Рынок большой языковой модели AI (LLM) достиг точки зрелости, когда он готов к трансформации посредством фрагментации. Эра LLM, характеризующаяся их впечатляющей способностью использовать огромное количество данных, была захватывающей. Он перенес мир из возраста AI до генерального возраста до генеративного возраста ИИ (Геная) и дало людям и организациям понимание технологии и того, как они могут использовать ее в свою пользу. Все больше людей теперь хотят поставить Genai в большее количество мест для решения проблем, которые они ранее не могли решить.
Теперь мы находимся в пропасти, и это естественная эволюция в жизненном цикле новых технологий. LLM стали настолько большими, что потребляли все доступные данные для обучения, но они все еще жаждут большего, чтобы продолжать инновации. Некоторые модели теперь даже создают свои синтетические данные, чтобы учиться. Хотя эти огромные интеллектуальные системы являются преобразующими, самая большая последняя модель не всегда является правильным решением. Возьмите механик самолета, исправляющий новый вид самолета в удаленном месте — им не нужна полная сила LLM, которая расскажет им, как Шекспир написал бы руководство; Им просто нужны изображения, видео, инструкции и, возможно, языковой перевод. Они также могут понадобиться, чтобы быть доступным на своем мобильном телефоне без подключения к Интернету.
Чтобы достичь своей следующей эволюции, рынок LLM будет следовать за всеми другими широко реализованными технологиями и фрагментами на рынок «XLM» более специализированных моделей, где X обозначает различные модели. Языковые модели реализуются в большем количестве мест с требованиями приложений и использования, таких как более низкая электроэнергия или более высокие меры безопасности и безопасности. Размер является еще одним фактором, но мы также увидим различную функциональность и модели, которые являются портативными, удаленными, гибридными, доменными и областями. Благодаря этой прогрессе появится большая универсальность и разнообразие использования, с большим количеством вариантов цен на цены, безопасности и задержки.
Переосмысление модели обучения и управления данными
Мы должны переосмыслить, как модели искусственного интеллекта обучены полностью подготовить и принять рынок XLM. Будущее более инновационных моделей ИИ и стремление к искусственному общему интеллекту зависит от расширенных возможностей рассуждений (как и модель O3 O3 демонстрирует ранние стадии), но это требует практики управления данными реструктуризации. Текущие методы слишком сильно зависят от статических данных, ограничивающих точности и отзывчивости в реальном времени.
Системы будут разработаны для гибкой обработки структурированных, неструктурированных и потоковых данных в режиме реального времени, придерживаясь политики управления и безопасности. Адаптивность имеет решающее значение, потому что, поскольку языковые модели становятся более сложными, они станут внедрены в функции, которые, кажется, пока не имеют смысла. Таким образом, проектирование гибких трубопроводов уменьшит необходимость в повторной ревизии в будущем. Это достигается за счет использования двух доменов уникально управляемых данных: кураторские учебные данные, которые соответствуют правилам, и живые данные, оптимизированные для надежности, затрат, задержки и безопасности.
Решение проблемы данных в реальном времени
Подготовка конвейеров данных в режиме реального времени для возраста XLM по своей природе повышает давление на ресурсы для разработки данных, особенно для организаций, которые в настоящее время полагаются на загрузки данных статической партии и точную настройку. Исторически точность в режиме реального времени требовала, чтобы специализированные команды выполняли регулярные загрузки партии при сохранении точности данных, что представляет стоимость и ресурсные барьеры. По мере того, как все больше организаций стремятся к точности, давление на конечное количество квалифицированных инженеров возросло. Однако есть решение.
Революция в живой трубопроводе
Live AI-это инновация, изменяющая игру для отрасли по мере развития модельного рынка. Гибридные трубопроводы данных, которые объединяют партийную обработку с разъемами данных в реальном времени или каналами на основе API, повышают точность модели, поскольку они могут постоянно изучать и отучить. Это не только улучшает выходы ИИ, но и бремя для технических данных также уменьшаются, поскольку им больше не нужно готовить данные и постоянно преодолеть трубопровод.
В будущем большинство конвейеров данных будут конвейерами ИИ, и все приложения ИИ будут иметь элементы в реальном времени. Организации и команды данных должны знать это и подготовиться к этой возможной, чтобы избежать повторной реплики дальше. Трубопроводы должны быть разработаны с самого начала для автоматической интеграции, преобразования и подачи данных в модели без постоянного ручного вмешательства. Растет доступность инструментов и инфраструктуры данных, которые устраняют необходимость в обширных оценках и учебных циклах, и в течение нескольких часов обеспечивают современные кормления, мгновенно снижая спрос в командах данных. Эти более гибкие решения делают эксперименты более достижимыми и поощряют организации выбирать инструменты, которые будут плавно приспосабливать к будущим изменениям в приложениях и вариантах использования.
Внедрение интеллектуальных структур, которые обеспечивают автоматизацию и интеллектуальное управление данными, закладывает основу для более инновационных моделей. Когда команды по разработке данных имеют повторяющиеся, трудные задачи, удаленные из их рабочей нагрузки, им разрешено исследовать новые модели, творчески подходить к решению проблем и помогают лидерам понять, какие типы моделей повысят эффективность и расширяют организационное воздействие.
Модернизация управления данными для более разумных моделей
Движение в направлении диверсифицированного рынка XLM станет ключевой фазой для эволюции ИИ. Принимая во внимание эти более умные, более специализированные модели и модернизация инфраструктуры данных под ними позволит ИИ -экосистеме процветать перед лицом текущих ограничений развития, открывая больше случаев использования и вдохновляющих инноваций, которые трансформируют отрасли промышленности.
Trending Stories youtube.com/thenewstack Tech движется быстро, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом. Виктор Szczerba является главным коммерческим директором и членом совета директоров в Pathway с января 2025 года после консультативной должности компании для компании с конца 2023 года. Victor имеет большой опыт работы с технологическими решениями, в том числе в SAP, где он запустил … Подробнее от Victor Szczerba
