Mākslīgā intelekta integrācāija biznesa modeļos var būt parocīga, tomēr to ierobežo modeļu veiktspēja, kas, šķiet, nav un nebūs uzdevuma augstumos.
Simtiem miljardu eiro investīciju mākslīgajā intelektā balstās uz vienu būtisku pieņēmumu, proti, ka šī tehnoloģija spēs darboties pietiekami precīzi arī augstas nozīmes uzdevumos. Taču jaunākie pētījumi liecina, ka šis pieņēmums varētu būt pārāk optimistisks.
Lielie valodas modeļi (LLM), kas darbina tādus rīkus kā ChatGPT, bez šaubām ir ievērojams produktivitātes rīks. Tomēr tiem piemīt būtisks trūkums, piemēram, tendence “halucinēt”, jeb radīt nepatiesu vai izdomātu informāciju.
Kļūdas pieaug līdz ar datu apjomu
Jaunākie eksperimenti norāda, ka problēma ir nopietnāka, nekā iepriekš licies. Mākslīgā intelekta eksperts JV Roigs no jaunuzņēmuma Kamiwaza AI testēja vairākus valodas modeļus kontrolētā vidē.
Rezultāti bija satraucoši:
- Pie 32 000 vārdu ievades labākā modeļa kļūdu līmenis bija 1,2%, bet vidēji – 6,8%.
- Pie 128 000 vārdu kļūdu īpatsvars pieauga līdz vidēji 10%.
- Pie 200 000 vārdu daži modeļi sāka kļūdīties lielākajā daļā gadījumu.
Tas nozīmē, ka jo vairāk informācijas modelim tiek dots, jo palielinās iespēja, ka tas kļūdiīses
Problēma var būt daļa no sistēmas
Pētījums no Tsinghua University atklāj vēl nopietnāku aspektu, proti, halucinācijas var būt strukturāli neizbēgamas. Izrādās, ka kļūdas rada neliela daļa “neironu” pašā modelī, kas veidojas jau sākotnējās apmācības laikā. Taču šos bojātos elementus nevar vienkārši izņemt.
Iemesls ir sekojoš – LLM darbojas pēc varbūtības principa. Tie nevis “zina” pareizo atbildi, bet prognozē visdrīzāk skanošo turpinājumu. Citiem vārdiem sakot, tie optimizē tekstu, nevis patiesību.
Ikdienas uzdevumos, piemēram, mārketinga tekstu veidošanā vai iekšējo dokumentu sagatavošanā, šāds kļūdu līmenis ir pieņemams. Taču sarežģītākās jomās situācija ir pavisam cita. Grāmatvedībā, jurisprudencē vai riska pārvaldībā pat neliela kļūda var radīt nopietnas juridiskas un finansiālas sekas.
To apstiprina arī The New York Times izmeklēšana, kurā konstatēts, ka mākslīgā intelekta sistēmas, aizpildot ASV nodokļu deklarācijas, radīja kļūdas, kas potenciāli varētu tikt uzskatītas par nodokļu krāpšanu.
Spiediens uz mākslīgā intelekta uzņēmumu biznesa modeļiem
Šī problēma rada arī ekonomisku dilemmu. No vienas puses, lētāki vai pat bezmaksas modeļi, piemēram, no Meta vai Alibaba, jau spēj nodrošināt pietiekamu kvalitāti vienkāršiem uzdevumiem.
Bet no otras puses, dārgāki risinājumi no OpenAI vai Alphabet nespēj garantēt nepieciešamo precizitāti sarežģītās situācās.
Tas rada loģisku jautājumu – kāpēc maksāt vairāk, ja rezultāts tik un tā nav pilnībā uzticams?
Vai risinājums vispār ir iespējams?
Tehnoloģiju nozare aktīvi meklē risinājumus, taču arvien vairāk ekspertu uzskata, ka ar esošo pieeju nepietiek. Viena no nākotnes alternatīvām ir tā sauktie “world models”, sistēmas, kas ne tikai prognozē tekstu, bet arī “saprot” realitāti.
Tomēr šādi risinājumi vēl ir agrīnā stadijā un, visticamāk, nebūs pieejami pat tuvāko gadu laikā.
Mākslīgais intelekts neapšaubāmi ir transformējoša tehnoloģija, taču tā ierobežojumi kļūst arvien acīmredzamāki. Ja precizitātes problēma patiešām ir sistēmiska, tad daļa no ambiciozākajiem mākslīgā intelekta pielietojumiem var arī nekad nekļūt par realitāti.
Tas savukārt nozīmē, ka pašreizējie biznesa modeļi, un ar tiem saistītās milzīgās investīcijas, var būt balstīti uz pārāk optimistiskiem pieņēmumiem.
Avots: Reuters
