Miért van ennyi mesterséges intelligencia-modell?

Amikor az emberek a mesterséges intelligenciáról beszélnek, gyakran úgy tesznek, mintha egyetlen, az idő múlásával egyre jobbá váló rendszerről lenne szó. A valóságban azonban a mesterséges intelligencia ökoszisztémája számos modelltípusból áll, amelyeket különböző csapatok fejlesztettek ki, különböző célokra tanítottak be, és különböző verziókban hoztak forgalomba.

A GPT, a Llama, a Mistral, a Gemma és a Qwen inkább modelltípusok, mintsem egyetlen, rögzített termékek. Minden modelltípus tartalmazhat alapmodelleket, utasításokra hangolt modelleket, kódolási modelleket, kép-nyelvi modelleket, kisebb, eszközön futtatható modelleket és kísérleti ellenőrzőpontokat.

Éppen ezért növekszik ilyen gyorsan a mesterséges intelligencia-modellek száma. Egy új modellcsaládból számos hivatalos változat születhet, és ezek mindegyike később kiindulópontként szolgálhat a közösség által végzett finomhangolásokhoz, a terület-specifikus adaptációkhoz és az optimalizált telepítési verziókhoz.

Az alapmodell egy általános célú modell, amelyet széles körű adathalmazon képeztek ki, így számos későbbi felhasználási területet képes támogatni. Általában nem ez a végleges változat, amelyet minden termékben használnak. Inkább egy olyan platformként szolgál, amelyet más csapatok adaptálnak, értékelnek és specializálnak.

Például egy általános nyelvi modell válhat programozási asszisztenssé, orvosi összefoglaló modellé, jogi dokumentum-osztályozóvá, többnyelvű fordítási modellé vagy ügyfélszolgálati asszisztenssé. Az alapul szolgáló architektúra hasonló lehet, de a kapott modellek eltérő módon viselkednek, mivel különböző feladatokra vannak beállítva.

Ez az ökoszisztéma-hatás az egyik fő oka annak, hogy a modellek száma ilyen magas. Nem csupán az eredeti alapmodell számít fontosnak, hanem azok a számos gyakorlati változatok is, amelyek körülötte alakulnak ki konkrét nyelvek, szakterületek, biztonsági irányelvek, késleltetési célértékek és hardveres környezetek számára.

A finomhangolás azt jelenti, hogy egy meglévő modellt veszünk, és tovább képezzük konkrétabb példák alapján. A fejlesztők nem a nulláról indulnak, hanem egy olyan modellel kezdik a munkát, amely már érti a nyelvet, a kódot, a képeket vagy más mintákat, majd ezt egy szűkebb célhoz igazítják.

A LoRA és más adaptertechnikák olcsóbbá és hozzáférhetőbbé teszik ezt a folyamatot. Lehetővé teszik a csapatok számára, hogy egy modellt egy adott feladathoz igazítsanak anélkül, hogy az eredeti rendszer minden paraméterét újra kellene tanítaniuk. Az eredményt új modellként vagy egy alapmodellt módosító adapterként lehet közzétenni.

Egy kórház, bank, kutatólaboratórium, játékstúdió vagy robotikai vállalat mindegyike eltérő viselkedésű modellt igényelhet. A finomhangolás lehetővé teszi számukra, hogy saját szókincsükhöz, dokumentumaikhoz, korlátaikhoz és munkafolyamataikhoz igazodó speciális változatokat hozzanak létre. Minden hasznos adaptáció újabb elemként bekerülhet a nyilvános modell-ökoszisztémába.

A nyílt modellplatformok jelentősen felgyorsítják a modellek megjelenését. A Hugging Face segítségével egyszerűen közzé lehet tenni, felfedezni és újra felhasználni a modelleket. A GitHub pedig megkönnyíti a betanítási kódok, az értékelő szkriptek, az adatfeldolgozó eszközök és a telepítési példák megosztását.

