Meta เพิ่งเปิดตัว LLaMa 2 ซึ่งเป็นโมเดลภาษาธรรมชาติเชิงพาณิชย์แบบโอเพ่นซอร์สฟรีที่เทียบได้กับ GhatGPT 3.5 นอกเหนือจากการประกาศว่า LLaMa 2 จะเป็นโอเพ่นซอร์สฟรีสำหรับใช้ในเชิงพาณิชย์แล้ว เจ้าหน้าที่ Meta ยังเปิดเผยข้อมูลที่เกี่ยวข้องบางส่วนเกี่ยวกับ LLaMa 2 อีกด้วย ในแง่ของเวอร์ชันพารามิเตอร์ LLaMa 2 มีเวอร์ชันที่แตกต่างกันสามเวอร์ชัน ได้แก่ พารามิเตอร์ 7 พันล้านพารามิเตอร์ 13 พันล้านพารามิเตอร์ และ 70 พันล้านพารามิเตอร์

เนื่องจากโมเดลภาษาขนาดใหญ่ เช่น LLaMa 2 เข้ามารบกวนพื้นที่การผลิตมากขึ้นเรื่อยๆ วิธีที่องค์กรต่างๆ ใช้โมเดลขนาดใหญ่ และวิธีแปรรูปการปรับใช้ AI กลายเป็นประเด็นร้อน เมื่อเร็ว ๆ นี้ รัฐวิสาหกิจส่วนกลางและลูกค้าอุตสาหกรรมที่มีความแข็งแกร่งทางการเงินค่อนข้างแข็งแกร่งกำลังมองหาโซลูชันแบบจำลองขนาดใหญ่ของการแปรรูปเพื่อช่วยให้ลูกค้าในอุตสาหกรรมสร้างแบบจำลองขนาดใหญ่โดยเฉพาะโดยอิงจากข้อมูลเฉพาะอุตสาหกรรม พื้นที่ตลาด

ในปัจจุบัน หลายบริษัทสามารถแปรรูปการปรับใช้โมเดล AI ขนาดใหญ่ได้ ตัวอย่างเช่น Contextual AI กำลังดำเนินการวิจัยเกี่ยวกับเทคโนโลยี Enhanced Generation (RAG) สำหรับการใช้งานแบบแปรรูปในองค์กร นอกจากนี้ Cohere ยังฝึกอบรมโมเดลตามความต้องการของลูกค้า อีกตัวอย่างหนึ่งคือ การปรับแต่งโมเดลของ Reka เทคโนโลยี ลูกค้าจะได้รับแพลตฟอร์มความสามารถด้านโค้ดชั้นนำของอุตสาหกรรมซึ่งช่วยปรับปรุงประสิทธิภาพด้านการวิจัยและพัฒนาของบริษัทอย่างมาก R 3 PO อยู่ที่นี่เพื่อรื้อเส้นทางนี้และแบ่งปันกับคุณเกี่ยวกับสถานะปัจจุบันและศักยภาพในการพัฒนาของการปรับใช้โมเดล AI ขนาดใหญ่แบบแปรรูป

1. อนาคตทางดิจิทัลขององค์กรแยกออกจากการแปรรูปและการปรับใช้โมเดล AI ขนาดใหญ่ไม่ได้

องค์กรแบบดั้งเดิมขนาดใหญ่หลายแห่งไม่สามารถใช้บริการ AI บนคลาวด์สาธารณะได้ เนื่องจากความปลอดภัยของข้อมูลและข้อควรพิจารณาอื่นๆ อย่างไรก็ตาม ความสามารถพื้นฐานของ AI ในองค์กรเหล่านี้ค่อนข้างอ่อนแอและขาดการสั่งสมเทคโนโลยีและความสามารถ อย่างไรก็ตาม การอัปเกรดอัจฉริยะถือเป็นความจำเป็นเร่งด่วนสำหรับองค์กร ในเวลานี้ บริษัทเทคโนโลยี AI ถูกนำมาใช้เพื่อดำเนินการ การใช้งานการแปรรูปสถานีกลาง AI ภายในองค์กร เป็นกลยุทธ์ที่ประหยัดและมีประสิทธิภาพมากขึ้น

