Δεν απαιτείται πάντα ένα πιο έξυπνο μοντέλο για κάθε εργασία τεχνητής νοημοσύνης: Δύο ερωτήματα που καθορίζουν τον τρόπο εξειδίκευσης

Κάπου αυτή τη στιγμή, ένα από τα πιο ικανά μοντέλα τεχνητής νοημοσύνης στον κόσμο διαβάζει μια ανακοίνωση για διαίρεση μετοχών. Θα βρει τη σωστή απάντηση, αλλά το ίδιο θα έκανε και ένα μοντέλο με πολύ μικρότερο μέγεθος και κόστος. Είναι σαν ένας αντιπρόεδρος να κάνει τη δουλειά ενός ασκούμενου.

Η νοημοσύνη παραμένει το προτιμώμενο σημείο αναφοράς του κλάδου, ωστόσο πολλές εργασίες τεχνητής νοημοσύνης παρουσιάζουν ένα ανώτατο όριο: ένα σημείο στο οποίο ένα μοντέλο γίνεται «αρκετά έξυπνο» και η απόδοση σε ό,τι αφορά την περαιτέρω αύξηση της νοημοσύνης αρχίζει να μειώνεται. Άλλες εργασίες δεν έχουν καθόλου ανώτατο όριο. Κανένα από τα δύο είδη δεν εξυπηρετείται ικανοποιητικά από ένα έτοιμο μοντέλο. Το αν μια εργασία έχει ανώτατο όριο και το αν «παραμένει στάσιμη» καθορίζει αν πρέπει να εξειδικευτεί το μοντέλο ή το σύστημα γύρω από αυτό.

Γιατί τα εξειδικευμένα μοντέλα τεχνητής νοημοσύνης εξαρτώνται από την εργασία και όχι από τον τομέα

Η ανάγκη για εξειδικευμένα μοντέλα πηγάζει από την εργασία και όχι από τον τομέα. Οι ίδιοι οι τομείς αποτελούν συστάδες αμέτρητων εργασιών.

Για παράδειγμα, οι φαρμακευτικές εταιρείες ασχολούνται με την ανακάλυψη φαρμάκων, ένας τομέας όπου η πιο εμπεριστατωμένη και ταχύτερη έρευνα, καθώς και η καλύτερη ανάλυση του άγνωστου, προσφέρουν σημαντικά πλεονεκτήματα. Οι φαρμακευτικές εταιρείες ασχολούνται επίσης με τυποποιημένες εργασίες μεγάλου όγκου, οι οποίες διέπονται από εξαιρετικά σαφείς κανόνες, όπως η κωδικοποίηση αναφορών ανεπιθύμητων ενεργειών.

Στη δεύτερη περίπτωση, η προσθήκη επιπλέον νοημοσύνης αποφέρει φθίνουσες αποδόσεις. Μόλις ένα μοντέλο γίνει «αρκετά έξυπνο», η εξειδίκευσή του —με τη μορφή λεπτομερούς ρύθμισης για την κατανόηση της σχέσης μεταξύ των ανατροφοδοτήσεων των ασθενών και των ιατρικών λεξικών— γίνεται ο κύριος παράγοντας δημιουργίας αξίας. Αντίθετα, στην περίπτωση της ανακάλυψης φαρμάκων, η προσθήκη επιπλέον νοημοσύνης αποτελεί το κρίσιμο στοιχείο. Ένα μεγαλύτερο, καλύτερο και ταχύτερο μοντέλο μπορεί πάντα να προσφέρει μεγαλύτερη αξία στην εκάστοτε εργασία. Εργασίες όπως η ανακάλυψη φαρμάκων απαιτούν τεχνητή νοημοσύνη αιχμής και αντιπροσωπεύουν τεράστιες αγορές, στις οποίες η αύξηση της απόδοσης της τεχνητής νοημοσύνης αποφέρει απεριόριστες αποδόσεις.

Το ίδιο ισχύει και για μια εταιρεία ποσοτικής διαπραγμάτευσης, όπου η αναζήτηση νέων σημάτων διαπραγμάτευσης είναι ανάλογη με την ανακάλυψη φαρμάκων. Κάθε βελτίωση στην πληροφορία μπορεί να μετατραπεί σε πλεονέκτημα στην αγορά και, τελικά, σε αποδόσεις. Ωστόσο, η ίδια εταιρεία πρέπει επίσης να επεξεργάζεται δεκάδες εταιρικές πράξεις που φτάνουν ως ανακοινώσεις ελεύθερου κειμένου . Πρόκειται για τυποποιημένη εργασία μεγάλου όγκου, η οποία είναι απίθανο να αλλάξει με την πάροδο του χρόνου. Υπάρχει μία μόνο σωστή ερμηνεία για μια διαίρεση μετοχών 2 προς 1. Ένα μεγαλύτερο, πιο έξυπνο μοντέλο είναι απίθανο να προσφέρει πλεονεκτήματα στην ανάλυση αυτού του στοιχείου.

