Malamig na Pag-iisip sa Gitna ng Pagkahumaling sa LLM: Mga Oportunidad, Hamon, at Hinaharap na Tanawin

Ang malalaking modelo ng wika (LLM) ay tumatagos sa iba't ibang aspeto ng ating buhay sa nakakagulat na bilis, mula sa pagbuo ng code hanggang sa paglikha ng nilalaman, at maging sa pang-araw-araw na paghahanap ng impormasyon. Pinatutunayan din ito ng mga kaugnay na talakayan sa X (dating Twitter): may mga pagpapakilala sa mga bagong arkitektura ng modelo ng AI, pagbabahagi ng mga mapagkukunan sa pag-aaral, at mga talakayan tungkol sa mga problemang lumilitaw sa mga praktikal na aplikasyon. Gayunpaman, sa tila hindi mapigilang alon ng LLM na ito, kailangan nating panatilihin ang isang malamig na ulo at malalim na pag-isipan ang mga pagkakataon, hamon, at posibleng mga tanawin sa hinaharap na hinuhubog nito. Susuriin ng artikulong ito ang industriya ng LLM sa malalim, mula sa mga pananaw ng negosyo, platform, at modelo ng negosyo, sa istilo ng pagsusuri ni Ben Thompson.

Ang Pag-usbong ng LLM: Isang Teknikal na Singularidad o isang Siklo ng Pag-hype?

Mula sa mga talakayan sa X, makikita natin na ang LLM ay hindi na lamang isang akademikong konsepto, ngunit naging isang mainit na paksa sa industriya. Ang iba't ibang uri ng mga modelo ng LLM (LLM, SLM, VLM, MLLM, atbp.) ay patuloy na lumilitaw, at ang mga kaugnay na mapagkukunan sa pag-aaral (tulad ng mga libreng kurso mula sa Stanford University) ay lubos na hinahangad. Sa likod ng phenomenon na ito ay ang malaking potensyal ng LLM sa maraming larangan:

• Pagpapabuti ng kahusayan: Ang LLM ay maaaring mag-automate ng mga paulit-ulit na gawain, tulad ng pagbuo ng teksto, pagsulat ng code, at pagsusuri ng data, na makabuluhang nagpapabuti sa pagiging produktibo. Ito ay tumutugma sa sinabi ni Ariana Huffington na ang AI ay magbibigay sa atin ng mas maraming oras upang magpahinga at maglaan ng oras sa mga gawain na nangangailangan ng pagkamalikhain at malalim na pag-iisip.
• Pagkuha ng kaalaman: Ang impormasyon na dating nangangailangan ng maraming oras upang hanapin at pagsamahin ay maaari na ngayong makuha nang mabilis sa pamamagitan ng LLM. Sa halip na gumamit ng paghahanap sa Google tulad ng dati, ang paggamit ng LLM upang direktang makakuha ng mga sagot ay naging isang bagong paraan ng pagkuha ng impormasyon.
• Pagbabago sa aplikasyon: Ang LLM ay maaaring gamitin bilang isang pinagbabatayang teknolohiya upang himukin ang iba't ibang mga makabagong aplikasyon, tulad ng mga smart agent (AI Agent), RAG (Retrieval-Augmented Generation) system, atbp. Ang open-source na proyekto ng aplikasyon ng LLM ni Shubhamsaboo na nakakuha ng 85K+ na bituin sa GitHub ay nagpapatunay din dito.

Gayunpaman, dapat din tayong maging maingat sa panganib ng labis na hype. Gaya ng itinuro nina Suryanshti777 at DAIEvolutionHub, maraming tao ang gumagamit lamang ng mga tool ng AI, at kakaunti ang talagang nakakaunawa kung paano ito gumagana. Nangangahulugan ito na ang paglaganap ng LLM ay maaaring humantong sa isang phenomenon ng "paggamit kaysa sa pag-unawa", na humahadlang sa tunay na pag-unlad ng teknolohiya.

Ang Pag-usbong ng mga LLM Platform: Sino ang Susunod na Google?

Ang pag-unlad ng LLM ay nagbunsod din ng mga bagong pagkakataon sa platform. Mula sa mga talakayan sa X, makikita natin ang mga sumusunod na potensyal na direksyon ng platform:

• Model Platform: Nagbibigay ng iba't ibang pre-trained na modelo ng LLM at sumusuporta sa mga developer na i-customize at i-deploy. Katulad ng AWS sa cloud computing, ang model platform ay magiging imprastraktura para sa mga aplikasyon ng LLM.
• Tool Platform: Nagbibigay ng mga tool at library na kinakailangan para sa pagbuo ng LLM, tulad ng LLM-graph-builder na ibinahagi ni Tom Doerr at PocketFlow, pati na rin ang ai-engineering-toolkit ni Sumanth077. Ang mga tool na ito ay magpapababa sa hadlang sa pagbuo ng LLM at mapapabilis ang paglaganap ng mga aplikasyon.
• Agent Platform: Bumuo ng mga smart agent na nakabatay sa LLM at magbigay ng mga mekanismo para sa pakikipagtulungan at komunikasyon sa pagitan ng mga Agent. Ang pagre-recruit ni Wh0sumit ng mga backend engineer upang bumuo ng multi-Agent LLM system ay nagpapakita ng potensyal ng Agent platform.

