Idemo dalje od ChatGPT-a: Što budućnost nosi za Generative AI i Chatbotove?

Ključni podaci za van

• Uspjeh ChatGPT-a pokrenuo je široka ulaganja u istraživanje i integraciju umjetne inteligencije, što je dovelo do neviđenih prilika i napretka na tom području.
• Semantičko pretraživanje s vektorskim bazama podataka revolucionira algoritme pretraživanja korištenjem umetanja riječi i semantike za pružanje kontekstualno preciznijih rezultata.
• Razvoj AI agenata i startupa s više agenata ima za cilj postizanje pune autonomije i rješavanje trenutnih ograničenja kroz samoprocjenu, ispravljanje i suradnju između više agenata.

Fenomenalan uspjeh ChatGPT-a natjerao je svaku tehnološku tvrtku da počne ulagati u istraživanje umjetne inteligencije i smisli kako integrirati umjetnu inteligenciju u svoje proizvode. Situacija je drugačija od bilo čega što smo do sada vidjeli, ali umjetna inteligencija tek je na početku.

Ali ne radi se samo o otmjenim AI chatbotovima i generatorima teksta u sliku. Na horizontu su neki vrlo spekulirani, ali nevjerojatno impresivni AI alati.

Semantičko pretraživanje s vektorskim bazama podataka

Semantički upiti za pretraživanje testiraju se kako bi ljudima pružili bolje rezultate pretraživanja. Tražilice trenutno koriste algoritme usmjerene na ključne riječi za pružanje relevantnih informacija korisnicima. Međutim, pretjerano oslanjanje na ključne riječi predstavlja nekoliko problema, kao što je ograničeno razumijevanje konteksta, marketinški stručnjaci koji iskorištavaju SEO i rezultate pretraživanja niske kvalitete zbog poteškoća u izražavanju složenih upita.

Za razliku od tradicionalnih algoritama pretraživanja, semantičko pretraživanje koristi umetanje riječi i semantičko mapiranje za razumijevanje konteksta upita prije pružanja rezultata pretraživanja. Dakle, umjesto oslanjanja na hrpu ključnih riječi, semantičko pretraživanje daje rezultate temeljene na semantici ili značenju određenog upita.

Koncept semantičkog pretraživanja postoji već neko vrijeme. Međutim, tvrtke imaju poteškoća s implementacijom takve funkcionalnosti zbog toga koliko semantičko pretraživanje može biti sporo i zahtijeva mnogo resursa.

Rješenje je mapirati vektorske umetke i pohraniti ih u veliku vektorska baza podataka. Na taj način znatno se smanjuju zahtjevi za računalnom snagom i ubrzavaju rezultati pretraživanja sužavanjem rezultata samo na najrelevantnije informacije.

Velike tehnološke tvrtke i startupi kao što su Pinecone, Redis i Milvus trenutno ulažu u vektorske baze podataka kako bi pružiti mogućnosti semantičkog pretraživanja na sustavima preporuka, tražilicama, sustavima za upravljanje sadržajem i chatbotovi.

Demokratizacija umjetne inteligencije

Iako to nije nužno tehnički napredak, nekoliko velikih tehnoloških tvrtki zainteresirano je za demokratizaciju umjetne inteligencije. U dobru i u zlu, AI modeli otvorenog koda sada se obučavaju i organizacijama su dane popustljivije licence za korištenje i fino podešavanje.

Wall Street Journal izvještava da Meta kupuje Nvidia H100 AI akceleratore i ima za cilj razviti AI koji se natječe s OpenAI-jevim nedavnim GPT-4 modelom.

Trenutno nema javno dostupnog LLM-a koji se može mjeriti sa sirovim performansama GPT-4. Ali s Metom koja obećava konkurentan proizvod s popustljivijom licencom, tvrtke konačno mogu fino podesite moćni LLM bez rizika od otkrivanja i korištenja poslovnih tajni i osjetljivih podataka protiv njih.

AI agenti i multi-agent startupi

Trenutačno se radi na nekoliko eksperimentalnih projekata za razvoj AI agenata koji zahtijevaju malo ili nikakve upute za postizanje određenog cilja. Možda se sjećate pojmova AI agenti iz Auto-GPT-a, AI alat koji automatizira svoje radnje.

Ideja je da agent postigne punu autonomiju kroz stalnu samoprocjenu i samoispravljanje. Radni koncept za postizanje samorefleksije i ispravljanja je da agent sam sebe stalno potiče na svaki korak o načinu na koji radnju treba poduzeti, korake kako to učiniti, koje je pogreške napravio i što može učiniti poboljšati.

Problem je u tome što trenutni modeli koji se koriste u AI agentima imaju malo semantičkog razumijevanja. To uzrokuje da agenti haluciniraju i daju lažne informacije, što ih uzrokuje da zaglave u beskonačnoj petlji samoprocjene i ispravljanja.

Projekti kao što je MetaGPT Multi-agent Framework imaju za cilj riješiti problem istovremenom upotrebom nekoliko AI agenata za smanjenje takvih halucinacija. Okviri s više agenata postavljeni su da oponašaju kako bi startup tvrtka radila. Svakom agentu u ovom pokretanju bit će dodijeljene pozicije kao što su voditelj projekta, dizajner projekta, programer i tester. Dijeljenjem složenih ciljeva na manje zadatke i njihovim delegiranjem različitim agentima umjetne inteligencije, veća je vjerojatnost da će ti agenti postići zadane ciljeve.

Naravno, ovi su okviri još uvijek u ranoj fazi razvoja i mnoga pitanja tek treba riješiti. Ali s moćnijim modelima, boljom infrastrukturom umjetne inteligencije te stalnim istraživanjem i razvojem, samo je pitanje vremena kada će učinkoviti agenti umjetne inteligencije i tvrtke s više agenata postati stvar.

Oblikovanje naše budućnosti s umjetnom inteligencijom

Velike korporacije i startupi mnogo ulažu u istraživanje i razvoj umjetne inteligencije i njezine infrastrukture. Dakle, možemo očekivati ​​da će budućnost generativne umjetne inteligencije omogućiti bolji pristup korisnim informacijama putem semantičkog pretraživanja, u potpunosti autonomni AI agenti i AI tvrtke te besplatno dostupni modeli visokih performansi za tvrtke i pojedince za korištenje i fino podesiti.

Iako je uzbudljivo, također je važno da odvojimo vrijeme za razmatranje AI etike, privatnosti korisnika i odgovornog razvoja AI sustava i infrastrukture. Prisjetimo se da se evolucija generativne umjetne inteligencije ne odnosi samo na izgradnju pametnijih sustava; također se radi o preoblikovanju naših misli i odgovornosti za način na koji koristimo tehnologiju.