Modalan Gnìomh Mòr (LAMn): An ath chrìoch ann an eadar-obrachadh le cumhachd AI

Cha mhòr bliadhna air ais, Mustafa Suleyman, co-stèidheadair DeepMind, an dùil gu bheil an linn ginealach AI bheireadh sin slighe gu rudeigin nas eadar-ghnìomhach a dh’ aithghearr: siostaman a tha comasach air gnìomhan a choileanadh le bhith ag eadar-obrachadh le tagraidhean bathar-bog agus goireasan daonna. An-diugh, tha sinn a’ tòiseachadh a’ faicinn an t-seallaidh seo a’ tighinn air adhart le leasachadh na Coineanach AIan siostam obrachaidh ùr le cumhachd AI, R1. Tha an siostam seo air comas iongantach a nochdadh airson sùil a chumail air agus atharrais air eadar-obrachadh daonna le tagraidhean. Aig cridhe R1 tha an Modail Gnìomh Mòr (LAM), neach-cuideachaidh adhartach AI a tha eòlach air a bhith a’ tuigsinn rùintean luchd-cleachdaidh agus a’ coileanadh ghnìomhan às an leth. Ged a bha e aithnichte roimhe seo le teirmean eile leithid AI eadar-ghnìomhach agus Modail mòr àidseant, tha bun-bheachd LAMs a’ faighinn spionnadh mar ùr-ghnàthachadh deatamach ann an eadar-obrachaidhean le cumhachd AI. Tha an artaigil seo a’ sgrùdadh mion-fhiosrachadh mu LAMn, mar a tha iad eadar-dhealaichte bho lmodalan cànain arge (LLMn), a’ toirt a-steach siostam R1 Rabbit AI, agus a’ coimhead air mar a tha Apple a’ gluasad a dh’ionnsaigh dòigh-obrach coltach ri LAM. Tha e cuideachd a’ beachdachadh air cleachdadh LAMn a dh’fhaodadh a bhith ann agus na dùbhlain a tha romhpa.

A’ tuigsinn Modalan Gnìomh Mòr no Gnìomhach (LAMs)

Tha LAM na àidseant adhartach AI a chaidh innleachadh gus grèim fhaighinn air rùintean daonna agus amasan sònraichte a choileanadh. Tha na modailean sin air leth math air a bhith a’ tuigsinn feumalachdan daonna, a’ dealbhadh ghnìomhan iom-fhillte, agus ag eadar-obrachadh le diofar mhodalan, thagraidhean, no dhaoine gus am planaichean a choileanadh. Bidh LAMn a’ dol nas fhaide na gnìomhan AI sìmplidh leithid a bhith a’ gineadh fhreagairtean no ìomhaighean; tha iad nan siostaman làn-chuimseach air an dealbhadh gus gnìomhan iom-fhillte a làimhseachadh leithid a bhith a’ dealbhadh siubhal, a’ clàradh choinneamhan, agus a’ stiùireadh puist-d. Mar eisimpleir, ann am planadh siubhail, bhiodh LAM a’ co-òrdanachadh le app sìde airson ro-innsean, ag eadar-obrachadh le seirbheisean glèidhidh itealain gus tursan-adhair iomchaidh a lorg, agus a’ dol an sàs le siostaman gleidhidh thaighean-òsta gus àiteachan-fuirich fhaighinn. Eu-coltach ri mòran mhodalan AI traidiseanta a tha an urra a-mhàin lìonraidhean neònach, bidh LAMs a’ cleachdadh dòigh-obrach tar-chinealach a’ tighinn còmhla prògramadh neuro-samhlachail. Tha an amalachadh seo de prògramadh samhlachail a’ cuideachadh ann an reusanachadh agus dealbhadh loidsigeach, agus tha lìonraidhean neural a’ cur ri bhith ag aithneachadh pàtrain mothachaidh iom-fhillte. Tha an cothlamadh seo a’ leigeil le LAMn dèiligeadh ri speactram farsaing de ghnìomhan, gan comharrachadh mar leasachadh adhartach ann an eadar-obrachaidhean le cumhachd AI.

