انتخاب بین LLMهای دولتی و خصوصی

آیا شرکت شما باید از یک مدل زبان بزرگ عمومی مانند ChatGPT یا LLM خصوصی شما استفاده کند؟ تفاوت ها را درک کنید.

مدل‌های زبان بزرگ (LLM) همچنان در کانون توجه درخشان قرار دارند، زیرا اولین ChatGPT تخیل جهان را به خود جلب کرد و هوش مصنوعی مولد گسترده ترین فناوری مورد بحث در حافظه اخیر (عذرخواهی، متاورژ). ChatGPT LLM های عمومی را به روی صحنه برد، و تکرارهای آن همچنان هیجان را در مورد امکان تولید محتوا، یا کد، با کمی بیشتر از چند اعلان، افزایش می دهد – و بیش از کمی دلهره. /p>

در حالی که افراد و کسب‌وکارهای کوچکتر در نظر می‌گیرند که چگونه از اختلال فراگیر که هوش مصنوعی و LLM مولد نوید می‌دهند، آماده شوند و از آن بهره ببرند، شرکت‌ها نگرانی‌هایی دارند و تصمیمی حیاتی دارند که خودشان تصمیم بگیرند. آیا شرکت ها باید از یک LLM عمومی مانند ChatGPT یا خصوصی خود استفاده کنند؟

اطلاعات آموزش عمومی در مقابل خصوصی

ChatGPT یک LLM عمومی است که بر روی انبوهی از داده های آنلاین در دسترس عموم آموزش دیده است. LLMهای عمومی با پردازش مقادیر زیادی از داده‌های منبع‌شده از دور و دراز، نتایجی عمدتاً دقیق و غالباً چشمگیر را برای تقریباً هر درخواست یا وظیفه ایجاد محتوایی که کاربر برای آن انجام می‌دهد ارائه می‌دهند. این نتایج همچنین از طریق فرآیندهای یادگیری ماشینی دائماً در حال بهبود هستند.

با این وجود، استخراج داده‌های منبع از اینترنت وحشی به این معنی است که نتایج عمومی LLM گاهی اوقات می‌توانند به شدت از پایه خارج شوند، و به طور خطرناکی. پتانسیل “توهمات” هوش مصنوعی مولد، که در آن فناوری به سادگی چیزهایی را بیان می کند که درست نیستند، کاربران را ملزم می کند که باهوش باشند. به ویژه شرکت ها باید بدانند که استفاده از LLM های عمومی می تواند کارمندان را به بیراهه بکشاند و منجر به مشکلات عملیاتی شدید یا حتی عواقب قانونی.

به‌عنوان یک گزینه متضاد، شرکت‌ها می‌توانند LLM‌های خصوصی ایجاد کنند که خودشان مالک آن هستند و براساس داده‌های خصوصی خودشان آموزش می‌دهند. برنامه های کاربردی هوش مصنوعی مولد به دست آمده، وسعت کمتری را ارائه می دهند، اما عمق و دقت بیشتری از دانش خاص را ارائه می دهند که در زمینه های تخصصی خاص شرکت صحبت می کند.

چالش های ایجاد شده توسط LLM های عمومی

برای بسیاری از شرکت‌ها، داده‌های منحصربه‌فرد ارز ارزشمندی است که آنها را متمایز می‌کند. بنابراین، شرکت‌ها به شدت (و به درستی) نگران این خطر هستند که کارمندان خود بتوانند داده‌های حساس شرکت یا مشتری را با ارسال آن داده‌ها به ChatGPT یا یک LLM عمومی دیگر افشا کنند.

