الرئيس التنفيذي لشركة MosaicML ، نافين راو ، يتحدث عن كيفية إضفاء الطابع الديمقراطي على الذكاء الاصطناعي التوليدي ولماذا باع لشركة Databricks مقابل 1.3 مليار دولار

تعمل نماذج الذكاء الاصطناعي التوليدية واللغات الكبيرة (LLMs) على تغيير طريقة استخدام الشركات للبيانات وخلق القيمة. ولكن كيف يمكن للشركات الاستفادة من هذه التقنيات دون فقدان السيطرة على بياناتها ، أو إنفاق ملايين الدولارات ، أو الاعتماد على نماذج الطرف الثالث؟

هذا هو السؤال الذي سيجيب عليه نافين راو ، المؤسس المشارك والرئيس التنفيذي لشركة MosaicML ، وهي منصة رائدة في مجال الذكاء الاصطناعي ، في حدث VB Transform في 12 يوليو 2023 في سان فرانسيسكو. سيشارك Rao رؤيته وأفضل الممارسات حول كيفية إنشاء نماذج الذكاء الاصطناعي التوليدية الأفضل في فئتها وامتلاكها وتأمينها باستخدام بياناتك الخاصة.

تشتهر MosaicML بأحدث تقنيات MPT LLMs ، وهي مفتوحة المصدر ومرخصة تجاريًا. مع أكثر من 3.3 مليون عملية تنزيل لـ MPT-7B والإصدار الأخير من MPT-30B ، عرضت MosaicML كيف يمكن للمؤسسات بناء وتدريب نماذجها الحديثة الخاصة باستخدام بياناتها بطريقة فعالة من حيث التكلفة. يستفيد عملاء مثل AI2 (معهد Allen للذكاء الاصطناعي) و Generally Intelligent و Hippocrat AI و Replit و Scatter Labs من MosaicML لمجموعة متنوعة من حالات استخدام الذكاء الاصطناعي التوليدية.

في يونيو 2023 ، تم الاستحواذ على MosaicML بواسطة Databricks ، مزود تحليلات البيانات والذكاء الاصطناعي ، مقابل 1.3 مليار دولار. يقول راو إن الاستحواذ كان قرارًا استراتيجيًا سيمكن شركته من تسريع مهمتها المتمثلة في إضفاء الطابع الديمقراطي على الذكاء الاصطناعي التوليدي وجعل Lakehouse (المصطلح المستخدم من قبل Databricks للإشارة إلى عرض البيانات الخاص بها) أفضل مكان لبناء الذكاء الاصطناعي التوليدي و LLMs.

في مقابلة حديثة مع VentureBeat ، أوضح Rao سبب انتقاده للضبط الدقيق كطريقة لتخصيص LLMs ، ولماذا يفضل تدريب النماذج من البداية باستخدام مزيج البيانات الصحيح ، ولماذا يعتقد أن نماذج المصادر المفتوحة ستتجاوز في النهاية النماذج المغلقة.

الضبط الدقيق هو طريقة لتكييف النموذج ليتصرف بطرق معينة. إنها ليست طريقة لجعل شيئًا ما محددًا بالمجال حقًا. قال راو إن الطريقة الصحيحة للقيام بذلك هي في الواقع تدريب نموذج من الصفر.

وقال أيضًا إن استخدام ناقل DB أو موجه يمكن أن يعمل بشكل جيد في بعض الحالات ، ولكن ليس في حالات أخرى. “تريد دائمًا بذل أقل جهد لحل المشكلة المطروحة. في بعض الحالات ، يمكنك حلها باستخدام ناقل DB ، مثل كوز الصنوبر. كما تعلم ، يمكنك فعل ذلك بطريقة تحترم بعض الخصوصية. أنت تستخدم أساسًا موجهًا مع المتجه ديسيبل لتعديل سلوك نموذج اللغة الكبير. قال.

لقد قام أيضًا بتنبؤ جريء بأن النماذج مفتوحة المصدر ستتفوق في النهاية على النماذج المغلقة ، تمامًا كما فعل Linux مع Solaris. المصدر المفتوح بدأ للتو. لذلك أعتقد أن العالم سيبدو مختلفًا بعض الشيء في غضون خمس سنوات “.

إذا كنت ترغب في معرفة المزيد عن الذكاء الاصطناعي التوليدي وكيفية الاستفادة منه لعملك ، فلا تفوت جلسة Naveen Rao في VB Transform في 12 يوليو 2023 في سان فرانسيسكو. سجل الآن واستعد للانضمام إلى ثورة الذكاء الاصطناعي التوليدية!