A’ dèanamh coimeas eadar LAMs agus LLMn

An coimeas ri LAMn, tha LLMn nan riochdairean AI a tha air leth math air a bhith ag eadar-mhìneachadh molaidhean luchd-cleachdaidh agus a’ gineadh freagairtean stèidhichte air teacsa, a’ cuideachadh gu sònraichte le gnìomhan a tha a’ toirt a-steach giullachd cànain. Ach, sa chumantas tha an raon aca cuingealaichte ri gnìomhan co-cheangailte ri teacsa. Air an làimh eile, bidh LAMn a’ leudachadh comasan AI taobh a-muigh cànan, a’ toirt cothrom dhaibh gnìomhan iom-fhillte a dhèanamh gus amasan sònraichte a choileanadh. Mar eisimpleir, ged a dh’ fhaodadh LLM post-d a dhreachadh gu h-èifeachdach stèidhichte air stiùireadh neach-cleachdaidh, bidh LAM a’ dol nas fhaide le bhith chan ann a-mhàin a’ dreachdadh ach cuideachd a’ tuigsinn a’ cho-theacsa, a’ co-dhùnadh mun fhreagairt iomchaidh, agus a’ stiùireadh lìbhrigeadh a’ phuist-d.

A bharrachd air an sin, mar as trice bidh LLMn air an dealbhadh gus an ath chomharra ann an sreath teacsa a ro-innse agus gus stiùireadh sgrìobhte a chuir an gnìomh. An coimeas ri sin, tha LAMn uidheamaichte chan ann a-mhàin le tuigse cànain ach cuideachd le comas eadar-obrachadh le diofar thagraidhean agus siostaman san t-saoghal fhìor leithid innealan IoT. Is urrainn dhaibh gnìomhan corporra a dhèanamh, smachd a chumail air innealan, agus gnìomhan a riaghladh a dh’ fheumas eadar-obrachadh leis an àrainneachd a-muigh, leithid òrdachadh òrdachadh no glèidheadh. Tha an aonachadh seo de sgilean cànain le coileanadh practaigeach a’ leigeil le LAMn obrachadh thairis air suidheachaidhean nas eadar-mheasgte na LLMn.

LAMs an gnìomh: An Coineanach R1

Tha Coineanach R1 a’ seasamh mar phrìomh eisimpleir de LAMs ann an cleachdadh practaigeach. Faodaidh an inneal cumhachd AI seo grunn thagraidhean a riaghladh tro aon eadar-aghaidh furasta a chleachdadh. Uidheamaichte le touchscreen 2.88-òirleach, camara rothlach, agus cuibhle scrollaidh, tha an R1 ann an inneal caol, cruinn air a chiùradh ann an co-obrachadh le Teenage Engineering. Bidh e ag obair air pròiseasar MediaTek 2.3GHz, air a neartachadh le 4GB de chuimhne agus 128GB de stòradh.

Aig cridhe an R1 tha an LAM aige, a bhios gu tùrail a’ cumail sùil air comasan app, agus a bhios a’ sìmpleachadh gnìomhan iom-fhillte leithid smachd air ceòl, gleidheadh ​​​​còmhdhail, òrdachadh grosairean, agus cur teachdaireachdan, uile bho aon àite eadar-obrachaidh. San dòigh seo tha R1 a’ cur às don duilgheadas a bhith ag atharrachadh eadar ioma-aplacaidean no ioma-logadh a-steach gus na gnìomhan sin a choileanadh.

Chaidh an LAM taobh a-staigh an R1 a thrèanadh an toiseach le bhith a’ cumail sùil air eadar-obrachadh daonna le aplacaidean mòr-chòrdte leithid Spotify agus Uber. Tha an trèanadh seo air leigeil le LAM eadar-aghaidh luchd-cleachdaidh a stiùireadh, ìomhaighean aithneachadh, agus gnothaichean a phròiseasadh. Tha an trèanadh farsaing seo a’ toirt comas don R1 atharrachadh gu siùbhlach gu cha mhòr tagradh sam bith. A bharrachd air an sin, tha modh trèanaidh sònraichte a’ leigeil le luchd-cleachdaidh gnìomhan ùra a thoirt a-steach agus fèin-ghluasad, a’ leudachadh gu leantainneach air raon chomasan an R1 agus ga dhèanamh na inneal fiùghantach ann an raon eadar-obrachaidhean le cumhachd AI.

