Maaaring Maging Susi ang Conversion AI sa Pag-iwas sa Isang Teknolohikal na Patag

Ang pangangailangan para sa nilalaman ay nakararanas ng matatag at matarik na paglago. Upang makakuha ng makatotohanang ideya tungkol sa rate ng paglago, nagsagawa ang Adobe (ADBE ) ng isang survey na sumasaklaw sa higit sa 2,600 na propesyonal sa karanasan ng customer at marketing sa mga pangunahing pandaigdigang ekonomiya.

Ipinakita ng mga resulta ng survey, na inilathala ng Adobe noong Marso 2023, ang paglago ng pangangailangan para sa nilalaman ng hindi bababa sa dalawang beses sa nakaraang dalawang taon. Halos dalawang-katlo ay mas optimistiko pa tungkol sa hinaharap ng nilalaman. Sinabi nila na inaasahan nilang lalaki ang pangangailangan ng kahit limang hanggang dalawampung beses sa susunod na dalawampung taon.

Ang pagtugon sa pangangailangang ito ay napilitan ang mga kumpanya na pumili ng mga bagong modelo ng produksyon ng nilalaman. Ayon sa World Federation of Advertisers, higit sa kalahati ng mga pangunahing internasyonal na kumpanya ay nakabuo ng kakayahang lumikha ng nilalaman sa loob ng kanilang organisasyon. Ngunit sapat na ba ito? Sa totoo nga, tumugon ang conversion AI sa hamon.

Ano ang Conversion AI?

Ang Conversion AI ay tungkol sa paggamit ng artipisyal na intelihensiya upang matulungan ang mga negosyo na mas mahusay na makipag-usap sa kanilang mga customer at makagawa ng mas maraming benta. Ginagawa ito sa pamamagitan ng pagtulong sa paglikha, pagpapabuti, at pamamahala ng nilalaman tulad ng pagsulat, mga larawan, at tunog. Pinapadali nito para sa mga kumpanya na makuha ang atensyon ng kanilang audience, lumikha ng nilalaman na tunay na nakakausap sila, at pagbutihin ang kanilang karanasan, lahat sa pamamagitan ng matalinong teknolohiyang AI.

Sa ngayon, maaaring gamitin ng mga kumpanya ang Conversion AI upang matugunan ang iba’t ibang layunin sa content marketing, kabilang ang mga kopya para sa Facebook at Google Ads, nilalaman ng website, mga post sa social media, at iba pa. Ngunit paano nagagawa ng Conversion AI ang lahat ng ito? Ano ang teknolohiyang nagpapagana nito? Para doon, kailangan nating malaman ang tungkol sa Large Language Models o LLMs.

Ano ang Malaking Modelo ng Wika?

Ito ay isang uri ng AI na maaaring matuto mula sa napakalaking dami ng teksto at datos. May mga kaso ng paggamit kung saan ang mga modelong AI na ito ay kayang hawakan ang daan-daang bilyong punto ng datos upang makabuo ng makabuluhang pananaw, estratehiya, at mga proyeksiyon.

Ang Pinagmulan ng LLMs sa Maikling Paglalarawan

Ang mga modernong LLM ay sumulpot noong anim na taon na ang nakalilipas, noong 2017. Ang mga LLM na ito ay gumamit ng mga transformer model na kayang hawakan ang malaking bilang ng mga parameter upang maunawaan at mabilis na makabuo ng tumpak na mga tugon.

Apat na taon pagkatapos, noong 2021, ang Stanford Institute for Human-Centered Artificial Intelligence ay nagpasimula ng termino at konsepto ng foundation models. Ang pangalan ay nagmula sa katotohanang ang mga modelong ito, malaki at makabuluhan, ay nagsilbing pundasyon para sa karagdagang pag-optimize at mga kaso ng paggamit. Sa pag-unlad ng LLM, ang paglikha ng nilalaman, lalo na sa anyong nakasulat, ay nagdaan sa makabuluhang pagbabago.

Ang Epekto ng LLMs

Ipinapakita ng Pananaliksik ng ARK Invest na sa nakaraang dalawang taon, ang kalidad ng pagsulat ng mga LLM ay nakaranas ng makabuluhang pagbuti. Nagdulot ito ng mas malaking tiwala at pag-deploy ng mga solusyong pinapagana ng LLM para lumikha ng nilalaman.

