企業(yè)LLM（大型語言模型。是使用深度學習算法處理和理解自然語言的基礎機器學習模型。這些模型在大量文本數據上進行訓練，以學習語言中的模式和實體關系。LLM可以執(zhí)行多種類型的語言任務，例如翻譯語言、分析情緒、聊天機器人對話等。）可以建立在公開可用的基礎模型上。這是一個良好的開端。
圖源：BentlyChang/Getty Images
企業(yè)是否準備好構建和維護自己的內部LLM？
人工智能——尤其是生成式智能——吸引了科技專業(yè)人士和高管們的無限興趣。想想看：盡管最近關于削減云服務和基礎設施預算的討論層出不窮，但人工智能資金的源頭已經打開。只是它是流向外部服務，還是流向內部人才和資源呢？
許多外部實體，如OpenAI（在美國成立的人工智能研究公司，核心宗旨在于“實現安全的通用人工智能，AGI”，使其有益于人類。OpenAI于2015年由一群科技領袖，包括山姆·阿爾特曼、彼得·泰爾、里德·霍夫曼和埃隆·馬斯克等人創(chuàng)辦。）、微軟和谷歌，被視為LLM、基礎設施支持和專業(yè)知識的主要提供者。然而，對內部LLM項目的興趣也在上升。TCS（塔塔咨詢服務公司，是印度著名的企業(yè)集團—塔塔集團的控股子公司，投資重點為軟件工程實踐和標準、軟件質量保證、軟件項目管理、軟件處理、軟件工程技術研發(fā)等。）對1300名首席執(zhí)行官進行的一項新調查發(fā)現，大約一半的受訪者（51%）表示，他們計劃構建自己的生成式人工智能實現。這意味著未來還有很多工作要做，但幸運的是，公開可用的LLM已經奠定了基礎。
“基礎LLMs——比如GPT、Claude（是人工智能初創(chuàng)公司Anthropic 發(fā)布的一款類似ChatGPT的產品。升級后的Claude 2 模型在編碼、數學和推理方面的性能都有所提高。2023年7月，Anthropic 宣布，已發(fā)布最新大語言模型Claude 2。升級之后，Claude 2的處理能力已經提升到了100K個Token，這意味著它可以處理數百頁的技術文檔，甚至是整本書。此外，Claude 2 也開始面向更廣泛的用戶群體免費開放，并支持中文使用。）、Llama（Meta AI推出的大語言模型。之后源代碼公開到了 4chan 論壇上，使得任何一個普通工程師，都有機會開發(fā)自己的聊天機器人產品。只需要一臺筆記本電腦就能部署，不必像 OpenAI 那樣動輒上萬塊 GPU，對中小開發(fā)者極其友好，且性能也沒差到哪去。泄漏后的幾個月內，一位斯坦福大學的研究人員，只花了不到 600 美元就做出了一個性能尚可的 AI 聊天機器人；大洋彼岸的哈工大，數位研究人員用 Llama 和專業(yè)數據做出了一個醫(yī)學知識 AI，取名叫“華佗”。圍繞 LLaMA，一個生態(tài)開始涌現。）——可以最好地被描述為具有世界智慧；可以被視為重新包裝互聯網知識，”?TCS的首席技術官兼研究的共同作者Dr. Harrick Vin（哈里克·文博士）告訴筆者，“他們還具有高水平的多模態(tài)理解和生成能力，以及推理能力。”
Vin（文博士）說，構建這些基礎模型“既復雜又昂貴”，他指出，內部企業(yè)模型將建立在這些模型的能力之上。“這些模型將利用基礎模型的基本技能，如語言理解和生成、推理和一般知識。但他們需要將它們擴展并專門用于行業(yè)、企業(yè)和活動環(huán)境。”
幸運的是，“與基礎模型的開發(fā)相比，構建這種專門的模型要容易得多，成本也低得多，”Vin（文博士）說，“事實上，專門化基礎LLM（廣泛的AI模型）以創(chuàng)建特定目的的AI模型和解決方案的相對容易是AI民主化的主要原因?！?/span>
