Mākslīgais intelekts

Pielāgošana kļūst par galveno tendenci strauji augošajā lēmumu modeļu mākslīgā intelekta sektorā

Tendela Briefing ·
4 skatījumi · 0 Komentāri
As decision model use skyrockets, is customization the next frontier? | TechCrunch

Attēls: TechCrunch · Avots

Lēmumu modeļi ātri iegūst plašu lietojumu efektīvai AI vadītu lēmumu pieņemšanai, un tādas starta kompānijas kā Sqwish Labs vada pielāgošanas procesu, trenējot modeļus uz klientu datiem, lai uzlabotu precizitāti un atbilstību.

Lēmumu modeļi, kas ir specializēta lielo valodas modeļu (LLM) atzara, paredzēti izvēlēties no iepriekš noteiktām iespējām, nevis ģenerēt atklātu tekstu, pēdējā laikā ir piedzīvojuši strauju izaugsmi. Līdz 2026. gada oktobrim vairāk nekā 25% no AI modeļu pieprasījumiem Vercel platformā bija vērsti uz lēmumu modeļiem, kas uzsver pieaugošo pieprasījumu pēc ātras un izmaksu efektīvas automatizētas lēmumu pieņemšanas ražošanas vidēs.

Atšķirībā no tradicionālajiem LLM, kas koncentrējas uz detalizētu pamatojumu vai atbilžu ģenerēšanu, lēmumu modeļi prioritāti piešķir ātrām un uzticamām izvēlēm ar pārliecības rādītājiem, padarot tos neaizvietojamus vietās, kur svarīgi ir aizkave un izmaksas. TypeSafe Jev lēmumu modeļu saime nosaka augstu pieņemšanas standartu, apstrādājot vairāk nekā 1,5 miljardus pieprasījumu nedēļā caur tādiem pakalpojumiem kā OpenRouter un nodrošinot sava radītāja 7,5 miljardu dolāru vērtējumu.

Lēmumu modeļu relatīvā vieglums to radīšanā ir piesaistījis daudz dalībnieku, tostarp hipermēroga mākoņpakalpojumu sniedzējus kā Microsoft, kas nesen plaši palaida savu Microsoft-Decision-1.1 modeli Azure platformā. Šī izplatība uzsver pieaugošu atzīšanu, ka lēmumu modeļi ir kritiski komponenti mākslīgā intelekta komplektos.

Lielbritānijā bāzētā starta kompānija Sqwish Labs, kuru līdzīpaši dibinājuši Kembridžas absolventi Ushnish Sengupta un Federica Freddi, atšķiras ar to, ka ļauj klientiem nepārtraukti pielāgot lēmumu modeļus, izmantojot savus produkcijas datus. Šī pieeja pārsniedz atkarību no sintētiskiem datiem, ko gan Sqwish, gan TypeSafe plaši izmanto, lai pēc apmācības precīzāk pielāgotu modeļa spriedumu reālā vidē. Sengupta šo spēju raksturoja kā būtisku, lai izvairītos no komoditizācijas un nodrošinātu nepārtrauktus uzlabojumus, kas pielāgoti klientu vajadzībām.

Salīdzināšanas rādītāji, lai salīdzinātu lēmumu modeļus, joprojām ir nepilnīgi realitātes rādītāji. Nozares līderi brīdina, ka augsti rādītāji bieži nevar tieši pārnesties uz uzņēmumu panākumiem, jo tādi ierobežojumi kā izmaksas, aizkave un kalibrēšana nezināmos lietošanas gadījumos spēlē izšķirošu lomu. Gan Microsoft, gan TypeSafe uzsver līdzsvarotu sniegumu salīdzināšanas rezultātu maksimumu vietā.

Skatoties nākotnē, eksperti prognozē, ka lēmumu modeļi (jeb „Sistēmas Viens“ inteliģence) papildinās vispārīgākus pionieru LLM („Sistēmas Divi“ inteliģence), radot sinerģiskas AI sistēmas. Starta kompānijām kā Sqwish pilnīga fokusēšanās uz lēmumu modeļiem nozīmē ievērojamas tirgus iespējas, kas atšķiras no nozares gigantu triljonu dolāru ambīcijām.

Šī attīstība atspoguļo jaunu Mākslīgā intelekta robežu, kur pēc pasūtījuma veidota, datu vadīta pielāgošana atbalsta praktisku ieviešanu, apmierinot uzņēmumu vajadzības pēc precīziem un efektīviem lēmumu pieņemšanas rīkiem, ne vien tikai apjomīgu ģeneratīvo modeļu jomā.

Avoti un oriģinālziņas

Komentāri (0)

Komentāru vēl nav. Sāciet diskusiju.

Rakstīt komentāru

Komentāri tiek publicēti pēc moderēšanas. Jūsu vārds un komentārs būs redzami publiski. Konts