Generativní AI chatboti jsou teprve na začátku své cesty, ale už zvažujeme, co dál.
Klíčové věci
- Úspěch ChatGPT vyvolal rozsáhlé investice do výzkumu a integrace AI, což vedlo k bezprecedentním příležitostem a pokroku v této oblasti.
- Sémantické vyhledávání s vektorovými databázemi přináší revoluci do vyhledávacích algoritmů tím, že využívá vkládání slov a sémantiku k poskytování kontextově přesnějších výsledků.
- Vývoj agentů umělé inteligence a multiagentních startupů má za cíl dosáhnout úplné autonomie a vyřešit současná omezení prostřednictvím sebehodnocení, nápravy a spolupráce mezi více agenty.
Fenomenální úspěch ChatGPT donutil každou technologickou společnost začít investovat do výzkumu AI a přijít na to, jak integrovat umělou inteligenci do svých produktů. Je to situace, která se nepodobá ničemu, co jsme kdy viděli, ale umělá inteligence je teprve na začátku.
Nejde ale jen o vychytané AI chatboty a generátory textu na obrázek. Na obzoru jsou některé vysoce spekulativní, ale neuvěřitelně působivé nástroje umělé inteligence.
Sémantické vyhledávání s vektorovými databázemi
Sémantické vyhledávací dotazy se testují, aby lidem poskytovaly lepší výsledky vyhledávání. Vyhledávače v současnosti používají k poskytování relevantních informací uživatelům algoritmy zaměřené na klíčová slova. Přílišné spoléhání na klíčová slova však přináší několik problémů, jako je omezené porozumění kontextu, marketingoví manažeři využívající SEO a nekvalitní výsledky vyhledávání kvůli potížím s vyjadřováním složitých dotazů.
Na rozdíl od tradičních vyhledávacích algoritmů používá sémantické vyhledávání vkládání slov a sémantické mapování k pochopení kontextu dotazu před poskytnutím výsledků vyhledávání. Sémantické vyhledávání tedy namísto spoléhání na hromadu klíčových slov poskytuje výsledky založené na sémantice nebo významu daného dotazu.
Koncept sémantického vyhledávání existuje již poměrně dlouho. Společnosti však mají potíže s implementací takové funkce, protože sémantické vyhledávání může být pomalé a náročné na zdroje.
Řešením je zmapovat vektorová vložení a uložit je ve velkém vektorová databáze. Tím se podstatně sníží požadavky na výpočetní výkon a zrychlí se výsledky vyhledávání zúžením výsledků pouze na ty nejrelevantnější informace.
Velké technologické společnosti a startupy jako Pinecone, Redis a Milvus v současnosti investují do vektorových databází, aby poskytují možnosti sémantického vyhledávání v systémech doporučení, vyhledávačích, systémech správy obsahu a chatboty.
Demokratizace AI
Ačkoli to není nutně technický pokrok, několik velkých technologických společností má zájem o demokratizaci AI. K lepšímu nebo k horšímu, Open-source modely umělé inteligence se nyní trénují a udělení tolerantnějších licencí pro organizace k používání a dolaďování.
Informuje o tom Wall Street Journal že Meta kupuje akcelerátory umělé inteligence Nvidia H100 a má za cíl vyvinout umělou inteligenci, která bude konkurovat nedávnému modelu GPT-4 OpenAI.
V současnosti neexistuje žádný veřejně dostupný LLM, který by se vyrovnal hrubému výkonu GPT-4. Ale s tím, že Meta slibuje konkurenceschopný produkt s tolerantnější licencí, společnosti konečně mohou dolaďte výkonný LLM bez rizika odhalení a použití obchodních tajemství a citlivých dat proti nim.
AI Agents a Multi-Agent Startups
V současné době se pracuje na několika experimentálních projektech pro vývoj agentů umělé inteligence, kteří k dosažení určitého cíle nevyžadují téměř žádné pokyny. Možná si vzpomenete na pojmy Agenti AI z Auto-GPT, nástroj AI, který automatizuje jeho akce.
Cílem je, aby agent dosáhl plné autonomie neustálým sebehodnocením a sebeopravováním. Pracovní koncept k dosažení sebereflexe a korekce spočívá v tom, aby se agent neustále upozorňoval na každý krok o tom, jaké kroky je třeba udělat, kroky, jak to udělat, jaké chyby udělal a co může udělat, aby zlepšit.
Problém je v tom, že současné modely používané v agentech AI mají malé sémantické porozumění. To způsobuje, že agenti mají halucinace a vyvolávají falešné informace, což je způsobí, že uvíznou v nekonečné smyčce sebehodnocení a nápravy.
Projekty jako MetaGPT Multi-agent Framework mají za cíl vyřešit problém současným použitím několika agentů umělé inteligence ke snížení takových halucinací. Multiagentní rámce jsou nastaveny tak, aby emulovaly, jak by fungovala začínající společnost. Každý agent v tomto startupu bude mít přidělené pozice, jako je projektový manažer, projektant, programátor a tester. Rozdělením komplexních cílů na menší úkoly a jejich delegováním na různé agenty AI mají tito agenti větší šanci dosáhnout svých daných cílů.
Samozřejmě, že tyto rámce jsou stále velmi brzy ve vývoji a mnoho problémů je ještě třeba vyřešit. Ale s výkonnějšími modely, lepší infrastrukturou AI a neustálým výzkumem a vývojem je jen otázkou času, kdy se efektivní agenti AI a multiagentní společnosti AI stanou věcí.
Utváření naší budoucnosti pomocí AI
Velké korporace a startupy masivně investují do výzkumu a vývoje AI a jejích infrastruktur. Můžeme tedy očekávat, že budoucnost generativní umělé inteligence bude plně poskytovat lepší přístup k užitečným informacím prostřednictvím sémantického vyhledávání autonomní agenti AI a společnosti AI a volně dostupné vysoce výkonné modely pro společnosti a jednotlivce, které mohou používat a doladit.
Přestože je to vzrušující, je také důležité, abychom věnovali svůj čas etice AI, soukromí uživatelů a odpovědnému vývoji systémů a infrastruktur AI. Připomeňme si, že vývoj generativní umělé inteligence není jen o budování chytřejších systémů; je to také o přetvoření našich myšlenek a zodpovědnosti za způsob, jakým technologie používáme.