Tencent Tang Daosheng ชี้ให้เห็นในสุนทรพจน์เมื่อเร็วๆ นี้ว่า โมเดลขนาดใหญ่ทั่วไปสามารถแก้ปัญหาได้ 70% -80% ใน 100 สถานการณ์ แต่อาจไม่สามารถตอบสนองความต้องการของสถานการณ์เฉพาะขององค์กรได้อย่างเต็มที่ โมเดลขนาดใหญ่ทั่วไปมักจะขึ้นอยู่กับวรรณกรรมสาธารณะและข้อมูลเครือข่ายที่หลากหลาย ขาดการสะสมความรู้ทางวิชาชีพและข้อมูลอุตสาหกรรมจำนวนมาก ดังนั้นจึงมีข้อบกพร่องในด้านความเกี่ยวข้องและความถูกต้องของอุตสาหกรรม อย่างไรก็ตาม ผู้ใช้มีความต้องการบริการระดับมืออาชีพที่มอบให้โดยองค์กรสูง และมีความทนทานต่อข้อผิดพลาดต่ำ เมื่อองค์กรให้ข้อมูลที่ไม่ถูกต้องต่อสาธารณะ ก็อาจทำให้เกิดผลที่ตามมาร้ายแรง ด้วยการปรับแต่งอย่างละเอียดตามโมเดลอุตสาหกรรมขนาดใหญ่และการรวมข้อมูลของตัวเอง องค์กรต่างๆ จะสามารถสร้างบริการอัจฉริยะที่มีความพร้อมใช้งานสูงได้ นอกจากนี้ เมื่อเปรียบเทียบกับรุ่นขนาดใหญ่สำหรับใช้งานทั่วไป รุ่นเฉพาะมีพารามิเตอร์น้อยกว่า ค่าใช้จ่ายในการฝึกอบรมและการอนุมานต่ำกว่า และการปรับโมเดลให้เหมาะสมได้ง่ายขึ้น

ในเวลาเดียวกัน โมเดลขนาดใหญ่ของอุตสาหกรรมและเครื่องมือพัฒนาโมเดลสามารถป้องกันการรั่วไหลของข้อมูลองค์กรที่ละเอียดอ่อนผ่านการปรับใช้แบบแปรรูป การควบคุมสิทธิ์ และการเข้ารหัสข้อมูล นอกจากนี้ การใช้แบบจำลองขนาดใหญ่กับสถานการณ์จริงต้องใช้ชุดขั้นตอนต่างๆ เช่น การสร้างอัลกอริทึมและการปรับใช้แบบจำลอง และไม่มีข้อผิดพลาดเกิดขึ้นในแต่ละขั้นตอน โมเดลจำเป็นต้องมีการวนซ้ำและการปรับแต่งอย่างต่อเนื่อง ซึ่งต้องใช้เครื่องมือที่เป็นระบบและทางวิศวกรรม

2. อะไรคือความสำคัญของการปรับใช้โมเดล AI ขนาดใหญ่แบบแปรรูป?

เมื่อเร็วๆ นี้ Reka ซึ่งให้บริการประมวลผลแบบกำหนดเองขนาดใหญ่สำหรับองค์กรต่างๆ ก็ได้รับเงินทุนจำนวน 58 ล้านดอลลาร์สหรัฐ ซึ่งสะท้อนถึงการขยายตัวของตลาดสำหรับโมเดล AI ที่แปรรูปในองค์กรอย่างค่อยเป็นค่อยไป

แม้ว่าโมเดลภาษาขนาดใหญ่อย่าง GPT-4 จะสามารถวิเคราะห์ข้อความและสร้างข้อความได้ดีมากอยู่แล้ว แต่ก็มีราคาแพงในการฝึกอบรมและยากในการฝึกอบรมในโดเมนแนวตั้ง และในปัจจุบันเป็นเรื่องยากที่จะทำงานเฉพาะอย่างให้เสร็จสิ้น เช่น การเขียนข้อความโฆษณาตาม สไตล์ของแบรนด์ ในเรื่องนี้ ลักษณะสากล ของพวกเขาจะกลายเป็นความรับผิดชอบ

โซลูชันการปรับใช้การแปรรูปองค์กรระดับองค์กรจึงกลายเป็นโซลูชันที่ต้องการ โดยมุ่งไปที่ความยากลำบากในการรวมแอปพลิเคชันและ AI ในขอบเขตแนวตั้งขององค์กร การปรับใช้การแปรรูป AI ระดับองค์กรเป็นกระบวนการโยกย้ายเทคโนโลยี AI จากแพลตฟอร์มคลาวด์สาธารณะไปยังโครงสร้างพื้นฐานส่วนตัวขององค์กร วิธีการปรับใช้นี้ช่วยให้องค์กรมีความปลอดภัยของข้อมูลและการปกป้องความเป็นส่วนตัวที่สูงขึ้น ขณะเดียวกันก็ควบคุมและปรับแต่งแอปพลิเคชัน AI ได้ดียิ่งขึ้น การปรับใช้การแปรรูป AI ระดับองค์กรมักเกี่ยวข้องกับการสร้างโครงสร้างพื้นฐาน AI ภายในองค์กร การจัดเก็บข้อมูลและความสามารถในการประมวลผล และการมีผู้เชี่ยวชาญด้าน AI ในการจัดการและดำเนินการทั้งระบบ