A nyílt forráskódú közösségek emellett csökkentik a kísérletezés korlátait is. Egy kis csapat kiindulhat egy nyilvánosan elérhető modellből, kipróbálhat egy új adatkészletet, javíthatja a modell teljesítményét egy adott nyelv esetében, tömörítheti a modellt az olcsóbb következtetés érdekében, vagy elkészíthet egy olyan verziót, amely fogyasztói hardveren is fut.

Ez nem jelenti azt, hogy minden nyilvános modell egyformán fontos lenne vagy már termeléskész állapotban lenne. Sok közülük kísérlet, teljesítményteszt, fork vagy fokozatos fejlesztés. Az nyitott ökoszisztéma azonban azért értékes, mert a modellfejlesztést közös folyamattá teszi, ahelyett, hogy az néhány nagy laboratóriumon belüli zárt tevékenység maradna.

Az, hogy sok modell létezik, nem jelenti azt, hogy a világon több százezer olyan rendszer lenne, amely összehasonlítható a legnagyobb „frontier” modellekkel. A modellek többsége nem GPT-4-es méretű rendszer, amelyet hatalmas költségvetéssel és kiterjedt saját infrastruktúrával a semmiből tanítottak be.

Számos nyilvánosan elérhető modell kisebb méretű, speciális célra készült, vagy meglévő munkákból származik. Vannak köztük osztályozók, beágyazási modellek, beszédmodellek, képmodellek, fordítási modellek, információkeresési modellek, kutatási ellenőrzőpontok, illetve egy nagyobb alapmodell finomhangolt változatai.

Ez a megkülönböztetés fontos az AI-kontrák értelmezése során. A modellnyilvántartás az ökoszisztéma aktivitását méri, nem pedig a legkorszerűbb kutatólaboratóriumok számát. Azt mutatja, hogy a gépi tanulás szélesebb közösségében hány újrafelhasználható elem kerül közzétételre, adaptálásra és tesztelésre.

A speciális modellek azért hasznosak, mert a különböző területek eltérő követelményeket támasztanak. Egy orvosi modellnek például ismernie kell a klinikai terminológiát, míg egy pénzügyi modellnek bejelentéseket, kockázati kifejezéseket és strukturált piaci információkat kell feldolgoznia.

A robotikai modellek összekapcsolhatják az érzékelést a fizikai cselekvésekkel. A fordítási modellek a kevés erőforrással rendelkező nyelvekre összpontosíthatnak. A képfeldolgozó modellek felismerhetik az ipari hibákat, a műholdas jellemzőket vagy az orvosi képeket. Egyetlen általános modell lenyűgöző lehet, de nem mindig ez a legjobb vagy legolcsóbb eszköz minden feladatra.

Ez a sokszínűség rugalmasabbá és praktikusabbá teszi a mesterséges intelligencia ökoszisztémáját. Ahelyett, hogy egyetlen modell próbálna minden felhasználó igényeit kielégíteni, számos modell optimalizálható a pontosság, a sebesség, az adatvédelem, a költségek, a nyelvi lefedettség, az eszközök korlátai vagy a szabályozási követelmények tekintetében.

Valószínű, hogy a nyilvánosan elérhető modellek száma tovább fog növekedni. Ha a modellek létrehozása és testreszabása egyszerűbbé válik, egyre több csapat fog közzétenni olyan verziókat, amelyek konkrét iparágakra, nyelvekre, eszközökre, munkafolyamatokra és kutatási kérdésekre vonatkoznak.

A növekedés nem feltétlenül lesz lineáris. Egyes modellek elavulnak, másokat összevonják, és egyes platformok esetleg eltávolítják az ismétlődő vagy inaktív tárolókat. Ugyanakkor a fejlettebb eszközöknek köszönhetően a modellek létrehozása olyan rutinszerűvé válhat, mint a szoftvercsomagok közzététele.

A legfontosabb kérdés nem az, hogy a szám százezrekre vagy milliókra nő-e. Sokkal hasznosabb kérdés az, hogy hány modell megbízható, jól dokumentált, értékelve van és alkalmas a gyakorlati alkalmazásra. A mennyiség az ökoszisztéma aktivitását mutatja; a minőség pedig a hosszú távú értéket határozza meg.