رهبر AI21: LLM های پیشرو “متمایز” باقی می مانند، آنها کالا نیستند

Yoav Shoham، مدیر عامل یک شرکت پیشرو مدل زبان بزرگ (LLM) A121، به نظراتی که اخیراً توسط آمازون و دیگران ارائه شده است که نشان می دهد LLM ها تمایز خود را از دست می دهند، واکنش نشان می دهد.

او مخالف است و می‌گوید: «مدل‌ها فرق می‌کنند».

شرکت شوهام، AI21، ارائه‌دهنده سیستم‌های هوش مصنوعی برای شرکت‌های سازمانی است و در ارائه LLM‌های خاص کار، از جمله مدل‌هایی که خلاصه‌سازی متن را به خوبی انجام می‌دهند، متخصص است.

من دیروز با شوهام مصاحبه کردم تا دیدگاه او را در مورد همه تحولات خبری اخیر در مورد هوش مصنوعی مولد، از جمله شکست در ارائه دهنده پیشرو LLM، OpenAI، و تعداد زیادی از اعلامیه های منتشر شده توسط Amazon AWS در این هفته، دریافت کنم.

برای مشاهده کامل نظرات وی روی ویدیوی بالا کلیک کنید.

شوهام نظرات خود را در مورد LLM ها در واکنش به نکته ای که من در مورد اینکه چگونه مردم می گویند LLM ها شروع به از دست دادن تمایز خود کرده اند و اینکه ارزش واقعی هوش مصنوعی مولد ممکن است در جای دیگری باشد، به عنوان مثال در داده های اختصاصی، بیان کرد.

“اگر همه ارائه دهندگان در نهایت مدل هایی را بسازند که بسیار شبیه به هم هستند، تفاوت کجاست؟” سوامی سیواسوبرامانیان، معاون داده و هوش مصنوعی آمازون AWS، دوشنبه در مصاحبه ای با من گفت. او گفت: «این تمایز به داده‌ها مربوط می‌شود،» و استدلال کرد که اکنون این به شرکت‌های سازمانی بستگی دارد که از داده‌های اختصاصی خود به درستی برای ایجاد برنامه‌های کاربردی هوش مصنوعی متمایز استفاده کنند.

این منعکس کننده نظرات دیگر رهبران است. میگل پردس، معاون هوش مصنوعی و علوم داده آلبرتسونز در مصاحبه‌ای در اوایل این ماه به ما گفت: «این مدل‌ها در حال تبدیل شدن به کالا هستند» و افزود که همه شرکت‌ها می‌توانند به طور مساوی به ChatGPT، Bard و سایر مدل‌های OpenAI دسترسی داشته باشند. بنابراین، شرکت‌هایی که می‌خواهند سیستم‌های هوش مصنوعی عالی بسازند، باید تمرکز خود را به سمت یافتن راه‌هایی برای رقابت با استفاده از داده‌های خود تغییر دهند.

شوهام در پاسخ گفت که موافق است که داده ها بسیار مهم هستند، اما موافق نیست که تمرکز برای ساختن سیستم های هوش مصنوعی عالی از LLM ها به سمت استفاده از داده ها، حداقل در حال حاضر، تغییر می کند.

ایجاد یک مدل زبان عالی بسیار سخت است و درک اینکه چقدر خوب هستند و محدودیت‌هایشان می‌تواند کمی طول بکشد. او گفت که بنچمارک‌های عمومی موجود و حتی نمونه‌سازی مستقیم LLM‌ها، فقط سیگنال‌های ضعیفی درباره خوب بودن یک مدل می‌دهند.

حتی انجام کارکردهای اولیه مانند خلاصه سازی متن برای یک LLM دشوار است، اما با تمرکز بر چنین وظایف خاصی، می توان آنها را بسیار بهتر کرد. او مدل خلاصه سازی متن A121 را مثال زد که رتبه بندی شد بهتر از GPT-4، ChatGPT و Claude، زمانی که توسط یک موسسه مالی بزرگ آزمایش می شود..

در همان زمان، شوهام اذعان کرد که در یک سال، تمرکز از فقط LLM ها دور خواهد شد. ما در مورد سیستم‌های هوش مصنوعی صحبت خواهیم کرد که شامل مدل‌های زبان بزرگ می‌شوند، اما آنها کارهای بسیار دیگری را انجام خواهند داد… این یک اقیانوس آبی است. نوآوری‌های زیادی در آنجا وجود دارد.