Bilang resulta, ang gastos sa pagsulat ng nilalaman ay bumaba nang malaki. Ito ay halos hindi nagbago sa totoong halaga sa nakaraang siglo, halos US$100 bawat 1,000 salita. Sa nakaraang dalawang taon, gayunpaman, ang rate na ito ay bumaba sa US$0.10 o mas mababa pa.

Ang pagganap at produktibidad ay inaasahang lalong gaganda habang mabilis na umuunlad ang pagganap ng pagsasanay ng AI. Ang mga mananaliksik ng AI ay nag-iinobasyon sa pagsasanay at inference, hardware, at disenyo ng mga modelo, pinapabuti ang pagganap habang binababa ang gastos. Inaasahang magdulot ito ng higit sa limang beses na pagtaas ng pagganap sa 2024, gamit ang 2023 bilang batayang taon.

May ilang mga inobasyon sa algorithm na nagbunga ng mas mahusay na kakayahan sa pagsulat at pinabuting produktibidad at pagganap ng mga LLM. Halimbawa, ang reinforcement learning mula sa feedback ng tao ay malaki ang naitulong. Ang mga prompt ay na-optimize upang malagpasan ang mga prompt ng tao ng higit sa 50%.

Ang mga kakayahan ng Speculative Decoding ay nagpadali ng inference ng dalawa hanggang tatlong beses sa ilang partikular na modelo. Ang mga mananaliksik ay naging maagap din sa pagbibigay-priyoridad sa gastos ng inference. At ang kanilang mga pagsisikap ay nagdadala ng resulta, kung saan ang gastos sa inference ay bumababa sa taunang rate na halos 86%, mas mabilis kaysa sa gastos sa pagsasanay. Ang mga modelo ng GPT ay nakaranas ng halos 3 beses na pagbilis ng pagsasanay gamit ang Flash Attention 2.

Sa lahat ng mga pagbuti at pagpapahusay na nangyayari nang napakabilis, isinasagawa rin ang mga pagsisiyasat upang matukoy kung may nalalapit na plateau sa paggamit ng mga LLM at kung maaaring maiwasan ang ganitong pangyayari.

I-click dito upang malaman kung bakit ang 2023 ang taon ng malaking pag-usbong para sa artificial intelligence.

Posibleng Plateau ng LLMs at ang Pag-iwas Dito

Ang mga mananaliksik ay nag-aaral ng posibleng senaryo kung saan mauubusan ng datos ang mga LLM, na magreresulta sa limitadong pagganap. Kailangan patuloy na pakainin ang mga LLM ng malaking dami ng training data upang patuloy na matuto at mag-improve. Gayunpaman, ang kapangyarihan ng computing at posibleng kakulangan ng training data ay tila isang alalahanin.

Ayon sa mga pagtataya ng Epoch AI, ang mga mataas na kalidad na mapagkukunan ng wika/datos, kabilang ang mga libro at siyentipikong papel, ay maaaring maubos pagsapit ng 2024. At doon na kailangang magsaliksik ng mas malaking hanay ng hindi pa nasusuring vision data. Ang mga hindi pa nasusuring vision data na makakatulong sa mga LLM na maiwasan ang plateau ay kinabibilangan ng mga salitang binigkas at ilang iba pang uri ng datos mula sa pisikal na mundo.

Ipinapakita ng pananaliksik na taun-taon, tatlumpung quadrillion na salita ang binibigkas. Ang mga speech-to-text generator at katulad na mga tool ay nakukuha ang higit sa 80 trillion na salita na binibigkas araw-araw. Bukod pa rito, may mga taxi, trak, drone, at iba pang robotic na sasakyan na lumilikha ng malaking dami ng datos mula sa pisikal na mundo at synthetic data na nagpapayaman sa pangunahing datos. Ang lahat ng mga hindi pa nasusuring datos na ito ay maaaring magsilbing hindi matatawarang kayamanan ng mga mapagkukunan at magpapabuti sa LLM.

