Süni intellektdə dəqiqliyin yeni standartı: Probably şirkəti 9 milyon dollar sərmayə cəlb etdi

Süni intellektdə dəqiqliyin yeni standartı: Probably şirkəti 9 milyon dollar sərmayə cəlb etdi

Süni intellekt dünyasında hallüsinasiyalar (yəni modellərin yanlış məlumatlar verməsi) ən böyük problemlərdən biridir. Böyük dil modelləri nə qədər inkişaf etsə də, səhvlərdən tamamilə qaçmaq hələ də mümkün olmayıb. Lakin bu sahədə yeni bir ümid doğur: Probably adlı startap. Şirkət Andreessen Horowitz-dən 9 milyon dollar toxum sərmayəsi alaraq, süni intellektdə daha etibarlı və dəqiq nəticələr əldə etmək üçün innovativ bir yanaşma təklif edir.

Probably şirkətinin qurucusu Peter Elias bildirir ki, onların əsas məqsədi istifadəçiyə çatmamış hallüsinasiyaları və faktiki səhvləri aşkar edib qarşısını almaqdır. Məqsəd 99.99% dəqiqlik səviyyəsinə çatmaqdır. Bu göstərici adi deterministik sistemlər üçün adi haldır, lakin süni intellektdə buna nail olmaq çox çətindir. Maraqlıdır ki, bu dəqiqliyə çatmaq üçün süni intellekt mühəndisliyinin əsas prinsiplərini yenidən düşünmək lazım gəlir.

Data science aləti və "mech suit" yanaşması

Probably-nin ilk məhsulu data science alətidir. Bu alət mürəkkəb məlumat dəstlərindən sürətli cavablar hazırlamaq üçün nəzərdə tutulub. Hər bir nəticə öz mənbəsi və audit izi ilə təqdim olunur. Bu, getdikcə daha çox yayılan bir təcrübədir. Lakin səhvlərin bu xülasələrə daxil olmasının qarşısını almaq üçün mürəkkəb bir "qoşqu sistemi" (harness system) hazırlanıb. Elias bu sistemi "data science mech kostyumu" adlandırır.

Sistem necə işləyir? Böyük dil modeli ilk cavabını hazırladıqdan sonra, bu cavab deterministik bir validator sistemi ilə yoxlanılır. Validator, məlumat dəstinə uyğun gəlməyən nəticələri geri qaytarır. Əsas məqam odur ki, model validatora qarşı təlim keçib və bütün sistem sürətli və dəqiq cavablar üçün optimallaşdırılıb.

Daha zəif modellər, daha güclü nəticələr

Elias-ın sözlərinə görə, bu sistemin ən maraqlı tərəfi odur ki, "qoşqu mühəndisliyi" nə qədər yaxşı olarsa, model o qədər zəif ola bilər. Yəni konteksti kifayət qədər dəqiqləşdirsəniz, model düzgün cavab vermək üçün çox işləmək məcburiyyətində qalmır. Bu, mahiyyət etibarilə qeyri-müəyyənliyi azaltmaq üzərində qurulmuş bir sistemdir.

Bu yanaşma Probably-nin data science alətinin daha kiçik süni intellekt modellərində işləməsinə imkan verir. Elias bildirir ki, cari versiya "sərhəd modellərindən dörd sinif zəif" olan bir modeldə işləyir. Bu o deməkdir ki, sistem məlumat mərkəzi əvəzinə adi bir stolüstü kompüterdə belə işlədilə bilər. Bu da token xərclərini əhəmiyyətli dərəcədə azaldır.

Bu ideya xüsusilə token xərclərinin artdığı və bir çox müştərinin süni intellekt büdcələrini yenidən qiymətləndirdiyi bir dövrdə çox aktualdır. Daha ucuz və daha dəqiq bir həll təklif etmək, bazarda böyük üstünlük yarada bilər.

Gələcək tətbiqlər və bazar perspektivi

Elias-ın planları təkcə data science ilə məhdudlaşmır. Eyni mühərrik mühasibatlıq, tibbi xidmətlər kimi dəqiqlik tələb edən digər sahələrdə də istifadə oluna bilər. Onun dediyi kimi, "dəqiqliyə həssas olan istənilən istifadə halı" üçün uyğundur.

Maraqlıdır ki, Elias böyük süni intellekt laboratoriyalarının bu yanaşmanı sınamadığını qeyd edir. Onun fikrincə, bu laboratoriyaların bunu etməyə təşviqi yoxdur, çünki onlar modeli nə qədər çox düzəltməli olsanız, bir o qədər çox pul qazanırlar. Bu, bazarın maraqlı bir tənqididir.

Probably-nin yanaşması süni intellektdə dəqiqliyin yeni standartını müəyyən edə bilər. Daha kiçik modellərlə işləmək, daha az enerji sərf etmək və daha dəqiq nəticələr əldə etmək, xüsusilə Azərbaycan kimi inkişaf etməkdə olan bazarlar üçün böyük əhəmiyyət kəsb edir. Yerli şirkətlər və tədqiqatçılar üçün bu, bahalı süni intellekt həllərinə alternativ yarada bilər.

Nəticə olaraq, Probably şirkəti süni intellektdə etibarlılıq probleminə innovativ bir həll təklif edir. Onların "daha zəif model, daha güclü qoşqu" yanaşması, dəqiqlik və sərfəlilik arasında yeni bir tarazlıq yaradır. Bu yanaşmanın gələcəkdə daha geniş tətbiq olunacağına şübhə yoxdur.