ممنوعیت Fable Five آنتروپیک مشکل بزرگ بعدی هوش مصنوعی را نشان می دهد – اما Fugu ساکانا ممکن است پاسخی داشته باشد.
در چند سال گذشته، صنعت هوش مصنوعی در ساخت مدلهای بزرگتر، هوشمندتر و توانمندتر وسواس زیادی داشته است. انتشار جدید از Sakana AI نشان می دهد که مسابقه تسلیحاتی هوش مصنوعی بعدی ممکن است کمتر در مورد ساخت بهترین مدل باشد و بیشتر در مورد ساخت بهترین سیستم برای مدیریت چندین مدل باشد.
در حالی که مدلهای Fable 5 و Mythos Anthropic بحثهای شدیدی را در صنعت در مورد عملکرد، قابلیتها و دسترسی به راه انداختند، Sakana AI رویکرد جدیدی را با Fugu راهاندازی کرد.
زمان انتشار این نسخه بسیار جالب است زیرا کاربران به طور فزاینده ای مدل ها را روی هم می چینند و از چندین عامل هوش مصنوعی به طور همزمان استفاده می کنند.
ساکانا فوگو چیست؟
برخلاف ChatGPT، کلود یا جمینی، فوگو سعی نمی کند باهوش ترین مدل در اتاق باشد. در عوض، او بیشتر شبیه یک مدیر پروژه هوش مصنوعی عمل می کند.
هنگامی که یک کاربر وظیفه ای را ارسال می کند، Fugu درخواست را تجزیه و تحلیل می کند، تصمیم می گیرد که کدام مدل هوش مصنوعی برای بخش های مختلف مشکل مناسب تر است، کار را به آن مدل ها هدایت می کند، پاسخ ها را ارزیابی می کند و نتایج را در یک پاسخ نهایی ترکیب می کند.
این شبیه به این است که یک مدیر به جای تکیه بر یک کارمند، تیمی از متخصصان را ایجاد کند. چون همه می دانیم که یک مدل در همه چیز خوب نیست. در عوض، یک مدل ممکن است در کدنویسی بهتر باشد در حالی که مدل دیگر ممکن است در استدلال یا نوشتن برتر باشد. به بیان ساده، وظیفه فوگو این است که تعیین کند چه کسی باید چه کاری انجام دهد و سپس همه چیز را کنار هم بگذارد.
بر اساس وب سایت Sakana AI، این رویکرد ارکستراسیون به سیستم اجازه می دهد تا عملکردی قابل مقایسه با مدل های پیشرو را بدون تکیه کامل به یک ارائه دهنده مدل به دست آورد.
چرا این مهم است؟
بسیاری از مردم رقابت هوش مصنوعی را مسابقه ای برای ساخت بزرگترین و قدرتمندترین مدل می دانند، اما فوگو به احتمال متفاوتی اشاره می کند. بهجای اینکه مدلها بهطور جداگانه از یکدیگر بهتر عمل کنند، چه میشود اگر آینده متعلق به سیستمهایی باشد که میدانند چگونه چندین مدل را به طور مؤثر ترکیب کنند؟
اگرچه این مفهوم جدید نیست، اما چیزی که ساکانا را متمایز می کند این است که خود را در فرآیند ارکستراسیون آموزش داده و هوش مسیریابی خود را در مرکز محصول قرار داده است. به عبارت دیگر، هماهنگ کننده را به اندازه کارگران مهم می کرد.
درس از افسانه
گفتگو پیرامون مدلهای افسانه آنتروپیک چیزی را برجسته کرده است که بسیاری از سازمانها شروع به درک آن کردهاند، و اینکه تکیه بر یک ارائهدهنده هوش مصنوعی میتواند چالشهایی را ایجاد کند. هنگامی که تغییرات دسترسی، قطعی رخ می دهد، تغییرات قیمت گذاری یا قابلیت ها تکامل می یابد، کل گردش کار می تواند یک شبه تحت تأثیر قرار گیرد.
سیستم هایی مانند Fugu برای کاهش این وابستگی طراحی شده اند. به جای ساختن حول یک مدل واحد، آنها حول اکوسیستمی از مدل ها می سازند. بنابراین اگر یک مدل غیرقابل استفاده شود، به طور بالقوه می توان آن را با مدل دیگری جایگزین کرد. اگر فردا مدل بهتری ظاهر شود، از نظر تئوری میتوان آن را به ترکیب اضافه کرد.
این انعطافپذیری ممکن است با رقابتیتر شدن چشمانداز هوش مصنوعی ارزشمندتر شود.
غذای آماده
اشتباه نکنید: اندازه مدل، امتیازات معیار و استعداد خام هنوز مهم هستند. اما Fugu ساکانا پیشنهاد می کند که مهمترین سوال این است که “کدام مدل بهترین است؟” به آینده ای اشاره می کند که در آن وجود ندارد. در عوض، “بهترین سیستم برای انتخاب مدل مناسب چیست؟” فوگو پیشنهاد میکند که مرحله بعدی رقابت میتواند بسیار متفاوت به نظر برسد. برندگان ممکن است شرکت هایی باشند که می توانند کل تیم های هوش مصنوعی را در پشت صحنه گرد هم بیاورند، هماهنگ کنند و بهینه کنند، به جای ایجاد یک هوش مصنوعی که همه کارها را انجام می دهد.
اگر این مسیری است که صنعت در حال حرکت است، پیشرفت بعدی می تواند یک هوش مصنوعی به اندازه کافی هوشمند باشد که بداند چه زمانی به این سوال پاسخ ندهید.
آماندا کاسول را دنبال کنید و از منحنی هوش مصنوعی جلوتر بمانید
دنبال کردن راهنمای تام برای Google News و ما را به عنوان منبع ترجیحی اضافه کنید برای مشاهده آخرین اخبار، تحلیل ها و بررسی های ما در فیدهای خود. مشترک شدن در راهنمای تام یوتیوب و ما را دنبال کنید tiktok. در نهایت می توانید از بخش ویژه ما دیدن فرمایید. دفتر مرکزی تیم پس انداز راهنمای تام برای کمک متخصصان برای دریافت بهترین محصولات با قیمت کمتر.