ثورة اللغة: كيف يمكن أن تغير LLM العالم

نحن نعيش في لحظة تاريخية. ثورة جديدة ، مماثلة للثورة الصناعية ، جارية. سوف تتعطل صناعات بأكملها. ستتغير طبيعة الإبداع والعمل المعرفي. ستصبح اللغة أهم معنى للبشر. ستعيد اللغة – على وجه التحديد في شكل نماذج اللغة الكبيرة (LLM) – تشكيل طريقة تفكيرنا في العالم من حولنا.

بين الحين والآخر ، تصل التكنولوجيا إلى نقطة انعطاف تؤدي إلى نقلة نوعية. هذا ما يحدث الآن ، ونحن في البداية فقط. LLMs مثل GPT-3 ، تصبح جيدة حقًا في إنشاء النص وتلخيص النص والاستدلال والفهم وكتابة الشعر والمزيد. هم أفضل الإكمال التلقائي في العالم. إنهم يغيرون كيفية كتابة الأشخاص للرموز والقصائد والنسخ التسويقية والمقالات والأوراق البحثية والمزيد. إنهم لا يحلون محل الوظائف ، بل يزيدونها ، ويجعلوننا أكثر إنتاجية.

بالطبع ، LLM بعيدة كل البعد عن الكمال ولديها العديد من التحديات ، مثل الهلوسة والمحاذاة والصدق. هذه مشكلات يصعب حلها ، لكن حلها سيجعل هذه النماذج والتطبيقات أكثر موثوقية وقوة.

أثار صعود ماجستير في القانون

كانت ChatGPT هي الشرارة التي أشعلت هذا الحريق. أظهر كيف أصبحت الأشياء حقيقية عندما انتقلت من صفر إلى مليون مستخدم في أربعة أيام. بدأ Silicon Valley في بناء تطبيقات وشركات رائعة على رأس LLMs ، مما وضع الأساس لشركات التقييم التالية التي تبلغ قيمتها تريليون دولار. نشهد أيضًا ولادة صناعات جديدة تم إنشاؤها باستخدام الأتمتة أولاً ، وثانيًا صناعة الإنسان في الحلقة. هذه هي ما أسميه شركات الذكاء الاصطناعي أولاً.

من أعظم متع الحياة تجربة الفن الذي يتردد صداه معنا على المستوى العاطفي. مع تقدم الذكاء الاصطناعي التوليدي ، أتطلع إلى السبل التي ستمكننا من الاستفادة من إمكاناتنا الإبداعية بشكل أكبر ، وإضفاء الطابع الديمقراطي على عملية التعبير الحقيقي عن الذات.

لكن كيف تبني خندقًا حول هذا؟ كيف تحصل على القيمة؟ في رأيي ، الخنادق الرئيسية لتطبيقات LLM / AI-first ، مرتبة حسب الأهمية ، هي:

• بيانات الملكية والضبط الدقيق
• تجربة مستخدم رائعة ، والتي تغرس الشعور بالثقة والموثوقية
• تكلفة الخدمة / التفعيل
• التوزيع و GTM
• تأثيرات الشبكة والمجتمع
• اتساع وعمق عمليات التكامل

إليك ما أعنيه باتساع وعمق عمليات الدمج: لا تكفي الطبقات الرقيقة حول واجهات برمجة تطبيقات LLM لاكتساب ميزة تنافسية في تطبيقات الذكاء الاصطناعي الأولى. للفوز ، أنت بحاجة إلى عمليات تكامل عميقة وسير عمل مُحسَّن يحل المشكلات الحقيقية مع قابلية التوسع والكفاءة التي لم تكن ممكنة قبل LLMs. على سبيل المثال ، تخيل استخدام LLMs لزيادة المعلمين لإنشاء أسئلة الاختبار للطلاب من خلال:

• توفير رابط لمحتوى المادة
• جلب / تجريف المحتوى وتحليله في تنسيق يفهمه LLM بشكل أفضل
• مطالبة LLMs بإنشاء أسئلة من هذا المحتوى ، مع إعطاء التفضيلات مثل الصعوبة ، إلخ.
• استخدام LLM لكتابة إجابات صادقة للأسئلة من المحتوى
• استخدام الإجابات المعدلة لتحسين أجيال المستقبل من الأسئلة