Δύο ερωτήματα που καθορίζουν αν πρέπει να γίνει λεπτομερής ρύθμιση ενός μοντέλου

Για να κατανοήσουμε σε ποιες περιπτώσεις η χρήση εξειδικευμένων μοντέλων είναι σκόπιμη, θα πρέπει να αξιολογήσουμε δύο συνθήκες που σχετίζονται με κάθε εργασία:

• Η εργασία εξακολουθεί να ανταμείβει περισσότερο τη νοημοσύνη;
• Είναι η εργασία σταθερή; Δηλαδή, οι κανόνες, οι εισροές και οι απαιτήσεις της παραμένουν αμετάβλητες;

Τα εξειδικευμένα μοντέλα είναι πιο βιώσιμα όταν το ζεύγος απαντήσεων είναι «όχι» και «ναι»· δηλαδή, σε περιπτώσεις όπου η εργασία ικανοποιείται ήδη πλήρως από τα σημερινά μοντέλα και στις οποίες η ίδια η εργασία είναι απίθανο να αλλάξει ουσιαστικά. Η κωδικοποίηση ανεπιθύμητων ενεργειών πληροί και τα δύο κριτήρια. Η ανακάλυψη φαρμάκων αποτυγχάνει κατηγορηματικά στο πρώτο.

Το κόστος και τα οφέλη της βελτιστοποίησης των μοντέλων τεχνητής νοημοσύνης

Για τις τυποποιημένες εργασίες μεγάλου όγκου που περιγράφηκαν παραπάνω, η ανάπτυξη ενός εξειδικευμένου μοντέλου προσφέρει πραγματικά πλεονεκτήματα. Το πρώτο είναι το κόστος: όταν μια εργασία εκτελείται εκατομμύρια φορές, ένα μικρό μοντέλο προσαρμοσμένο για τη συγκεκριμένη εργασία είναι φθηνότερο και ταχύτερο στην εκτέλεση από ένα μοντέλο «frontier». Το δεύτερο είναι η συνέπεια: ένα μοντέλο που έχει εκπαιδευτεί σε χιλιάδες εξαιρετικά συγκεκριμένα παραδείγματα θα εφαρμόζει με συνέπεια μια εξαιρετικά παρόμοια, αν όχι ταυτόσημη, λογική κάθε φορά, καθιστώντας το όλο και πιο προβλέψιμο. Το τρίτο είναι ο έλεγχος: μια εταιρεία μπορεί να φιλοξενήσει το δικό της μοντέλο στη δική της υποδομή, διατηρώντας ευαίσθητα δεδομένα, όπως ιατρικά αρχεία ασθενών ή οικονομικά στοιχεία, εντός των δικών της εγκαταστάσεων.

Ωστόσο, δεν υπάρχουν δωρεάν γεύματα εδώ. Η λεπτομερής ρύθμιση μειώνει το κόστος λειτουργίας ενός μοντέλου, αλλά ταυτόχρονα αυξάνει το κόστος και τον χρόνο που απαιτείται για την κατασκευή του. Εάν η εργασία δεν αλλάξει ουσιαστικά ποτέ και δεν υπάρχει όφελος από την ενσωμάτωση ενός ανώτερου μελλοντικού βασικού μοντέλου, αυτό αποτελεί ένα εύκολα δικαιολογημένο εφάπαξ κόστος. Ωστόσο, το κόστος μπορεί να αυξηθεί σημαντικά εάν αυτές οι προϋποθέσεις δεν πληρούνται. Κάθε φορά που η εργασία αλλάζει ή κυκλοφορεί ένα καλύτερο βασικό μοντέλο, το εξειδικευμένο μοντέλο πρέπει να εκπαιδευτεί εκ νέου. Επομένως, τα πλεονεκτήματα της δημιουργίας εξειδικευμένων μοντέλων διατηρούνται μόνο όταν η εργασία είναι σταθερή και τα τρέχοντα μοντέλα είναι ήδη αρκετά καλά ώστε να αποσβέσουν επαρκώς την επένδυση αυτή.

