Tác động của các Mô hình Ngôn ngữ Nhỏ đến AI và Blockchain: Cuộc phỏng vấn với CEO của Assisterr

CEO của Assisterr, Nick Havryliak, thảo luận về những lợi ích của các mô hình ngôn ngữ nhỏ, tiềm năng của AI phi tập trung và cách công nghệ blockchain đang thúc đẩy sự phát triển AI do cộng đồng dẫn dắt.

Khi trí tuệ nhân tạo phát triển hướng tới các giải pháp hiệu quả hơn, các mô hình ngôn ngữ nhỏ (SLMs) đang nổi lên như một lựa chọn thay thế có thể mở rộng và tiết kiệm chi phí so với các mô hình lớn, tổng quát được ưa chuộng bởi các công ty công nghệ lớn. Những SLM này đặc biệt phù hợp cho các ứng dụng cụ thể.

Assisterr, một mạng lưới SLM có trụ sở tại Cambridge, đang phát triển một hệ sinh thái AI phi tập trung. Hệ sinh thái này cho phép các cộng đồng sở hữu, quản lý và cải thiện các mô hình AI của họ trong khi tham gia vào hệ thống quản trị và phần thưởng được hỗ trợ bởi công nghệ blockchain.

Trong cuộc phỏng vấn này, Nick Havryliak, CEO của Assisterr, chia sẻ những hiểu biết về lợi ích của SLM, tiềm năng của AI phi tập trung và cách blockchain đang trao quyền cho các cộng đồng để ảnh hưởng đến tương lai của sự phát triển AI.

Người phỏng vấn: Điều gì đã truyền cảm hứng cho việc tạo ra SLM, và chúng khác với các mô hình AI lớn do các công ty công nghệ lớn phát triển như thế nào?

Nick Havryliak: Kinh nghiệm của tôi trong tư vấn công nghệ, đặc biệt là trong việc quản lý các nhóm R&D và phát triển các giải pháp học máy (ML) và Internet of Things (IoT), đã tiết lộ những hạn chế về kích thước và chất lượng của bộ dữ liệu trong ML. Điều này đã dẫn tôi đến việc khám phá cách các ưu đãi Web3 có thể được sử dụng để tập hợp dữ liệu chất lượng cao, chuyên biệt. Cách tiếp cận này đã hình thành nền tảng cho SLM, giải quyết các hiệu quả kém trong các mô hình AI lớn, tổng quát.

Các mô hình ngôn ngữ lớn (LLMs) thường gặp phải các vấn đề về ảo giác và chi phí cao do trọng tâm của các công ty công nghệ lớn là tạo ra các mô hình tổng quát hơn để mở rộng sự áp dụng. Tuy nhiên, SLM cung cấp một cách tiếp cận chuyên môn hóa hơn, tập trung vào các lĩnh vực nhỏ, cụ thể.

Người phỏng vấn: SLM hứa hẹn sẽ hiệu quả hơn, có thể mở rộng và dễ tiếp cận hơn. Bạn có thể giải thích cách hiệu quả này chuyển thành những lợi thế thực tế cho các nhà phát triển và người dùng không?

NH: SLM tiết kiệm tài nguyên hơn, tiết kiệm chi phí và dễ triển khai hơn. Chúng lý tưởng cho việc tối ưu hóa cụ thể nhiệm vụ và các môi trường có tài nguyên hạn chế, nơi tốc độ và chi phí là quan trọng.

Nguồn: Assisterr

Đối với hầu hết các nhiệm vụ hàng ngày và tự động hóa AI, bạn không cần một AI bao quát tất cả. SLM trao quyền cho các giải pháp ngay lập tức cho các vấn đề thực tế, giống như sử dụng một cái vợt để đập muỗi thay vì một tên lửa.

Người phỏng vấn: Những ứng dụng hoặc ngành công nghiệp nào trong thực tế mà bạn tin rằng sẽ được hưởng lợi nhiều nhất từ việc sử dụng SLM?

NH: SLM có thể được tích hợp vào các ứng dụng hàng ngày, khung công tác tự chủ hoặc phần cứng, bao gồm các thiết bị biên như điện thoại di động và máy tính xách tay.

Mặc dù khó dự đoán tất cả các trường hợp sử dụng, chúng tôi dự đoán rằng thị trường SLM sẽ vượt qua số lượng các ứng dụng di động, hiện tại đứng ở mức thị trường 255 tỷ đô la với hơn 5 triệu ứng dụng, trong thập kỷ tới. SLM sẽ giảm rào cản gia nhập bằng cách gắn kết chặt chẽ với lĩnh vực của người dùng cuối trong khi vẫn tiết kiệm chi phí.