Gayunpaman, ang mga pagpapabuti sa pagganap, produktibidad, at kalidad ay hindi lamang tungkol sa paghahanap ng mga hindi pa nasusuring minahan ng datos. Maraming makabagong kumpanya ang nagsasagawa ng pangkalahatang pagsisikap upang mapabuti ang sitwasyon nang holistiko.

#1. Replit AI

Pagdating sa pagpapataas ng produktibidad, ang Replit AI ay isa sa mga pangunahing kwento ng tagumpay. Bilang isang coding assistant, ito ay nagtaas ng antas ng produktibidad at kasiyahan sa trabaho ng mga software developer. Tinutulungan nitong alisin ang paulit-ulit na bahagi ng pag-coding upang makapagpokus sa mga malikhaing bahagi ng trabaho.

Pinapasimple ng Replit AI ang pag-coding sa pamamagitan ng pagsasama ng AI code generator na nag-aalis ng pangangailangan sa paglipat ng tab, nag-aalok ng auto-complete na mga suhestiyon sa code para sa mas mabilis na pag-usad. Pinapahusay nito ang pag-unawa sa proyekto gamit ang functionality na Code Context para sa pagsulat ng mga kaugnay na susunod na linya at aktibong natutuklasan ang mga isyu, nagmumungkahi ng mga pag-aayos direkta sa loob ng isang seamless na editor interface.

Sa kabuuan, ang Replit AI ay isang mahusay na suite ng mga tampok sa AI code generation, kabilang ang Complete Code, Generate Code, Edit Code, at Explain Code.

Ang nagpapatakbo sa Replit AI ay mga LLM. Nagbabalik ito ng mga resulta na nabuo mula sa malalaking modelo ng wika na sinanay gamit ang pampublikong code at inangkop ng Replit. Isinasaalang-alang nito ang conversational prompt at ang programming language na ginagamit upang magbigay ng mga suhestiyon at paliwanag sa mga code na nabuo.

Ang mga tampok ng Replit AI ay libre para sa lahat ng gumagamit. Ang kailangan mo lang ay isang Replit account. Ang Replit AI ay pinakamainam sa JavaScript at Python code ngunit sumusuporta sa 16 na wika, kabilang ang Bash, C, C#, C++, CSS, Go, Java, JavaScript, HTML, PHP, Perl, Python, R, Ruby, Rust, at SQL.

Ayon sa pinakabagong magagamit na impormasyon, ang kumpanya ay nagtaas ng US$97.4 milyon sa halagang US$1.16 bilyon na valuasyon upang palawakin ang kanilang cloud services at manguna sa pag-unlad ng AI noong Abril 2023.

#2. Github Copilot

Isa pang serbisyo ng coding assistance, na katulad ng Replit AI, na nakatulong na mapabuti ang produktibidad ng mga developer sa mga gawain sa coding ng 2.2 beses noong 2023 ay ang Github Copilot. Ang Github Copilot ay nag-aalok ng contextualized na tulong sa buong lifecycle ng pag-develop ng software.

Ayon sa mga numero ng consumer satisfaction survey, ang mga developer na gumagamit ng Github Copilot ay nag-uulat ng hanggang 75% na mas mataas na kasiyahan sa kanilang trabaho kumpara sa mga hindi gumagamit at hanggang 55% na mas produktibo sa pagsusulat ng code nang hindi isinasakripisyo ang kalidad.

Ang Github Copilot ay nagsasanay sa sarili nito gamit ang natural language text at source code mula sa mga pampublikong mapagkukunan, kabilang ang code sa mga pampublikong repository sa GitHub. Ito ay sinanay sa lahat ng wika na lumilitaw sa mga pampublikong repository. Gayunpaman, ang mga wika na may mas kaunting representasyon sa mga pampublikong repository ay maaaring hindi gaanong epektibo. Ang Github Copilot ay maaaring gamitin ng mga indibidwal na developer, freelancer, estudyante, guro, at mga tagapangalaga ng open-source.

Ayon sa mga pampublikong pahayag ng VP of Product ng Microsoft na si Mario Rodriguez, ang GitHub Copilot ay umuunlad at kumikita ng kita sa taunang rate na $100 milyon.

