Cazul pentru descentralizarea stivelor tehnologice de inteligență artificială

Atât de multă parte a conversației despre dezvoltarea inteligenței artificiale a devenit dominată de o dezbatere futuristă și filosofică – ar trebui să abordăm inteligența artificială generală, unde inteligența artificială va deveni suficient de avansată pentru a efectua orice sarcină în felul în care o face un om? Este acest lucru posibil?

În timp ce discuția despre accelerare versus decelerare este importantă și oportună, având în vedere progresele precum modelul Q-star, și alte aspecte sunt importante, de asemenea. În special, importanța descentralizării stivelor tehnologice și modul de a face acest lucru fără a crea o povară prea mare din punct de vedere al costurilor. Aceste două provocări pot părea contradictorii: construirea și implementarea modelelor este incredibil de scumpă, dar să te bazezi prea mult pe un singur model poate fi dăunător pe termen lung. Cunosc această provocare personal, ca fondator de inteligență artificială.

Pentru a construi inteligență, ai nevoie de talente, date și computere scalabile. Pentru a accelera timpul de intrare pe piață și a face mai mult cu mai puțin, multe companii vor alege să construiască pe baza modelelor existente, în loc să construiască de la zero. Și abordarea are sens atunci când ceea ce construiești este atât de intensiv din punct de vedere al resurselor. Provocarea este amplificată de faptul că, în contrast cu software-ul, majoritatea progreselor realizate până acum în domeniul inteligenței artificiale au fost realizate prin adăugarea mai multor resurse, ceea ce necesită mai multă putere de calcul și, prin urmare, costuri.

Dar ce se întâmplă atunci când compania în care ai construit soluția ta experimentează o eșec în guvernanță sau o întrerupere a produsului? Din punct de vedere practic, să te bazezi pe un singur model pentru a construi produsul tău înseamnă că acum faci parte dintr-un efect negativ de undă pentru orice eveniment.

Trebuie, de asemenea, să ne amintim de riscurile asociate lucrului cu sisteme care sunt probabilitare. Nu suntem obișnuiți cu acest lucru și lumea în care trăim până acum a fost inginerită și proiectată pentru a funcționa cu un răspuns definitiv. Modelele sunt fluide în ceea ce privește ieșirea, iar companiile le ajustează în mod constant, ceea ce înseamnă că codul pe care l-ai scris pentru a le susține și rezultatele pe care clienții tăi se bazează pot schimba fără cunoștința sau controlul tău.

Centralizarea creează, de asemenea, probleme de siguranță, deoarece introduce un singur punct de eșec. Fiecare companie lucrează în interesul propriu. Dacă există o problemă de siguranță sau risc legat de un model, ai mult mai puțin control asupra remedierii acestei probleme sau ai mai puțin acces la alternative.

Unde ne lasă acest lucru?

Inteligența artificială va îmbunătăți, fără îndoială, modul în care trăim. Există atât de multe lucruri pe care le poate realiza și rezolva, de la modul în care colectăm informații la modul în care înțelegem cantități uriașe de date. Dar odată cu această oportunitate vine și risc. Dacă ne bazăm prea mult pe un singur model, toate companiile se expun la provocări atât de siguranță, cât și de produs.

Pentru a remedia acest lucru, trebuie să reducem costurile inferenței și să facem mai ușor pentru companii să aibă o abordare multi-model. Și, desigur, totul se reduce la date. Proprietatea și disponibilitatea datelor vor conta. Cu cât datele sunt mai unice, de calitate și disponibile, cu atât vor fi mai utile.

Pentru multe probleme, poți optimiza modele pentru aplicații specifice. Ultimul kilometru al inteligenței artificiale îl reprezintă companiile care construiesc logica de rutare, evaluări și straturi de orchestrare pe baza acestor diferite modele, specializându-le pentru diferite verticale.

Au existat multiple investiții substanțiale în acest spațiu care ne apropie de acest obiectiv. Rundul recent de finanțare al Mistal este un progres promițător către o alternativă la OpenAI. Există, de asemenea, companii care ajută alți furnizori de inteligență artificială să facă multiplexarea cross-model o realitate și să reducă costurile inferenței prin hardware, software și distilare a modelelor specializate, ca exemple.

Vom vedea, de asemenea, o creștere a surselor deschise, iar organismele guvernamentale trebuie să permită surselor deschise să rămână deschise. Cu modelele deschise, este mai ușor să ai control. Cu toate acestea, lacunele de performanță sunt încă prezente.

Presupun că vom ajunge într-o lume în care vei avea modele junior optimize pentru a efectua sarcini mai puțin complexe la scară, în timp ce modelele super-inteligente mai mari vor acționa ca oracole pentru actualizări și vor cheltui din ce în ce mai mult comput pentru a rezolva probleme mai complexe. Nu vei avea nevoie de un model cu un trilion de parametri pentru a răspunde la o solicitare de serviciu pentru clienți. Îl compar cu faptul de a nu avea un director executiv care să gestioneze o sarcină pe care un intern o poate gestiona. La fel cum avem multiple roluri pentru omologii noștri umani, majoritatea companiilor se vor baza, de asemenea, pe o colecție de modele cu diferite niveluri de sofisticare.

Pentru a atinge acest echilibru, ai nevoie de o împărțire clară a sarcinilor și de benchmarking, luând în considerare timpul, complexitatea computațională, costul și scala necesară. În funcție de cazul de utilizare, poți prioritiza corespunzător. Determină o adevăr fundamental, un rezultat ideal pentru comparație și un exemplu de date de intrare și ieșire, astfel încât poți rula diverse prompturi pentru a optimiza și a obține cel mai apropiat rezultat de la adevărul fundamental.

Dacă companiile de inteligență artificială pot descentraliza cu succes stiva tehnologică și construi pe multiple modele, putem îmbunătăți siguranța și fiabilitatea acestor instrumente și, prin urmare, maximiza impactul pozitiv al inteligenței artificiale. Nu mai suntem într-un loc pentru dezbateri teoretice – este timpul să ne concentrăm asupra modului de a pune inteligența artificială la lucru pentru a face aceste tehnologii mai eficiente și mai rezistente.