Πότε πρέπει να γίνεται η τελειοποίηση ενός μοντέλου και πότε η εξειδίκευση του συστήματος τεχνητής νοημοσύνης

Συνολικά, τα δύο ερωτήματα που τέθηκαν νωρίτερα σκιαγραφούν την πορεία που πρέπει να ακολουθήσει κανείς για να εξειδικευτεί.

1. Αρκετά έξυπνο και σταθερό: Εξειδικεύστε το μοντέλο. Σε αυτόν τον τομέα εντάσσονται οι προαναφερθείσες εργασίες, όπως η κωδικοποίηση ανεπιθύμητων συμβάντων και οι εταιρικές πράξεις. Οι οικονομικοί παράγοντες που περιγράφηκαν παραπάνω ευνοούν τη λεπτομερή ρύθμιση και παρέχουν περιθώριο για την απόσβεση της επένδυσης μέσω εκατομμυρίων εκτελέσεων.
2. Όλα τα άλλα: Εξειδικεύστε το σύστημα· η εξειδίκευση του μοντέλου είναι απλώς μία μορφή προσαρμογής. Αν μια εργασία εξακολουθεί να απαιτεί νοημοσύνη, η ενσωμάτωση της εξειδίκευσης στα βάρη ενός μοντέλου σημαίνει επανεκπαίδευση κάθε φορά που κυκλοφορεί ένα καλύτερο μοντέλο. Αν η εργασία αλλάζει συνεχώς, αυτό σημαίνει επανεκπαίδευση κάθε φορά που αλλάζει η εργασία. Σε κάθε περίπτωση, η εξειδίκευση ενσωματώνεται καλύτερα στα δεδομένα, τα εργαλεία και τις ροές εργασίας γύρω από ένα μοντέλο που μπορεί να αντικατασταθεί. Το προηγούμενο παράδειγμα της ανακάλυψης φαρμάκων εμπίπτει σε αυτήν την κατηγορία. Χρειάζεται την αιχμή της τεχνολογίας, αλλά με ιδιόκτητα δεδομένα και ειδικά σχεδιασμένες ροές εργασίας.

Οι δύο απαντήσεις δεν αλληλοαποκλείονται. Ακόμη και ένα λεπτομερώς ρυθμισμένο μοντέλο εξακολουθεί να απαιτεί ένα σύστημα υποστήριξης, ενώ ένα καλά δομημένο σύστημα μπορεί να φιλοξενήσει στοιχεία ενός λεπτομερώς ρυθμισμένου μοντέλου. Επομένως, τα ερωτήματα —και οι απαντήσεις που προκύπτουν από αυτά— καθορίζουν πού βρίσκεται το κέντρο βάρους.

Clarity AIΟι εργασίες μας καταλήγουν στην προσέγγιση των εξειδικευμένων συστημάτων και από τις δύο οδούς. Ορισμένες από τις εργασίες μας εξακολουθούν να ανταμείβουν την πρωτοποριακή ευφυΐα. Επειδή η πλατφόρμα εξαγωγής δεδομένων μας είναι ανεξάρτητη από μοντέλα, είμαστε σε θέση να ενσωματώνουμε νέα μοντέλα αιχμής μέσα σε λίγες ημέρες, αποκομίζοντας οφέλη που ένα μοντέλο που έχει υποστεί λεπτομερή ρύθμιση θα είχε αναβάλει μέχρι την επανεκπαίδευσή του. Υπάρχουν και άλλες εργασίες για τις οποίες τα υπάρχοντα μοντέλα είναι «αρκετά έξυπνα», αλλά υπερβολικά δυναμικά για να ενσωματωθούν σε ένα εξατομικευμένο εξειδικευμένο μοντέλο. Για παράδειγμα, όταν μια ρυθμιστική αλλαγή μεταβάλλει τις απαιτήσεις των δεικτών, χρειάζεται μόνο να τροποποιήσουμε το πλαίσιο, τους κανόνες και τις επικυρώσεις, αντί να επανεκπαιδεύσουμε το ίδιο το μοντέλο. Δημιουργώντας ένα εξατομικευμένο πλαίσιο, μπορούμε να εξειδικεύσουμε τις διαδικασίες μας και να προσαρμοζόμαστε γρήγορα όταν αντιμετωπίζουμε αλλαγές.

Κάθε σοβαρή εφαρμογή τεχνητής νοημοσύνης είναι εξειδικευμένη. Το συγκεκριμένο έργο καθορίζει αν η εξειδίκευση αυτή βρίσκεται κυρίως στο μοντέλο ή γύρω από αυτό. Αναθέστε τη διαίρεση των μετοχών στον ασκούμενο και δώστε στον αντιπρόεδρο μια καλύτερη ομάδα.