 |
| Kuva: Tivi |
Pienet ja rajoitetut kielimallit ovat ehkä sitä, mitä yritysmaailma sekä varsinkin softaa kehittävät yritykset haluavat. Nuo pienet sekä rajoitetut kielimallit tekevät mahdolliseksi sen, että niiden avulla voidaan kehittää parempaa tai tarkemmin koodattua tai mallinnettuja tuotteita kuin yleistekoälyn avulla. Yleistekoälyn (Artificial General Intelligence, AGI) vaatii valtavan suuren kielimallin, jos sen avulla halutaan luoda kaupallisia tuotteita. Siis tässä tekstissä AGI tarkoittaa tekoälyä, joka osaa luoda esimerkiksi Python-ohjelman seuraamalla puhekielellä annettuja ohjeita käyttäen hyväksi yleistä tietoverkkoa.
Yleistekoälyt voivat olla tehokkaita välineitä, jos tietoa halutaan kerätä yleisestä tietoverkosta, mutta niiden ongelma on siinä, että yleisten tekoälyjen sisältämien moduulien hallinta voi olla ylivoimaisen hankalaa. Yleistekoäly on siis joukko sisäkkäisiä toimialueita, jotka sisältävät erilaisia osaamismoduuleja. Ja yleinen tekoäly on kuin muutkin tekoälyt, eli se yhdistelee erilaisia tietueita toisiinsa. Juuri tuo valtava moduulien määrä, sekä valtavat tietomäärät, joita tekoälyn pitää seuloa saadakseen jotain aikaan on asia, mikä aiheuttaa ongelmia. Nimittäin tekoälyn etsiessä tietoja vaikkapa jostain Python tai Java-koodista, niin tekoäly törmää valtavaan määrään tarpeetonta tietoa, mikä ei ole lopputuloksen kannalta kovin hyvä asia.
Toisin sanoen informaation valkea kohina, mikä tarkoittaa tarpeetonta tietoa tekee yleisestä tekoälystä tehottoman, sekä samalla ongelmallista on se, että tekoäly ei oikeastaan ajattele. Se seuloo ja yhdistää tietoja erilaisten algoritmien avulla. Ja valtava datamäärä saattaa aiheuttaa sen, että Python-koodiin putoaa vahingossa esimerkiksi python-käärmettä koskevaa tekstiä, mikä tietenkin aiheuttaa koodin toimimattomuutta.
Tekoälyjen ongelma on siinä, että ne ovat kuin ihmiset. Ne eivät ilman muuta osaa yhtään mitään. Tekoälyjä opetetaan liittämällä niihin uusia moduuleja. Ja jos noita moduuleja ei ole, niin tekoäly on avuton. Samoin jos moduuleja on liikaa, niin niiden yhteyksien hallinnoiminen on vaikea tehtävä.
Pieni ja suppea kielimalli on kuin RISC prosessori. Kun suppeita kielimalleja verrataan laajoihin yleisiin kielimalleihin, niin se on kuin vertaisi PC-tietokoneita taskulaskimeen. PC on varmasti monipuolisempi ja tehokkaampikin. Mutta taskulaskin on nopeampi ja tehokkaampi yksinkertaisia laskuja laskettaessa. Eli kapean sektorin, hyvin rajattuja tehtäviä tehtäessä pieni sekä rajoitettu kielimalli voi olla tehokkaampi.
Suppeat tekoälyt voivat toimia yrityksen omilla palvelimilla, eli ne eivät vaadi niin paljon tilaa kuin joku Chat GPT. Ja se saattaa parantaa tietoturvaa. Mutta tietenkin myös isot yleiset kielimallit tulevat kehittymään sekä samalla myös ne voivat toimia ikkunana kehittäjille, jotka painivat esimerkiksi tekoälyjen vaatimien kuvausten kanssa. Eli ilman täsmällisiä kuvauksia siitä, mitä tekoälyn pitäisi tehdä, ne eivät osaa rakentaa kunnollista koodia.
Suppeiden tekoälyjen kohdalla niiden toimintaa voidaan tehostaa rajoittamalla niiden käsittelemää datamassaa. Eli ohjelmistokehitystä suorittava tekoäly voi käyttää vain ennalta määriteltyjä kotisivuja koodien luomiseen. Periaatteessa tuo suppeampi tekoäly voi esimerkiksi pitää sisällään sellaisia moduuleja, joiden avulla voidaan sen käyttämää sivujoukkoa rajoittaa. Eli kun suppea tekoäly otetaan käyttöön, niin sille määritellään käyttöalue, joka voi olla esimerkiksi ohjelmistokehitys, ja sitten annetaan niiden applikaatioiden kuvaukset, mitä yhtiö kehittää. Sen jälkeen tekoäly kytkee itsensä esimerkiksi Pyhton-tukisivuille, josta se voi etsiä tietoa siitä, miten Python syntaksi kehitetään.
https://www.tivi.fi/uutiset/chatgpt-voi-jaada-kakkoseksi-edellakavijat-hyodyntavat-jo/bab3ce4c-f423-4d1e-a60b-8e33f5bec4b9
Ei kommentteja:
Lähetä kommentti
Huomaa: vain tämän blogin jäsen voi lisätä kommentin.