információkra szűkíti a találatokat.
A nagy technológiai cégek és startupok, például a Pinecone, a Redis és a Milvus jelenleg vektoradatbázisokba fektetnek be, hogy szemantikus keresési lehetőségeket biztosítsanak ajánlórendszereken, keresőmotorokon, tartalomkezelő rendszereken és chatbotokon.
Az AI demokratizálása
Bár nem feltétlenül technikai előrelépés, több nagy technológiai vállalat is érdeklődik az AI demokratizálásában. Jóban vagy rosszban a nyílt forráskódú mesterséges intelligencia modellek képzése folyamatban van, és megengedőbb licenceket kapnak a szervezetek használatára és finomhangolására.
– írja a Wall Street Journal hogy a Meta megvásárolja az Nvidia H100 AI-gyorsítókat, és olyan mesterséges intelligencia kifejlesztésére törekszik, amely felveszi a versenyt az OpenAI legújabb GPT-4 modelljével.
Jelenleg nincs olyan nyilvánosan elérhető LLM, amely megfelelne a GPT-4 nyers teljesítményének. De mivel a Meta versenyképes terméket ígér megengedőbb licenccel, a vállalatok végre finomhangolhatják egy erős LLM-et anélkül, hogy fennállna annak a veszélye, hogy üzleti titkokat és érzékeny adatokat fednek fel és használják fel ellenük.
AI-ügynökök és többügynök-indítás
A kép forrása: Annie Spratt/Unsplash
Jelenleg számos kísérleti projekt van folyamatban olyan mesterséges intelligencia-ügynökök fejlesztésére, amelyekhez egy bizonyos cél eléréséhez kevés vagy semmilyen utasításra nincs szükség. Emlékezhet az AI-ügynökök fogalmára az Auto-GPT-ből, a műveleteket automatizáló AI-eszközből.
Az ötlet az, hogy az ügynök állandó önértékelés és önkorrekció révén teljes autonómiát érjen el. Az önreflexió és korrekció megvalósításának munkakoncepciója az, hogy az ügynök minden lépésnél folyamatosan felvilágosítsa magának, hogy mit kell tennie, milyen lépéseket kell tennie, milyen hibákat követett el, és mit tehet a javítás érdekében. .
A probléma az, hogy az AI-ügynökökben használt jelenlegi modellek szemantikai megértése kevés. Ez arra készteti az ügynököket, hogy hallucináljanak, és hamis információkat kérjenek ki, aminek következtében elakadnak az önértékelés és korrekció végtelen hurkán.
Az olyan projektek, mint a MetaGPT Multi-agent Framework, a probléma megoldását célozzák úgy, hogy egyidejűleg több mesterségesintelligencia-ügynököt alkalmaznak az ilyen hallucinációk csökkentésére. A többügynökös keretrendszerek úgy vannak beállítva, hogy emulálják egy induló vállalat működését. Ebben az indításban minden ügynökhöz olyan pozíciók tartoznak, mint a projektmenedzser, projekttervező, programozó és tesztelő. Azáltal, hogy az összetett célokat kisebb feladatokra bontja, és különböző AI-ügynökökhöz delegálja, ezek az ügynökök nagyobb valószínűséggel érik el a kitűzött céljaikat.
Természetesen ezek a keretrendszerek még nagyon korai fejlesztés alatt állnak, és sok kérdés még megoldásra szorul. Az erősebb modellek, a jobb mesterségesintelligencia-infrastruktúra, valamint a folyamatos kutatás és fejlesztés révén azonban csak idő kérdése, hogy a hatékony mesterségesintelligencia-ügynökök és a többügynököt alkotó AI-cégek mikor válnak valódivá.
Jövőnk alakítása mesterséges intelligencia segítségével
A nagyvállalatok és startupok jelentős mértékben fektetnek be a mesterséges intelligencia és annak infrastruktúráinak kutatásába és fejlesztésébe. Így arra számíthatunk, hogy a generatív mesterséges intelligencia jövője jobb hozzáférést biztosít a hasznos információkhoz a szemantikus keresés, a teljesen autonóm AI-ügynökök és az AI-cégek, valamint a vállalatok és magánszemélyek által használható és finomhangolás céljából szabadon elérhető, nagy teljesítményű modellek révén.
Bár izgalmas, az is fontos, hogy szánjunk időt a mesterséges intelligencia etikájának, a felhasználók adatainak védelmére, valamint az AI-rendszerek és infrastruktúrák felelős fejlesztésére. Emlékezzünk arra, hogy a generatív mesterséges intelligencia fejlődése nem csupán az intelligensebb rendszerek felépítéséről szól; ez a gondolataink átformálásáról is szól, és arról, hogy felelősek legyünk a technológia használatáért.