Kohandamine tõuseb võtmetrendiks kiiresti kasvavas otsustusmudelite tehisintellekti sektoris

Pilt: TechCrunch · Allikas
Otsustusmudelite laialdase kasutuselevõtu kasvades tõhusa AI-juhitud valikute tegemiseks juhivad idufirmad nagu Sqwish Labs kohandamist, koolitades mudeleid kliendiandmetel täpsuse ja asjakohasuse parandamiseks.
Otsustusmudelid, mis on suurte keelemudelite (LLM) spetsialiseerunud haru, mille eesmärk on valida eelmääratletud valikute seast, mitte genereerida avatud lõpptulemusega teksti, on pärast hiljutist esiletõusu saavutanud plahvatusliku kasvu. Oktoobriks 2026 moodustasid otsustusmudelitele suunatud taotlused Verceli platvormil üle 25% kõigist tehisintellektimudelite päringutest, rõhutades kasvavat nõudlust kiire, kuluefektiivse automatiseeritud otsustamise järele tootmiskeskkondades.
Erinevalt traditsioonilistest LLM-idest, mis keskenduvad üksikasjalike põhjenduste või vastuste genereerimisele, eelistavad otsustusmudelid kiireid, usaldusväärseid valikuid koos kindlustatusega, muutes need hindamatuks kohtades, kus tähtis on latentsusaeg ja kulud. TypeSafe’i Jev otsustusmudelite perekond seab kõrge kasutuselevõtu standardi, töötledes teatavasti enam kui 1,5 miljardit päringut nädalas selliste teenuste kaudu nagu OpenRouter ning ajendades loojat $7,5 miljardi suuruse väärtuseni.
Otsustusmudelite suhteline lihtsus nende loomisel on kutsunud ligi palju mängijaid, sealhulgas hüperskaalaga pilveteenuse pakkujaid nagu Microsoft, kes tutvustas hiljuti oma Microsoft-Decision-1.1 mudelit laialdaselt Azure platvormil. Selle levik rõhutab kasvavat tunnustust, et otsustusmudelid on kriitilised komponendid tehisintellekti virnades.
Suurbritannias tegutsev idufirma Sqwish Labs, mille asutasid Cambridge’i lõpetanud Ushnish Sengupta ja Federica Freddi, eristub võimalusega lasta klientidel pidevalt kohandada otsustusmudeleid oma tootmisandmetega. See lähenemine ületab sõltuvuse sünteetilistest andmetest, mida nii Sqwish kui TypeSafe laialdaselt kasutavad, võimaldades mudeli otsustusvõimet reaalses keskkonnas treenimise järgsel perioodil täpsustada. Sengupta nimetas seda võimekust oluliseks, et vältida mudelite kaubastumist ja pakkuda klientide vajadustele kohandatud pidevaid täiustusi.
Otsustusmudelite võrdlemiseks loodud võrdlusalused on siiani ebatäiuslikud reaalse soorituse peegeldajad. Tööstuse juhtivad eksperdid hoiatavad, et kõrged võrdlustulemused ei pruugi otseselt kajastuda ettevõtete edukuses, kuna kulude, latentsuse ja kalibreerimise piirangud tundmatutes kasutusjuhtumites mängivad määravat rolli. Nii Microsoft kui TypeSafe rõhutavad tasakaalustatud sooritust kõrgemate võrdluse tipptulemustega võrreldes.
Tulevikku vaadates ennustavad eksperdid, et otsustusmudelid (mõnikord nimetatud kui „Süsteem Üks“ intelligentsus) täiendavad rohkem üldistatud tipptasemel LLM-e („Süsteem Kaks“ intelligentsus), luues sünergilisi tehisintellekti süsteeme. Idufirmadele nagu Sqwish tähendab otsustusmudelitele keskendumine märkimisväärset turuvõimalust, mis erineb sektori hiidude triljonidollarilistest ambitsioonidest.
See areng peegeldab tehisintellekti uuenenud piiri, kus kohandatud, andmepõhine personaliseerimine toetab praktilist rakendamist, vastates ettevõtete vajadustele täpse ja tõhusa otsustusvõime järele, mitte ainult ulatuslike generatiivsete mudelite järele.
Allikad ja originaaluudised
Loe originaali allikat ↗

Kommentaarid (0)
Kommentaare veel pole. Alusta arutelu.
Kirjuta kommentaar
Kommentaarid avaldatakse pärast modereerimist. Sinu nimi ja kommentaar on avalikult nähtavad. Konto