این نگرانی در واقعیت است، زیرا هکرها اکنون بر افشای ChatGPT تمرکز می کنند اعتبار ورود به عنوان یکی از محبوب ترین اهداف آنها. یک حساب هک شده می‌تواند کل تاریخچه مکالمات یک کارمند با برنامه هوش مصنوعی مولد، از جمله هرگونه اسرار تجاری یا داده‌های شخصی مشتری مورد استفاده در پرس‌وجوها را ارائه دهد. حتی در غیاب هک، سوالاتی که برای LLM های عمومی مطرح می شود در آموزش تکراری آنها مورد استفاده قرار می گیرند و به طور بالقوه منجر به قرار گرفتن مستقیم داده ها در آینده برای هر کسی که می پرسد می شود. به همین دلیل است که شرکت ها از جمله Google، آمازون و اپل اکنون دسترسی کارمندان به ChatGPT را محدود می‌کنند و قوانین حاکمیتی سخت‌گیرانه ایجاد می‌کنند تا از خشم قانون‌گذاران و همچنین خود مشتریان جلوگیری کنند.

از لحاظ استراتژیک، LLM های عمومی، شرکت ها را با چالش دیگری مواجه می کنند. چگونه می‌توانید یک IP منحصربه‌فرد و ارزشمند بر روی همان ابزار عمومی و زمین بازی درست مانند دیگران بسازید؟ پاسخ این است که بسیار دشوار است. این دلیل دیگری است که چرا روی آوردن به LLM های خصوصی و راه حل های سطح سازمانی یک تمرکز استراتژیک برای تعداد فزاینده ای از سازمان ها است.

ظهور LLMهای خصوصی

شرکت‌ها باید فرصت استفاده از داده‌های خود را در یک LLM خصوصی متناسب با موارد استفاده و تجارب مشتری در قلب کسب‌وکارشان تشخیص دهند. برای کسانی که این کار را انجام می دهند، بازاری از ابزارهای حمایتی درجه یک سازمانی به سرعت در حال ظهور است. برای مثال، واتسون آی‌بی‌ام، یکی از اولین نام‌های بزرگ در هوش مصنوعی و در تصور عموم از زمان پیروزی خطرناک، اکنون به پلت فرم توسعه خصوصی LLM watsonx.

راه‌حل‌های سازمانی مانند watsonx باید مرزی بین «دانش مشترک عمومی پایه عمومی» و «دانش خاص سازمانی-مشتری» ترسیم کنند، و اینکه کجا این تمایز را تعیین می‌کنند مهم است. با این حال، برخی از قابلیت های بسیار قدرتمند باید با ورود این راه حل ها به بازار بیایند.

تصمیم شرکت‌ها برای کنترل استفاده از LLMهای عمومی یا ساختن LLMهای خصوصی خود با گذشت زمان بزرگتر خواهد شد. شرکت‌هایی که آماده ساختن LLM‌های خصوصی هستند – و موتورهای هوش مصنوعی را که به طور خاص بر روی داده‌های مرجع اصلی خودشان تنظیم شده‌اند، مهار می‌کنند – پایه‌ای را ایجاد خواهند کرد که در آینده همچنان به آن تکیه خواهند کرد.

برایان ساتیاناتان یکی از بنیانگذاران و مدیر ارشد فناوری در Iterate.ai است. ، جایی که او راه حل های هوش مصنوعی شرکتی را رهبری می کند. پیش از این، ساتیاناتان در اپل در پروژه‌های مختلف فناوری نوظهور کار می‌کرد که شامل سیستم عامل مک و اولین آیفون می‌شد.

—

Generative AI Insights مکانی را برای رهبران فناوری – از جمله فروشندگان و سایر مشارکت‌کنندگان خارجی – فراهم می‌کند تا چالش‌ها و فرصت‌های هوش مصنوعی مولد را بررسی و بحث کنند. این انتخاب گسترده است، از غواصی عمیق فناوری گرفته تا مطالعات موردی گرفته تا نظرات متخصص، اما همچنین ذهنی است، بر اساس قضاوت ما در مورد اینکه کدام موضوعات و درمان‌ها به بهترین وجه به مخاطبان فنی پیشرفته InfoWorld خدمت می‌کنند. InfoWorld وثیقه بازاریابی را برای انتشار نمی پذیرد و حق ویرایش تمام محتوای ارائه شده را برای خود محفوظ می دارد. تماس با doug_dineley@foundryco.com.