#3. MosaicML

Tinutulungan ng MosaicML ang pagsasanay ng mga LLM, na inilalagay bilang solusyon na nagdadala ng generative AI sa lahat, na nag-aalok ng lahat ng kailangan para sa pagsasanay at pag-deploy ng mga modelo sa data ng user. Ang MPT Foundation Series nito ay nagpapadali ng integrasyon ng LLM sa mga application na tumatakbo sa parehong open-source at komersyal na lisensiyadong mga modelo.

Ang pagsasanay ng MosaicML ay nagbibigay kapangyarihan sa mga developer na mag-pre-train o mag-fine-tune ng mga modelo na may ganap na kontrol sa data, pinapasimple ang proseso sa isang command na nakatuon sa isang S3 bucket. Ang platform ay mahusay na humahawak ng orchestration, mga pagkabigo ng node, at imprastruktura, na ipinapakita ng paggamit ng Replit ng Mosaic ML upang sanayin ang Ghostwriter LLM nito, na nagpakita ng nangungunang resulta sa loob ng isang linggo.

Ang lapit ng MosaicML sa pagsasanay sa anumang cloud environment ay binibigyang-diin ang privacy ng data, seguridad, at ganap na pagmamay-ari ng modelo, na may mga tampok na sumusuporta sa seamless na paglipat sa pagitan ng mga cloud. Nag-aalok ito ng ganap na pagmamay-ari ng data, content filtering ayon sa pangangailangan ng negosyo, at plug-and-play na integrasyon sa umiiral na data pipelines, na cloud-agnostic at napatunayan sa enterprise.

Noong Hunyo ng nakaraang taon, ang pagkuha ng Mosaic ML ng Databricks sa isang kasunduan na may halagang $1.3 bilyon ay nagbigay-diin sa kanyang mahalagang epekto sa merkado at value proposition.

#4. Anthropic

Ang flagship product ng Anthropic, si Claude, ay tumatakbo sa dalawang modelo: Claude at Claude Instant.

Ang Claude ay ang pinaka-makapangyarihang modelo ng Anthropic na nagtatagumpay sa iba’t ibang gawain, mula sa sopistikadong dayalogo at malikhaing paglikha ng nilalaman hanggang sa detalyadong instruksyon. Ito ay mahusay sa mga senaryo na nangangailangan ng komplikadong pag-iisip, pagkamalikhain, maingat na dayalogo, coding, at detalyadong paglikha ng nilalaman.

Ang Claude Instant – ang mas mabilis at mas murang bersyon ng Claude – ay tumutulong sa pangkaraniwang dayalogo, pagsusuri ng teksto, pagbuod, at pag-unawa sa dokumento. Ito ay mahusay kung saan kinakailangan ang pagganap sa mababang gastos. Ginagawa nito ang trabaho nang may nabawasang latency.

Sa pangkalahatan, ang Claude ay angkop para sa pagproseso ng malaking dami ng teksto, pagkakaroon ng natural na pag-uusap, pagkuha ng mga sagot, at pag-automate ng mga workflow. Mula sa customer service hanggang legal, coaching, paghahanap, at mga trabaho sa back-office, ang Claude ay angkop para sa iba’t ibang senaryo ng paggamit.

Ayon sa mga ulat na inilathala noong huling bahagi ng Disyembre 2023, ang Anthropic, na itinuturing na kakumpitensya ng OpenAI, ay nakikipag-usap upang makalikom ng SU$ 750 milyon na pondo sa isang valuasyon na US$18.4 bilyon.

#5. Humata

Sa Humata, maaaring lampasan nang madali ang mahahabang teknikal na papel. Ang Humata PDF AI ay tumutulong magbuod ng mga natuklasan, magkumpara ng mga dokumento, at maghanap ng mga sagot. Ito ay compatible sa walang limitasyong mga file na ina-upload nang walang limitasyon sa laki ng file. Ang mga sagot ng document AI nito ay may kasamang citation upang ma-trace kung saan nagmula ang insight.

Dahil ito ay katulad ng ChatGPT para sa mga PDF, maaari nitong isulat muli ang buod hanggang sa makamit ang kasiyahan. Gayunpaman, hindi tulad ng ChatGPT, ang Humata ay maaaring magtrabaho sa mga file, basahin ang bawat file na ina-upload, at lumikha ng mga sagot batay sa nilalaman ng mga dokumento.