เมื่อกล่าวถึงความสำคัญที่จำเป็นของการปรับใช้การแปรรูป AI ระดับองค์กร Reka ได้อธิบายรายละเอียดเกี่ยวกับอุตสาหกรรมเป็นหลักจาก 5 ประเด็นต่อไปนี้:

ปรับปรุงความเป็นส่วนตัวและความปลอดภัยของข้อมูล

ด้วยการปรับใช้ระบบ AI ภายในองค์กร ข้อมูลที่ละเอียดอ่อนไม่จำเป็นต้องออกจากขอบเขตความปลอดภัยขององค์กร ซึ่งช่วยลดความเสี่ยงของการรั่วไหลของข้อมูลและการละเมิดความปลอดภัย สิ่งนี้ช่วยเพิ่มความมั่นใจให้กับธุรกิจและการปกป้องสำหรับงานที่เกี่ยวข้องกับข้อมูลที่ละเอียดอ่อน

ปรับปรุงการปรับแต่งและความยืดหยุ่น

การปรับใช้การแปรรูป AI ระดับองค์กรช่วยให้องค์กรต่างๆ ปรับแต่งแอปพลิเคชัน AI ให้ตรงตามความต้องการของตนได้ ความสามารถในการปรับแต่งนี้ช่วยให้องค์กรต่างๆ ปรับตัวเข้ากับสถานการณ์ทางธุรกิจที่เฉพาะเจาะจงได้ดีขึ้น และปรับเปลี่ยนและขยายได้อย่างยืดหยุ่นตามความจำเป็น

l ประสิทธิภาพสูงและเวลาแฝงต่ำ

การปรับใช้ระบบ AI บนโครงสร้างพื้นฐานภายในองค์กรสามารถบรรลุความเร็วในการรับส่งข้อมูลและการประมวลผลที่รวดเร็วยิ่งขึ้น นี่เป็นสิ่งสำคัญมากสำหรับธุรกิจที่ต้องการการตัดสินใจแบบเรียลไทม์และการตอบสนองที่รวดเร็ว เพื่อปรับปรุงประสิทธิภาพโดยรวมและความสามารถในการแข่งขัน

l เพิ่มความคุ้มทุน

แม้ว่าการปรับใช้ AI ขององค์กรเอกชนจะต้องมีการลงทุนเริ่มแรก แต่ก็สามารถส่งผลกระทบด้านต้นทุนเชิงบวกได้ในระยะยาว เมื่อเปรียบเทียบกับการพึ่งพาแพลตฟอร์มคลาวด์สาธารณะในระยะยาว การปรับใช้การแปรรูปองค์กรสามารถลดต้นทุนการดำเนินงาน ตลอดจนควบคุมและวางแผนงบประมาณได้ดีขึ้น

การกำกับดูแลข้อมูลและการปฏิบัติตามข้อกำหนด

การปรับใช้ AI ระดับองค์กรแบบส่วนตัวช่วยให้องค์กรต่างๆ สามารถจัดการและควบคุมการกำกับดูแลข้อมูลได้ดีขึ้น เพื่อให้เป็นไปตามข้อกำหนดด้านกฎระเบียบและการปฏิบัติตามข้อกำหนด นี่เป็นสิ่งสำคัญอย่างยิ่งในอุตสาหกรรมที่เกี่ยวข้องกับการปกป้องความเป็นส่วนตัวและการใช้ข้อมูล

3. การปรับแต่งและการเพิ่มประสิทธิภาพส่วนบุคคล: เทคโนโลยีการปรับปรุงแบบจำลองของ Reka นำเสนอศักยภาพที่ยอดเยี่ยมให้กับโมเดลการแนะนำระดับองค์กร

นักวิจัยจาก DeepMind, Google, Baidu และ Meta ก่อตั้ง Reka ซึ่งปัจจุบันนำโดย DST Global Partners และ Radical Ventures โดยมีส่วนร่วมจากพันธมิตรเชิงกลยุทธ์ Snowflake Ventures และนักลงทุน รวมถึงอดีต CEO GitHub Nat Friedman ที่ให้เงินทุนนี้

