Защо има толкова много модели на изкуствен интелект?

Когато хората говорят за изкуствен интелект, често го правят така, сякаш става дума за една-единствена система, която се усъвършенства с течение на времето. В действителност екосистемата на изкуствения интелект се състои от множество семейства модели, всяко от които е разработено от различни екипи, обучено с различни цели и пуснато в различни версии.

GPT, Llama, Mistral, Gemma и Qwen са примери за семейства модели, а не за отделни, фиксирани продукти. Всяко семейство може да включва базови модели, модели, оптимизирани за изпълнение на инструкции, модели за кодиране, модели за визуално-езиково взаимодействие, по-малки модели за работа на устройството и експериментални контролни точки.

Ето защо броят на моделите за изкуствен интелект нараства толкова бързо. Едно ново семейство модели може да породи множество официални варианти, като всеки от тях по-късно може да се превърне в отправна точка за фини настройки от страна на общността, адаптации за конкретни области и оптимизирани версии за внедряване.

Фундаменталният модел е модел с общо предназначение, обучен въз основа на обширен набор от данни, така че да може да поддържа множество последващи приложения. Обикновено той не представлява крайната форма, която се използва във всеки продукт. Вместо това той се превръща в платформа, която други екипи адаптират, оценяват и специализират.

Например, един общ езиков модел може да се превърне в помощник при програмирането, модел за обобщаване на медицинска информация, класификатор на правни документи, модел за многоезичен превод или помощник за обслужване на клиенти. Основната архитектура може да е сходна, но получените модели се държат по различен начин, тъй като са настроени за различни задачи.

Този ефект на екосистемата е една от основните причини за големия брой модели. Важна е не само първоначалната базова модель, но и множеството практични версии, които се появяват около нея за конкретни езици, области, политики за безопасност, целеви стойности за латентност и хардуерни среди.

„Фината настройка“ означава да се вземе съществуващ модел и да се обучи допълнително въз основа на по-конкретни примери. Вместо да започват от нулата, разработчиците изхождат от модел, който вече разбира езика, кода, изображенията или други модели, след което го адаптират към по-конкретна цел.

LoRA и други техники за адаптиране правят този процес по-евтин и по-достъпен. Те позволяват на екипите да адаптират модел за конкретна задача, без да е необходимо преобучение на всеки параметър в оригиналната система. Резултатът може да бъде публикуван като нов модел или като адаптер, който модифицира базовия модел.

Болница, банка, изследователска лаборатория, студио за видеоигри или компания за роботика – всички те може да се нуждаят от модел, който да се държи по различен начин. Фината настройка им позволява да създават специализирани версии, съобразени с техния речник, документи, ограничения и работни процеси. Всяка полезна адаптация може да се превърне в още един елемент от публичната екосистема на моделите.

Отворените платформи за модели значително ускоряват появата на нови модели. Hugging Face улеснява публикуването, откриването и повторното използване на модели. GitHub улеснява споделянето на код за обучение, скриптове за оценка, инструменти за обработка на данни и примери за внедряване.

Общностите с отворен код също така намаляват препятствията пред експериментирането. Един малък екип може да започне с публично достъпен модел, да тества нов набор от данни, да подобри ефективността за даден език, да компресира модела за по-икономично извличане на заключения или да създаде версия, която работи на потребителски хардуер.

Това не означава, че всеки публично достъпен модел е еднакво важен или готов за производствено приложение. Много от тях са експерименти, тестови модели, разклонения или постепенни подобрения. Но отворената екосистема е ценна, защото превръща разработването на модели в споделен процес, а не в затворена дейност, осъществявана само в няколко големи лаборатории.

Големият брой модели не означава, че в света има стотици хиляди системи, сравними с най-големите модели от типа „Frontier“. Повечето модели не са системи от мащаба на GPT-4, обучени от нулата с огромни бюджети и масивна частна инфраструктура.

Много от публично достъпните модели са по-малки, специализирани или произтичат от съществуващи разработки. Някои от тях са класификатори, модели за вграждане, модели за обработка на реч, модели за обработка на изображения, модели за превод, модели за извличане на информация, контролни точки за научни изследвания или фино настроени варианти на по-голям базов модел.

Това разграничение е от значение при анализа на показателите за изкуствения интелект. Регистърът на моделите измерва активността в екосистемата, а не броя на лабораториите, работещи в авангарда. Той показва колко артефакта, подходящи за повторна употреба, се публикуват, адаптират и тестват в по-широката общност в областта на машинното обучение.

Специализираните модели са полезни, тъй като различните области имат различни изисквания. Медицинският модел може да се наложи да разбира клиничната терминология, докато финансовият модел може да трябва да обработва отчети, терминология, свързана с риска, и структурирана пазарна информация.

Моделите за роботика могат да свързват възприятието с физически действия. Моделите за превод могат да се фокусират върху езици с ограничени ресурси. Моделите за визуално разпознаване могат да откриват производствени дефекти, характеристики на сателитни изображения или медицински изображения. Един-единствен универсален модел може да бъде впечатляващ, но не винаги е най-добрият или най-евтиният инструмент за всяка задача.

Това разнообразие прави екосистемата на изкуствения интелект по-устойчива и практична. Вместо един модел да се опитва да обслужва всеки потребител, много модели могат да бъдат оптимизирани по отношение на точност, скорост, защита на личните данни, разходи, езиково покритие, ограничения на устройствата или нормативни изисквания.

Вероятно е броят на публично достъпните модели да продължи да нараства. Ако създаването и адаптирането на модели стане по-лесно, все повече екипи ще публикуват версии, предназначени за конкретни отрасли, езици, устройства, работни процеси и изследователски въпроси.

Растежът може да не е линеен. Някои модели ще остареят, други ще бъдат обединени, а някои платформи може да премахнат дублиращите се или неактивни репозитории. В същото време по-добрите инструменти биха могли да превърнат създаването на модели в рутинна дейност, подобна на публикуването на софтуерни пакети.

Най-важният въпрос не е дали броят ще достигне стотици хиляди или милиони. По-полезният въпрос е колко от тези модели са надеждни, добре документирани, оценени и подходящи за реално приложение. Количеството показва активността на екосистемата; качеството определя дългосрочната стойност.