Üretken yapay zekanın geleceği genelleştirilmiş değil, niştir

Bunun gerçekten bir “iPhone anı” mı yoksa Google araması için ciddi bir tehdit mi olduğu şu anda açık değil – kullanıcı davranışlarında ve beklentilerinde bir değişiklik yapması muhtemel olsa da, ilk değişim, eğitimli araçlar getirmeye çalışan kuruluşlar olacak. kendi verilerinden ve hizmetlerinden öğrenmek için büyük dil modellerinde (LLM’ler).

Ve bu, nihayetinde anahtardır – bugün üretken yapay zekanın önemi ve değeri, gerçekten bir toplumsal veya endüstri çapında dönüşüm sorunu değildir. Bunun yerine, bu teknolojinin büyük ve hantal miktarda veri ve bilgi ile etkileşimde bulunmanın yeni yollarını nasıl açabileceği sorusu.

OpenAI açıkça bu gerçeğin farkında ve ticari bir fırsat seziyor: ChatGPT eklenti girişiminde yer alan kuruluşların listesi küçük olsa da, OpenAI şirketlerin eklentilere erişim elde etmek için kaydolabilecekleri bir bekleme listesi açtı. Önümüzdeki aylarda, şüphesiz OpenAI’nin üretken yapay zeka sistemleri tarafından desteklenen birçok yeni ürün ve arayüz göreceğiz.

OpenAI’yi bu teknolojinin tek bekçisi olarak görme tuzağına düşmek kolay olsa da – ve ChatGPT’yi the go-to üretken AI aracı – neyse ki bu durumdan çok uzak. Bir bekleme listesine kaydolmanıza veya Sam Altman’a teslim etmek için çok miktarda nakit bulundurmanıza gerek yok; bunun yerine, LLM’leri kendi kendine barındırmak mümkündür.

Bu, Thoughtworks’te görmeye başladığımız bir şey. Bugün endüstride kullanılan teknikler, platformlar, diller ve araçlarla ilgili düşünceli kılavuzumuz olan Technology Radar’ın son sayısında, üretken yapay zekanın geleceğinin niş ve özel olduğunu gösteren birbiriyle ilişkili bir dizi araç ve uygulama belirledik. , ana akım konuşmanın size inandıracağının aksine.

Ne yazık ki, bunun pek çok işletme ve teknoloji liderinin henüz fark ettiği bir şey olduğunu düşünmüyoruz. Endüstrinin odak noktası, GPT-J ve GPT Neo gibi projelerin örneklediği, onun ötesinde gelişen araçlar ekosistemi anlamına gelen OpenAI’ye odaklandı ve kolaylaştırabilecekleri daha fazla Kendin Yap yaklaşımı şimdiye kadar biraz ihmal edildi. Bu utanç verici çünkü bu seçenekler birçok avantaj sunuyor. Örneğin, kendi kendine barındırılan bir LLM, verilerin bir OpenAI ürünüyle bağlanmasından kaynaklanabilecek çok gerçek gizlilik sorunlarını ortadan kaldırır. Başka bir deyişle, kendi kurumsal verilerinize bir LLM dağıtmak istiyorsanız, bunu tam olarak kendiniz yapabilirsiniz; başka bir yere gitmesine gerek yok. Gizlilik ve veri yönetimiyle ilgili hem endüstrinin hem de halkın endişeleri göz önüne alındığında, büyük teknolojinin pazarlama çabalarına kapılmak yerine temkinli olmak son derece mantıklıdır.

Gördüğümüz ilgili bir eğilim, alana özgü dil modelleridir. Bunlar da yeni ortaya çıkmaya başlasa da, kendi verileriniz üzerinde halka açık, genel amaçlı LLM’lerde ince ayar yapmak, inanılmaz derecede yararlı bilgi alma araçları geliştirmek için bir temel oluşturabilir. Bunlar, örneğin ürün bilgileri, içerik veya dahili belgeler üzerinde kullanılabilir. Önümüzdeki aylarda, bunların müşteri destek personeline yardım etmek ve içerik oluşturucuların daha özgürce ve verimli bir şekilde denemeler yapmasını sağlamak gibi şeyler yapmak için kullanıldığına dair daha fazla örnek göreceğinizi düşünüyoruz.

Üretken yapay zeka daha alana özgü hale gelirse, bunun aslında insanlar için ne anlama geldiği sorusu kalır. Bununla birlikte, AI’nın orta vadeli geleceğine ilişkin bu görüşün, günümüzün kıyamet tellallığı yapan vizyonlarının çoğundan çok daha az tehdit edici ve korkutucu olduğunu öne sürüyorum. Üretken yapay zeka ile daha spesifik ve niş veri kümeleri arasındaki boşluğu daha iyi kapatarak, zaman içinde insanlar teknolojiyle ustaca farklı bir ilişki kurmalıdır. Görünüşte her şeyi bilen bir şey olarak gizemini kaybedecek ve bunun yerine bağlamımıza gömülecek.