Adhartasan Apple a dh’ ionnsaigh comasan air am brosnachadh le LAM ann an Siri

O chionn ghoirid tha sgioba rannsachaidh AI Apple air seallaidhean a cho-roinn mu na h-oidhirpean aca gus comasan Siri adhartachadh tro iomairt ùr, coltach ri feadhainn LAMn. Tha an iomairt, air a mhìneachadh ann am pàipear rannsachaidh air Fuasgladh iomraidh mar mhodaladh cànain (ReALM), ag amas air comas Siri a leasachadh gus co-theacsa còmhraidh a thuigsinn, susbaint lèirsinneach a phròiseasadh air an sgrion, agus gnìomhan àrainneachd a lorg. Tha an dòigh-obrach a tha ReALM a’ cleachdadh ann a bhith a’ làimhseachadh cuir a-steach eadar-aghaidh luchd-cleachdaidh (UI) a’ tarraing co-chosmhail ris na gnìomhan a chaidh fhaicinn ann an R1 Rabbit AI, a’ nochdadh rùn Apple gus tuigse Siri air eadar-obrachadh luchd-cleachdaidh a neartachadh.

An leasachadh seo sealltainn gu bheil Apple a’ beachdachadh air gabhail ri teicneòlasan LAM gus ùrachadh a dhèanamh air mar a bhios luchd-cleachdaidh ag eadar-obrachadh leis na h-innealan aca. Ged nach eil fiosan soilleir ann a thaobh cleachdadh ReALM, tha an comas a bhith ag àrdachadh gu mòr eadar-obrachadh Siri le aplacaidean a’ moladh adhartasan gealltanach ann a bhith a’ dèanamh an neach-cuideachaidh nas intuitive agus nas ciallaiche.

Cleachdaidhean a dh’fhaodadh a bhith aig LAMn

Tha comas aig LAMn am buaidh a leudachadh fada nas fhaide na bhith ag àrdachadh eadar-obrachadh eadar luchd-cleachdaidh agus innealan; dh’ fhaodadh iad buannachdan mòra a thoirt thairis air iomadh gnìomhachas.   

• Seirbheisean teachdaiche: Faodaidh LAMs seirbheis teachdaiche àrdachadh le bhith a’ làimhseachadh cheistean agus ghearanan gu neo-eisimeileach thar diofar shianalan. Faodaidh na modailean sin ceistean a phròiseasadh a’ cleachdadh cànan nàdarrach, rèiteachaidhean fèin-ghluasadach, agus riaghladh clàr-ama, a’ toirt seachad seirbheis pearsanaichte stèidhichte air eachdraidh teachdaiche gus sàsachd a leasachadh.
• Cùram-slàinte: Ann an cùram slàinte, faodaidh LAMn cuideachadh le bhith a’ riaghladh cùram euslaintich le bhith a’ cur choinneamhan air dòigh, a’ riaghladh òrdughan-cungaidh, agus a’ comasachadh conaltradh thar sheirbheisean. Tha iad cuideachd feumail airson sgrùdadh aig astar, eadar-mhìneachadh dàta meidigeach, agus rabhadh a thoirt do luchd-obrach ann an cùisean èiginneach, gu sònraichte buannachdail airson riaghladh cùram broilleach is seann daoine.
• Ionmhas: Faodaidh LAMn comhairle ionmhais pearsanaichte a thabhann agus gnìomhan leithid cothromachadh pasgan agus molaidhean tasgaidh a riaghladh. Faodaidh iad cuideachd sùil a chumail air gnothaichean gus foill a lorg agus a chasg, ag amalachadh gu sgiobalta le siostaman bancaidh gus dèiligeadh gu sgiobalta ri gnìomhachd amharasach.

Dùbhlain LAMs

A dh’ aindeoin an comas cudromach, tha grunn dhùbhlain aig LAMn air am feumar dèiligeadh.