Noong Oktubre 2, 2023, inanunsyo ng Humata AI ang matagumpay na pagkumpleto ng kanilang pinakabagong round ng pagpopondo, kung saan nakalikom sila ng US$3.5M mula sa Google’s Gradient Ventures, ARK Invest ni Cathie Wood, M13, at iba pang kilalang angel investors para sa kanilang seed round.

#6. OpenAI

Sa wakas, walang talakayan tungkol sa AI, ang pagkatuto ng LLM nito, at mga tampok sa paglikha ng nilalaman na kumpleto nang hindi binabanggit ang OpenAI, ang kumpanyang pinakapopular sa pagbuo ng mga generative model gamit ang teknolohiyang tinatawag na deep learning na gumagamit ng malaking dami ng datos upang sanayin ang mga AI system.

Ang OpenAI ay may mga serbisyo ng Chat, Image, at Audio. Ang GPT-3 nito, isang autoregressive language model, ay sinanay gamit ang 175 bilyong parameter. Gayunpaman, nakapagsanay ito ng mga language model na mas mahusay pa kaysa sa GPT-3 sa pagsunod sa intensyon ng gumagamit.

Sa mga produktong may kaugnayan sa mga imahe, ang pananaliksik ng OpenAI sa generative modeling para sa mga imahe ay nagdala sa mga representation model tulad ng CLIP, na gumagawa ng mapa sa pagitan ng teksto at mga imahe para mabasa ng AI, at DALL-E, isang tool para lumikha ng makukulay na imahe mula sa mga paglalarawan ng teksto.

Sa huli, nagkaroon ito ng mga pag-unlad sa larangan ng audio gamit ang Whisper, Jukebox, at Musenet. Ang Whisper ay nag-aalok ng matibay na pasilidad para sa pagkilala ng pagsasalita sa Ingles, habang ang Jukebox ay tumutulong sa paglikha ng musika sa iba’t ibang genre at istilo ng artista. Ang MuseNet ay isang malalim na neural network na maaaring lumikha ng ganap na musikal na komposisyon gamit ang iba’t ibang instrumento.

Ayon sa mga ulat na inilathala noong huling bahagi ng Disyembre 2023, ang OpenAI ay nasa maagang pag-uusap upang makalikom ng bagong round ng pondo sa isang valuasyon na US$100 bilyon o higit pa.

Lampas sa Plateau: Ang Landas sa Hinaharap 

Ang Artificial Intelligence ay tumulong sa paglikha ng nilalaman na umusad ng milyun-milyong milya sa napakaikling panahon. Ang hinaharap ay magiging mas maliwanag at mas masagana, kung saan ang mga computational system at software na lumalaki kasabay ng data ay maglutas ng mga hindi matugunan na problema.

Ang lahat ng uri ng sektor ng ekonomiya ay makakagamit nang mas mahusay ng teknolohiya sa pamamagitan ng pag-automate ng lahat ng uri ng gawaing kaalaman na paulit-ulit at kumakain ng oras. Habang ang mga modelo tulad ng GPT-4 ay magpapataas ng produktibidad, ang mga open-source AI model ay magdudulot ng napakalaking pagbaba ng gastos sa operasyon at radikal na pinahusay na kahusayan. Tinatantiya ng mga mananaliksik hindi lamang ang pag-iwas sa isang teknolohikal na plateau kundi pati na rin ang quadrupling ng produktibidad ng mga knowledge worker pagsapit ng 2030.

Binibigyang-diin nito ang kahalagahan ng Large Language Models sa teknolohikal na ekosistema, na nagkaroon ng mahalagang papel sa lahat ng ito. Nakatulong ito sa mga produkto tulad ng ChatGPT na pag-isahin ang pag-unawa ng publiko sa AI habang pinapayagan silang mag-alok ng isang simpleng chat interface na maaaring magamit ng sinumang nagsasalita ng anumang wika para sa kanilang kapakinabangan.

I-click dito upang matutunan ang lahat tungkol sa pamumuhunan sa artificial intelligence (AI).