Ang mga platform na ito ay may potensyal na maging susunod na Google, ngunit ang susi sa pagwawagi sa kompetisyon ay:

• Pagbuo ng ecosystem: Magtatag ng isang aktibong komunidad ng developer at magbigay ng maraming mapagkukunan at suporta.
• Teknikal na pamumuno: Patuloy na mamuhunan sa pananaliksik at pagpapaunlad upang mapanatili ang nangungunang posisyon ng mga modelo at tool.
• Modelo ng negosyo: Mag-explore ng mga napapanatiling modelo ng negosyo, tulad ng mga serbisyo ng subscription, pagsingil sa pagtawag sa API, atbp.

Ang Modelo ng Negosyo ng LLM: Libreng Tanghalian o Bayad na Piging?

Ang modelo ng negosyo ng LLM ay isang kumplikado at kritikal na isyu. Sa kasalukuyan, mayroong pangunahing mga sumusunod na modelo:* Open Source Mode: Nagbibigay ng libreng open source na mga modelo at tool, umaasa sa mga ambag at donasyon ng komunidad para mapanatili ang operasyon. Ang open source LLM intelligent agent project na ibinahagi ni Xiaoying_eth ay isang halimbawa. \n* API Calling Mode: Nagbibigay ng mga API interface, naniningil batay sa bilang ng mga tawag o bilang ng mga token. Ang GPT series ng mga modelo ng OpenAI ay gumagamit ng ganitong mode.\n* Subscription Mode: Nagbibigay ng mga advanced na function at serbisyo, tulad ng mas mabilis na bilis ng pagproseso, mas malaking context window, at mas propesyonal na teknikal na suporta, at naniningil ng subscription fee buwan-buwan o taon-taon.\n* Embedded Mode: Isinasama ang teknolohiya ng LLM sa iba pang mga produkto at serbisyo, tulad ng intelligent customer service, content recommendation, atbp.\n\nAng bawat mode ay may mga kalamangan at kahinaan nito, at ang pagpili kung aling mode ang gagamitin ay depende sa pagpoposisyon at target na mga gumagamit ng platform. Ang open source mode ay nakakatulong sa pagpapasikat at pagbabago ng teknolohiya, ngunit mahirap makamit ang kita; ang API calling mode at subscription mode ay maaaring magdala ng matatag na kita, ngunit maaaring limitahan nito ang pagpapasikat ng teknolohiya.\n\nMga Hamon ng LLM: Pagmamalabis, Etika, at Seguridad\n\nAng mabilis na pag-unlad ng LLM ay nagdulot din ng isang serye ng mga hamon:\n\n* Kalidad ng Data: Ang pagganap ng LLM ay lubos na nakadepende sa kalidad ng data ng pagsasanay. Kung ang data ng pagsasanay ay may pagkiling o pagkakamali, ang LLM ay magkakaroon din ng kaukulang pagkiling o pagkakamali.\n* Pagpapaliwanag: Ang proseso ng paggawa ng desisyon ng LLM ay madalas na mahirap ipaliwanag, na nagdudulot ng ilang panganib sa aplikasyon ng modelo.\n* Mga Isyu sa Etika: Ang LLM ay maaaring gamitin upang bumuo ng maling impormasyon, magsagawa ng mga aktibidad ng panloloko, o palalain ang hindi pagkakapantay-pantay sa lipunan. Ang \Ang LLM ay hindi panlunas sa lahat, ngunit hindi rin ito isang panandaliang uso lamang. Ito ay isang teknolohiyang nakakagambala na may malaking potensyal, ngunit mayroon ding mga panganib at hamon. Kailangan nating tingnan ang LLM nang may kritikal na pag-iisip, maunawaan nang malalim ang mga prinsipyo nito, at tuklasin ang mga aplikasyon nito sa iba't ibang larangan. Sa ganitong paraan lamang natin tunay na mahahawakan ang mga pagkakataon ng panahon ng LLM at makakalikha ng mas magandang kinabukasan. Ang obserbasyon ni MCuban ay napakatalino: Ang mga gumagamit ng LLM ay nahahati sa dalawang uri, ang isa ay ginagamit ito upang matuto ng lahat, at ang isa ay ginagamit ito upang maiwasan ang pag-aaral. At ang mga tunay na makikinabang mula sa LLM ay walang alinlangan na ang mga nauna.