• Prìobhaideachd agus tèarainteachd dàta: Leis gu bheil cothrom farsaing air fiosrachadh pearsanta agus mothachail a dh’ fheumas LAMn obrachadh, tha e na dhùbhlan mòr a bhith a’ dèanamh cinnteach à prìobhaideachd agus tèarainteachd dàta. Bidh LAMn ag eadar-obrachadh le dàta pearsanta thairis air grunn thagraidhean agus àrd-ùrlaran, a’ togail dhraghan mu làimhseachadh, stòradh agus giullachd tèarainte den fhiosrachadh seo.
• Draghan Beusach agus Riaghlaidh: Mar a bhios LAMn a’ gabhail os làimh dreuchdan nas neo-eisimeileach ann a bhith a’ dèanamh cho-dhùnaidhean agus ag eadar-obrachadh le àrainneachdan daonna, tha cùisean beusanta a’ fàs nas cudromaiche. Tha ceistean mu chunntasachd, follaiseachd, agus an ìre de cho-dhùnaidhean air an tiomnadh gu innealan deatamach. A bharrachd air an sin, dh’ fhaodadh dùbhlain riaghlaidh a bhith ann a bhith a’ cleachdadh shiostaman adhartach AI thar diofar ghnìomhachasan.
• Iom-fhillteachd amalachaidh: Feumaidh LAMn amalachadh le measgachadh de shiostaman bathar-bog is bathar-cruaidh gus gnìomhan a choileanadh gu h-èifeachdach. Tha an aonachadh seo iom-fhillte agus faodaidh e a bhith dùbhlanach a riaghladh, gu h-àraidh nuair a thathar a’ co-òrdanachadh ghnìomhan thar diofar àrd-ùrlaran agus seirbheisean, leithid a bhith a’ cur air dòigh tursan-adhair, àiteachan-fuirich, agus mion-fhiosrachadh solarachaidh eile ann an àm fìor.
• Scalability agus freagarrachd: Fhad ‘s a tha LAMn air an dealbhadh gus gabhail ri raon farsaing de shuidheachaidhean agus thagraidhean, tha e fhathast na dhùbhlan na fuasglaidhean sin a sgèileadh gus àrainneachdan fìor eadar-mheasgte a làimhseachadh gu cunbhalach agus gu h-èifeachdach. Tha e deatamach gum bi LAMn comasach air atharrachadh gu suidheachaidhean caochlaideach agus coileanadh a chumail suas thar diofar ghnìomhan agus feumalachdan luchd-cleachdaidh airson an soirbheachas san fhad-ùine.

Bonn Line

Tha Modalan Gnìomh Mòr (LAMn) a’ nochdadh mar ùr-ghnàthachadh cudromach ann an AI, a’ toirt buaidh chan ann a-mhàin air eadar-obrachadh innealan ach cuideachd air tagraidhean gnìomhachais nas fharsainge. Air a nochdadh le R1 Rabbit AI agus air a sgrùdadh ann an adhartasan Apple le Siri, tha LAMn a’ suidheachadh an àrd-ùrlar airson siostaman AI nas eadar-ghnìomhach agus nas intuitive. Tha na modailean sin deiseil gus èifeachdas agus pearsanachadh àrdachadh thar roinnean leithid seirbheis teachdaiche, cùram slàinte agus ionmhas.

Ach, tha dùbhlain a’ tighinn le cleachdadh LAMn, a’ toirt a-steach draghan prìobhaideachd dàta, cùisean beusanta, iom-fhillteachd amalachaidh, agus scalability. Tha e deatamach gun tèid dèiligeadh ris na cùisean sin agus sinn a’ gluasad air adhart gu bhith a’ gabhail ri teicneòlasan LAM nas fharsainge, ag amas air na comasan aca a luathachadh gu ciallach agus gu h-èifeachdach. Mar a bhios LAMn a’ leantainn air adhart a’ leasachadh, tha an comas air eadar-obrachaidhean didseatach atharrachadh fhathast susbainteach, a’ daingneachadh cho cudromach sa tha iad ann an cruth-tìre AI san àm ri teachd.