他繼續(xù)說道，這些特定于企業(yè)的LLM，“指的是行業(yè)、企業(yè)和活動方面的模型，無論是開源的還是商業(yè)的，”他繼續(xù)說，“我們相信，在未來，一個成熟的人工智能企業(yè)，將有數百或數千個有目的的人工智能模型，所有這些模型都是通過將基礎模型的能力與特定企業(yè)的能力相結合而構建的。”
除了構建和實現模型之外，該業(yè)務還需要為生成式人工智能做好準備。超過一半（55%）的人表示，他們正在積極改變業(yè)務或運營模式，或他們的產品和服務，以適應人工智能。TCS的調查顯示，十分之四的高管表示，在他們能夠充分利用人工智能之前，未來他們“需要對業(yè)務進行很多改變”。
這表明生成式和操作性人工智能的發(fā)展緩慢但勢頭強勁。在過去的一年里，“每個企業(yè)都嘗試過生成式人工智能用例——2024年及以后將是關于價值擴展的，”Vin（文博士）說，“然而，在實驗階段，每個企業(yè)都意識到，拓展價值是具有挑戰(zhàn)性的。”
TCS的調查顯示，目前只有17%的人正在討論人工智能并為其制定全企業(yè)范圍的計劃。此外，只有28%的人準備制定企業(yè)范圍的人工智能戰(zhàn)略，以最大限度地為公司帶來利益。盡管如此，Vin（文博士）還是看到了這項技術的快速發(fā)展。“在個別案例或臨時項目基礎上實施人工智能解決方案，與構建全公司范圍計劃以建立成熟的人工智能企業(yè)之間存在差異，”Vin（文博士）說，“調查中相對較低的數字是指制定了這種AI企業(yè)級應用戰(zhàn)略。這是意料之中的。”
至于人工智能解決方案的采用，Vin（文博士）繼續(xù)說，“這一數字相當高；59%的企業(yè)職能部門正在進行或已完成人工智能實施，另有34%正在計劃人工智能實施。我們正處于技術成熟度和企業(yè)大規(guī)模采用成熟度的早期階段。大多數企業(yè)開始將人工智能和生成式人工智能用于特定用例，同時開始進行長期量化收益以及管理相應成本和風險的旅程。”
在過去的一年里，“每個企業(yè)都嘗試了生成式人工智能用例——2024年及以后將涉及擴展價值，”Vin（文博士）說，“然而，在實驗階段，每個企業(yè)都意識到，拓展價值是具有挑戰(zhàn)性的。”
首先，“構建有效的人工智能解決方案需要高質量的數據，”他說，“盡管企業(yè)確實擁有大量數據，但這些數據通常分布在許多相互不一致的孤島上。盡管在過去幾年中，大多數企業(yè)已經開始了整合和數據產業(yè)現代化之旅，但這些旅程還遠未完成。此外，大多數企業(yè)的數據資產遷移到云環(huán)境的工作仍在進行中。這使得企業(yè)難以利用云托管的基礎大語言模型（LLM ）及其企業(yè)數據。”
此外，企業(yè)“需要提高成熟度，主動管理數據采集、使用、安全和隱私，”Vin（文博士）說，“他們需要掌握確定哪些數據可以用于什么目的，即使是無意中，以防止偏見和不公平的做法。這不僅僅是設計時的挑戰(zhàn)，也是運行時的挑戰(zhàn)。”需要的是“實時檢測人工智能模型開始偏離預期行為的緊急情況的系統(tǒng)。”
最后，角色和技能要求的變化速度比公司所能跟上的要快。他說：“隨著人工智能的注入，企業(yè)知識工作者的角色將從實干家轉變?yōu)闄C器的培訓師和詢問者、機器工作的審查者，以及批判性思維和創(chuàng)造力的擁有者。”
作者：Joe McKendrick（喬·麥克肯德里克）
譯者：寶藍