Người phỏng vấn: Assisterr nhấn mạnh vào quyền sở hữu cộng đồng của các mô hình AI. Nền tảng của bạn trao quyền cho cộng đồng tạo ra, quản lý và cải thiện các mô hình AI của riêng họ như thế nào?

NH: Thông qua các công cụ của Assisterr, người dùng có thể thiết lập các kho bạc dựa trên hợp đồng thông minh quản lý hoạt động, doanh thu và quản trị của các mô hình thông qua hệ thống bỏ phiếu token hóa. Những người đóng góp và người xác nhận có thể hợp tác để cải thiện các mô hình, với phần thưởng được phân phối dựa trên đóng góp của họ.

Người phỏng vấn: Blockchain đóng vai trò trung tâm trong mô hình của bạn. Bạn có thể giải thích cách token hóa và công nghệ blockchain cho phép quản trị AI phi tập trung và khuyến khích đóng góp không?

NH: Mỗi SLM hoạt động trong một MiniDAO, một mô hình đồng sở hữu dựa trên kho bạc. Kho bạc được quản lý thông qua bỏ phiếu bởi các đồng sở hữu sử dụng Token Quản lý (MTs). Các tính năng chính của MiniDAO bao gồm:

• Cấu trúc bỏ phiếu linh hoạt cho việc quản lý mô hình và kho bạc.
• Danh sách nhiệm vụ cho những người đóng góp và người xác nhận.
• Cấu hình được thiết lập sẵn để khởi động SLM nhanh chóng và hiệu quả.

Người phỏng vấn: Làm thế nào Assisterr đảm bảo rằng sự phát triển SLM do cộng đồng dẫn dắt duy trì các tiêu chuẩn cao về chất lượng, bảo mật và thực hành AI đạo đức?

NH: Chúng tôi cung cấp tất cả các công cụ cần thiết để xây dựng SLM một cách an toàn sử dụng các phương pháp tiên tiến nhất. Tuy nhiên, chất lượng phụ thuộc vào nhiều yếu tố thực hiện. Chúng tôi nhằm làm cho quá trình này trở nên dễ tiếp cận nhất có thể, thúc đẩy sự cạnh tranh lành mạnh giữa các SLM hàng đầu và cộng đồng của họ.

Người phỏng vấn: Bạn có dự đoán bất kỳ thách thức nào trong việc chuyển đổi từ các mô hình AI tập trung truyền thống sang một hệ sinh thái AI phi tập trung không? Nếu có, Assisterr đang giải quyết những trở ngại này như thế nào?

NH: Thách thức chính là giúp người không chuyên kỹ thuật xây dựng các trường hợp sử dụng AI trong thực tế. Điều này bao gồm việc chọn vấn đề phù hợp, xác định xem nó có phù hợp với AI không và định nghĩa các hướng dẫn cho mô hình.

Nguồn: Assisterr

Chúng tôi nhằm chuyển giao kiến thức từ các nhóm kỹ thuật để làm cho quá trình này trở nên mượt mà hơn với trợ lý AI của chúng tôi. Chúng tôi tập trung vào việc làm cho việc tạo ra AI trở nên dễ tiếp cận hơn cho những người sáng tạo, chủ sở hữu dữ liệu và những người từ các nền tảng khác nhau.

Người phỏng vấn: Các thiết bị biên như điện thoại thông minh và máy tính xách tay ngày càng mạnh mẽ. SLM sẽ tận dụng xu hướng này như thế nào để mang lại các ứng dụng AI thông minh hơn, tiết kiệm chi phí hơn?

NH: Điện thoại thông minh và các thiết bị đeo là những động lực chính của sự phát triển SLM do hạn chế về tính toán của chúng, khiến việc chạy các mô hình ngôn ngữ lớn (LLMs) trở nên không thể. Tuy nhiên, SLM mở ra các phương pháp sử dụng thông minh mới, bao gồm các ứng dụng như kính Meta hoặc các trợ lý đeo được luôn luôn có thể tiếp cận.

Người phỏng vấn: Nhìn về phía trước, bạn hình dung tương lai của AI trong các thiết bị điện tử tiêu dùng khi SLM trở nên phổ biến hơn như thế nào? Chúng có thể thay đổi cách chúng ta tương tác với công nghệ hàng ngày không?

NH: SLM chắc chắn sẽ thay đổi cuộc sống của chúng ta, không chỉ cách chúng ta tương tác với công nghệ. Trong tương lai gần, mỗi quyết định có thể được hỗ trợ bởi một SLM cụ thể, làm cho việc tìm kiếm một 'người bạn trợ lý AI' cho bất kỳ nhu cầu nào trở nên dễ dàng. Hiệu ứng mạng sẽ trở nên mạnh mẽ hơn khi số lượng SLM tăng lên, nâng cao giá trị cho người dùng cuối.

Theo Cointelegraph

Tin khác