Generatívni chatboti AI sú len na začiatku svojej cesty, no už teraz zvažujeme, čo ďalej.
Kľúčové informácie
- Úspech ChatGPT vyvolal rozsiahle investície do výskumu a integrácie AI, čo viedlo k bezprecedentným príležitostiam a pokroku v tejto oblasti.
- Sémantické vyhľadávanie s vektorovými databázami prináša revolúciu do vyhľadávacích algoritmov využívaním vkladania slov a sémantiky na poskytovanie kontextovo presnejších výsledkov.
- Cieľom vývoja agentov AI a multiagentových startupov je dosiahnuť úplnú autonómiu a vyriešiť súčasné obmedzenia prostredníctvom sebahodnotenia, nápravy a spolupráce medzi viacerými agentmi.
Fenomenálny úspech ChatGPT prinútil každú technologickú spoločnosť začať investovať do výskumu AI a prísť na to, ako integrovať umelú inteligenciu do svojich produktov. Je to situácia, ktorá sa nepodobá ničomu, čo sme kedy videli, no umelá inteligencia je len na začiatku.
Nie je to však len o vychytených chatbotoch AI a generátoroch prevodu textu na obrázok. Na obzore sú niektoré vysoko špekulatívne, ale neuveriteľne pôsobivé nástroje AI.
Sémantické vyhľadávanie s vektorovými databázami
Sémantické vyhľadávacie dopyty sa testujú, aby ľuďom poskytli lepšie výsledky vyhľadávania. Vyhľadávače v súčasnosti používajú na poskytovanie relevantných informácií používateľom algoritmy zamerané na kľúčové slová. Prílišné spoliehanie sa na kľúčové slová však prináša niekoľko problémov, ako je obmedzené chápanie kontextu, marketingoví pracovníci využívajúci SEO a nekvalitné výsledky vyhľadávania kvôli ťažkostiam s vyjadrovaním zložitých dopytov.
Na rozdiel od tradičných vyhľadávacích algoritmov používa sémantické vyhľadávanie vkladanie slov a sémantické mapovanie na pochopenie kontextu dopytu pred poskytnutím výsledkov vyhľadávania. Takže namiesto spoliehania sa na veľa kľúčových slov poskytuje sémantické vyhľadávanie výsledky založené na sémantike alebo význame daného dopytu.
Koncept sémantického vyhľadávania je tu už pomerne dlho. Spoločnosti však majú ťažkosti s implementáciou takejto funkcionality, pretože sémantické vyhľadávanie môže byť pomalé a náročné na zdroje.
Riešením je zmapovať vektorové vloženie a uložiť ich vo veľkom vektorová databáza. Tým sa podstatne znížia požiadavky na výpočtový výkon a zrýchlia výsledky vyhľadávania zúžením výsledkov len na tie najrelevantnejšie informácie.
Veľké technologické spoločnosti a startupy ako Pinecone, Redis a Milvus v súčasnosti investujú do vektorových databáz, aby poskytujú možnosti sémantického vyhľadávania v systémoch odporúčaní, vyhľadávacích nástrojoch, systémoch na správu obsahu a chatboty.
Demokratizácia AI
Hoci nejde nevyhnutne o technický pokrok, niekoľko veľkých technologických spoločností má záujem o demokratizáciu AI. V dobrom aj v zlom, Open-source modely AI sa teraz trénujú a poskytnutých viac povolených licencií pre organizácie na používanie a dolaďovanie.
Informuje o tom denník Wall Street Journal že Meta kupuje akcelerátory umelej inteligencie Nvidia H100 a jej cieľom je vyvinúť AI, ktorá bude konkurovať najnovšiemu modelu GPT-4 od OpenAI.
V súčasnosti neexistuje žiadny verejne dostupný LLM, ktorý by sa vyrovnal hrubému výkonu GPT-4. Ale keď spoločnosť Meta sľubuje konkurencieschopný produkt s tolerantnejšou licenciou, spoločnosti to konečne môžu dolaďte výkonný LLM bez rizika odhalenia a použitia obchodných tajomstiev a citlivých údajov proti nim.
AI Agents a Multi-Agent Startups
V súčasnosti sa pracuje na niekoľkých experimentálnych projektoch zameraných na vývoj agentov umelej inteligencie, ktorí si na dosiahnutie určitého cieľa vyžadujú málo alebo žiadne pokyny. Možno si pamätáte pojmy Agenti AI z Auto-GPT, nástroj AI, ktorý automatizuje jeho akcie.
Myšlienkou je, aby agent dosiahol plnú autonómiu prostredníctvom neustáleho sebahodnotenia a sebaopravovania. Pracovný koncept na dosiahnutie sebareflexie a nápravy spočíva v tom, že agent sa neustále vyzýva na každý krok o tom, aké kroky je potrebné urobiť, kroky, ako to urobiť, aké chyby urobil a čo môže urobiť zlepšiť.
Problémom je, že súčasné modely používané v agentoch AI majú malé sémantické pochopenie. To spôsobuje, že agenti majú halucinácie a vyvolávajú falošné informácie, čo spôsobuje, že uviaznu v nekonečnej slučke sebahodnotenia a nápravy.
Projekty ako MetaGPT Multi-agent Framework majú za cieľ vyriešiť problém súčasným použitím niekoľkých agentov AI na zníženie takýchto halucinácií. Multi-agentové rámce sú nastavené tak, aby napodobňovali, ako by fungovala začínajúca spoločnosť. Každý agent v tomto startupe bude mať pridelené pozície ako projektový manažér, projektant, programátor a tester. Rozdelením zložitých cieľov na menšie úlohy a ich delegovaním na rôznych agentov AI je pravdepodobnejšie, že títo agenti dosiahnu svoje dané ciele.
Samozrejme, tieto rámce sú stále veľmi skoro vo vývoji a ešte je potrebné vyriešiť veľa problémov. Ale s výkonnejšími modelmi, lepšou infraštruktúrou AI a neustálym výskumom a vývojom je len otázkou času, kedy sa efektívni agenti AI a multiagentné spoločnosti AI stanú vecou.
Formovanie našej budúcnosti pomocou AI
Veľké korporácie a startupy výrazne investujú do výskumu a vývoja AI a jej infraštruktúr. Môžeme teda očakávať, že budúcnosť generatívnej AI bude plne poskytovať lepší prístup k užitočným informáciám prostredníctvom sémantického vyhľadávania autonómnych agentov AI a spoločností AI a voľne dostupné vysokovýkonné modely pre spoločnosti a jednotlivcov na používanie a dolaďovať.
Hoci je to vzrušujúce, je tiež dôležité, aby sme zvážili etiku AI, súkromie používateľov a zodpovedný vývoj systémov a infraštruktúr AI. Nezabúdajme, že vývoj generatívnej AI nie je len o budovaní inteligentnejších systémov; je to aj o pretvorení našich myšlienok a zodpovednosti za spôsob, akým používame technológie.