ปัจจุบัน Reka ได้พัฒนาผลิตภัณฑ์เชิงพาณิชย์ตัวแรกของบริษัท Yasa แม้ว่าจะไม่บรรลุเป้าหมายเดิมมากนัก แต่ Yasa ก็มีความก้าวหน้าเล็กๆ น้อยๆ ในการปรับแต่งโมเดลดังกล่าว Yogatama กล่าวว่า Yasa เป็นผู้ช่วย AI ต่อเนื่องหลายรูปแบบที่ได้รับการฝึกฝนให้เข้าใจรูปภาพ วิดีโอ และข้อมูลแบบตาราง นอกเหนือจากคำและวลี นอกจากนี้ยังสามารถสร้างแนวคิดและตอบคำถามพื้นฐานได้โดยอัตโนมัติ และยังสามารถให้มุมมองบางอย่างเกี่ยวกับบริษัท ข้อมูลภายใน

Yasa ต่างจากรุ่นต่างๆ เช่น GPT-4 ตรงที่สามารถปรับแต่งข้อมูลและแอปพลิเคชันที่เป็นกรรมสิทธิ์ได้อย่างง่ายดาย นอกจากข้อความแล้ว Yasa ยังเป็น ผู้ช่วย AI ต่อเนื่องหลายรูปแบบที่ได้รับการฝึกฝนให้เข้าใจรูปภาพ วิดีโอ และข้อมูลแบบตาราง นอกเหนือจากคำและวลี สามารถใช้เพื่อสร้างแนวคิดและตอบคำถามพื้นฐาน ตลอดจนรับข้อมูลเชิงลึกจากข้อมูลภายในของบริษัท Yogatama กล่าว

ขั้นตอนต่อไปสำหรับ Reka คือการหันความสนใจไปที่ปัญญาประดิษฐ์ที่สามารถยอมรับและสร้างข้อมูลประเภทต่างๆ ได้มากขึ้น และปรับปรุงตัวเองอยู่ตลอดเวลา โดยไม่จำเป็นต้องฝึกอบรมใหม่ ด้วยเหตุนี้ Reka ยังให้บริการที่ปรับโมเดลที่พัฒนาให้เข้ากับชุดข้อมูลของบริษัทที่กำหนดเองหรือเป็นกรรมสิทธิ์ ลูกค้าสามารถรันโมเดลที่ประมวลผลแบบกำหนดเองได้บนโครงสร้างพื้นฐานของตนเองหรือผ่าน API ของ Reka ขึ้นอยู่กับข้อจำกัดของแอปพลิเคชันและโปรเจ็กต์

4. ตลาดการใช้งานแปรรูป AI รุ่นใหญ่กำลังเฟื่องฟู

ด้วยข้อดีของประสิทธิภาพทรัพยากร ประสิทธิภาพแบบเรียลไทม์ การปรับแต่งส่วนบุคคล และความสามารถในการอธิบาย เทคโนโลยีการปรับใช้ AI ที่ปรับแต่งระดับองค์กรนำมาซึ่งประสิทธิภาพและความยืดหยุ่นที่สูงขึ้นมาสู่โมเดลการแนะนำขนาดใหญ่ และปรับปรุงประสิทธิภาพของระบบการแนะนำและประสบการณ์ผู้ใช้

โดยสรุป บริษัทหลายแห่งกำลังก้าวไปข้างหน้าบนเส้นทางของการปรับแต่งโมเดล AI เพื่อให้ทุกองค์กรมีโอกาสกลายเป็นองค์กร AI โดยไม่ต้องสร้างโมเดลตั้งแต่เริ่มต้น เห็นได้ชัดว่าขนาดตลาดสำหรับโมเดล AI ขององค์กรเอกชนจะเติบโตเมื่อแนวโน้มนี้พัฒนาขึ้นเท่านั้น

ลิงค์อ้างอิง:

https://analyticsindiamag.com/meta-launches-new-llm-LLaMa-which-outperforms-gpt-3-at-a-fraction-of-the-size/

https://baijiahao.baidu.com/s?id=1772397234831147837&wfr=spider&for=pc

https://wallstreetcn.com/articles/3691998

คำชี้แจงลิขสิทธิ์: หากคุณต้องการพิมพ์ซ้ำโปรดเพิ่มผู้ช่วย WeChat เพื่อสื่อสาร หากคุณพิมพ์ซ้ำหรือล้างต้นฉบับโดยไม่ได้รับอนุญาตเราจะขอสงวนสิทธิ์ในการดำเนินการทางกฎหมาย

ข้อสงวนสิทธิ์: ตลาดมีความเสี่ยง และการลงทุนจำเป็นต้องระมัดระวัง ผู้อ่านควรปฏิบัติตามกฎหมายและข้อบังคับท้องถิ่นอย่างเคร่งครัดเมื่อพิจารณาความคิดเห็น มุมมอง หรือข้อสรุปในบทความนี้ เนื้อหาข้างต้นไม่ถือเป็นคำแนะนำในการลงทุนใดๆ