Холодный взгляд на волну LLM: возможности, вызовы и будущая картина

Большие языковые модели (LLM) с поразительной скоростью проникают во все аспекты нашей жизни, от генерации кода до создания контента и повседневных информационных запросов. Соответствующие обсуждения в X (ранее Twitter) также подтверждают это: есть как представления новых архитектур моделей AI, так и обмен учебными ресурсами, а также обсуждение проблем, возникающих в реальных приложениях. Однако в этой, казалось бы, неудержимой волне LLM нам нужно сохранять хладнокровие и глубоко задуматься о возможностях, вызовах и возможной будущей картине, которые за ней стоят. В этой статье мы глубоко проанализируем индустрию LLM в стиле анализа Бена Томпсона, с точки зрения бизнеса, платформ и бизнес-моделей.

Подъем LLM: технологическая сингулярность или цикл ажиотажа?

Из обсуждений в X мы видим, что LLM — это уже не просто академическая концепция, а горячая точка в отрасли. Появляются различные типы моделей LLM (LLM, SLM, VLM, MLLM и т. д.), и соответствующие учебные ресурсы (например, бесплатные курсы Стэнфордского университета) также пользуются большим спросом. За этим явлением стоит огромный потенциал LLM во многих областях:

• Повышение эффективности: LLM может автоматизировать повторяющиеся задачи, такие как генерация текста, написание кода и анализ данных, тем самым значительно повышая производительность. Это подтверждает слова Арианы Хаффингтон о том, что AI в конечном итоге даст нам больше времени для отдыха и позволит нам заниматься задачами, требующими творчества и глубокого мышления.
• Получение знаний: Информацию, на поиск и интеграцию которой в прошлом требовалось много времени, теперь можно быстро получить с помощью LLM. Вместо использования поиска Google, как в прошлом, использование LLM для прямого получения ответов становится новым способом получения информации.
• Инновации в приложениях: LLM может служить базовой технологией, стимулирующей различные инновационные приложения, такие как интеллектуальные агенты (AI Agent), системы RAG (Retrieval-Augmented Generation) и т. д. Открытый проект LLM-приложения Shubhamsaboo получил более 85 тысяч звезд на GitHub, что также доказывает это.

Однако мы также должны остерегаться риска чрезмерного ажиотажа. Как отмечают Suryanshti777 и DAIEvolutionHub, многие люди просто используют инструменты AI, но мало кто действительно понимает, как они работают. Это означает, что распространение LLM может привести к явлению «использование больше, чем понимание», что будет препятствовать реальному развитию технологий.

Появление платформ LLM: кто станет следующим Google?

Развитие LLM также породило новые возможности для платформ. Из обсуждений в X мы видим следующие потенциальные направления платформ:

• Платформа моделей: Предоставляет различные предварительно обученные модели LLM и поддерживает разработчиков в настройке и развертывании. Подобно AWS для облачных вычислений, платформа моделей станет инфраструктурой для приложений LLM.
• Платформа инструментов: Предоставляет инструменты и библиотеки, необходимые для разработки LLM, такие как LLM-graph-builder и PocketFlow, которыми поделился Tom Doerr, а также ai-engineering-toolkit от Sumanth077. Эти инструменты снизят порог для разработки LLM и ускорят распространение приложений.
• Платформа агентов: Создает интеллектуальных агентов на основе LLM и предоставляет механизмы сотрудничества и коммуникации между агентами. Wh0sumit нанимает backend-инженеров для разработки многоагентной системы LLM, что указывает на потенциал платформы агентов.

Все эти платформы могут стать следующим Google, но ключ к победе в конкуренции заключается в:

• Построение экосистемы: Создание активного сообщества разработчиков и предоставление богатых ресурсов и поддержки.
• Технологическое лидерство: Постоянные инвестиции в исследования и разработки, поддержание лидирующих позиций моделей и инструментов.
• Бизнес-модель: Изучение устойчивых бизнес-моделей, таких как подписка, плата за вызовы API и т. д.

Бизнес-модель LLM: бесплатный обед или платное пиршество?

Бизнес-модель LLM — сложный и важный вопрос. В настоящее время существует несколько основных моделей:* Модель с открытым исходным кодом: Предоставляет бесплатные модели и инструменты с открытым исходным кодом, полагаясь на вклад сообщества и пожертвования для поддержания работы. Примером является проект интеллектуального агента LLM с открытым исходным кодом, которым поделился Xiaoying_eth.\n* Модель вызова API: Предоставляет интерфейс API, взимая плату в зависимости от количества вызовов или количества токенов. Серия моделей GPT от OpenAI использует эту модель.\n* Модель подписки: Предоставляет расширенные функции и услуги, такие как более высокая скорость логического вывода, большее контекстное окно и более профессиональная техническая поддержка, и взимает плату за подписку ежемесячно или ежегодно.\n* Встроенная модель: Встраивает технологию LLM в другие продукты и услуги, такие как интеллектуальное обслуживание клиентов, рекомендации контента и т. д.\n\nУ каждой модели есть свои преимущества и недостатки, и выбор модели зависит от позиционирования платформы и целевых пользователей. Модель с открытым исходным кодом способствует популяризации и инновациям в технологиях, но ее трудно монетизировать; модель вызова API и модель подписки могут приносить стабильный доход, но могут ограничивать популяризацию технологий.\n\nПроблемы LLM: ажиотаж, этика и безопасность\n\nБыстрое развитие LLM также привело к ряду проблем:\n\n* Качество данных: Производительность LLM в значительной степени зависит от качества обучающих данных. Если в обучающих данных есть отклонения или ошибки, LLM также будет генерировать соответствующие отклонения или ошибки.\n* Интерпретируемость: Процесс принятия решений LLM часто трудно объяснить, что создает определенные риски для применения модели.\n* Этические вопросы: LLM можно использовать для создания ложной информации, мошеннических действий или усугубления социального неравенства. Farairesearch упомянул, что «обучение модели напрямую противостоять обнаружению» может привести к тому, что модель научится обманывать.\n* Проблемы безопасности: LLM могут быть использованы злоумышленниками, например, путем атак с внедрением подсказок для управления поведением модели. Pirat_Nation упомянул, что движок Godot получил большое количество кода \LLM – это прорывная технология с огромным потенциалом, но также и с рисками и вызовами. Нам нужно критически относиться к LLM, глубоко понимать его принципы и изучать его применение в различных областях. Только так мы сможем по-настоящему воспользоваться возможностями эпохи LLM и создать лучшее будущее. Наблюдение MCuban является точным: пользователи LLM делятся на два типа: одни используют его для изучения всего, а другие – чтобы избежать обучения. И действительно, те, кто использует его для обучения, несомненно, выиграют от LLM.