هذا مجرد مثال واحد ، ولكن هناك العديد من القطاعات التي أتحمس لها: أتمتة SDR من البداية إلى النهاية ، وإنشاء الكود وإعادة البناء ، وأتمتة دعم العملاء ، وكتابة النصوص ، والمساعدين الطبيين / الصحيين ، والتعليم. ستعمل تطبيقات الذكاء الاصطناعي الأولى على تغيير طريقة عملنا وتعاوننا على مدار السنوات الخمس المقبلة ، مما يجعل العمل المعرفي والذكاء أكثر سهولة وبأسعار معقولة. تدوين الملاحظات وحقوق التأليف والنشر ليست سوى غيض من فيض. واجهات جديدة ، إدارة علاقات العملاء ، مساعدو الطيارون الضريبيون ، مساعدو البحوث كلها لعبة عادلة.

ماجستير الآن وفي المستقبل

إليك كيف أرى مراحل تطوير LLM:

• 1.0: قادر على توليد النص الأصلي والتفكير حوله
• 2.0: قادر على التطور وتحسين مخرجاته واكتساب قدرات جديدة للتصرف بعقلانية
• 3.0: يمكنه تصميم إجراءاته / قدراته الخاصة للتفاعل مع العالم الخارجي
• 4.0+: رفع حدافة البيانات لتحسينها بمرور الوقت ، وتحافظ على نفسها

بدأ مشهد LLM في الظهور بشكل متزايد كما يلي:

• طبقة النموذج (مثل GPT-3 ، Cohere)
• ارتباطات API للوصول (مثل OpenAI Python)
• طبقة تحتية للتسلسل الفوري / تبديل النموذج (مثل LangChain ، Humanloop)
• تطبيقات الذكاء الاصطناعي الأولى من الجيل التالي

داخل طبقة البنية التحتية ، هناك عدد قليل من المجالات التي أجدها مثيرة للاهتمام بشكل متزايد: الأدوات / البنية التحتية ، لا / رمز منخفض ، ضبط دقيق ، تسلسل سريع واسترجاع ، إجراءات ، أطر عمل تجريبية. سيساعدنا إنشاء طبقة موثوقة وقابلة للتكيف من البنية التحتية والأدوات لـ LLMs على إطلاق العنان لقوتها وقيمتها لمزيد من المستخدمين والتطبيقات. لنكون صادقين ، فإن الثراء المتكرر للتسلسل الفوري لـ LLM سيحدث ثورة في الصناعات بأكملها. (أو ربما أجد أشياء تكرارية رائعة بشكل خاص.)

علاوة على ذلك ، أوافق على أن الجيل القادم من المنتجات الأصلية للذكاء الاصطناعي سوف تدمج بعض عناصر الجمع بين التفكير والعمل في LLM للمساعدة في صنع القرار. تعجبني الطريقة التي عبر بها ديني زو عن ذلك: “إذا كانت LLM بشرًا ، فإن جميع الأفكار تافهة: تحفيز سلسلة الأفكار (” اشرح إجابتك “) ، والاتساق الذاتي (” تحقق جيدًا من إجابتك “) ، والأقل الأكثر تحفيزًا (“تتحلل إلى مشكلات فرعية سهلة”). الشيء الصادم هو أن LLM ليسوا بشرًا ولكنهم ما زالوا يعملون! “

لذا ، دعونا نغتنم فرصة العمل جنبًا إلى جنب مع الأنظمة الذكية التي يمكن أن تساعدنا في إطلاق العنان لإمكاناتنا الكاملة. ستدور أفضل المنصات التي تدعمها LLMs حول البيئات التعاونية حيث يمكن للبشر والذكاء الاصطناعي العمل معًا. معًا ، يمكننا تحقيق أكثر مما كنا نعتقد أنه ممكن.

شيامال هيش أنادكات يعمل في مجال الذكاء الاصطناعي التطبيقي في أوبن إيه آي.