Créer une réelle valeur avec les LLM

Créer une réelle valeur avec les LLM

Horodatage: 28 septembre 2023 11:53 AM
Nœud source: 2906364

Au milieu de l’année 2023, le monde de l’informatique est en effervescence face à l’émergence de grands modèles de langage (LLM) tels que GPT4/ChatGPT premium et StarChat. Comprendre ce que ces modèles peuvent et ne peuvent pas faire et comment les appliquer avec succès pour en tirer un avantage commercial n’est pas simple. Il est important d'analyser les recherches émergentes sur les propriétés des LLM de la génération actuelle et de décrire les stratégies qui devront être adoptées pour être appliquées avec succès. 

Les LLM sont spéciaux car ils émettent un langage en réponse au langage ; si le modèle est stimulé par du texte, il produit un texte pertinent en réponse. Cela signifie qu'il est facile pour quiconque d'interagir avec n'importe quel LLM avec lequel il dispose d'une interface, et de nombreux LLM ont été rendus publics via des interfaces de discussion. Pour cette raison, le développement des LLM en tant que technologie d’IA a eu un impact soudain et significatif sur la perception du public des capacités de l’IA. 
 
Comprendre les LLM 

 La seule chose que font les LLM est de consommer du texte et de produire du texte, mais comme la génération de texte est si bonne, les modèles semblent raisonner et comprendre le texte qu'ils manipulent. De nombreuses personnes travaillant dans le domaine du langage naturel et de la recherche en IA ont travaillé dur pour comprendre et explorer les capacités du LLM. De plus en plus d’ouvrages identifient les limites de la génération actuelle de modèles et démontrent que l’enthousiasme initial qui les a accueillis devrait peut-être être tempéré. Il est important de compléter la liste actuelle des limites des LLM de pointe et d’évaluer à la fois leur importance et la probabilité qu’elles se révèlent être des défauts fondamentaux des LLM en tant qu’approche de l’IA. Dans d'autres travaux, certaines des limites techniques des LLM sont examinées.  

Cependant, j'ai examiné les limitations validées avec quelques exemples simples du comportement actuel du LLM et analysé les contraintes non techniques telles que les problèmes de sécurité et de propriété intellectuelle. Après avoir examiné les limites de la technologie, vous pouvez ensuite examiner comment la technologie peut être appliquée avec succès et sur quoi les entreprises devraient se concentrer pour générer une valeur maximale à partir des opportunités créées par la révolution LLM. 

Un chemin vers le succès 

Une voie vers le succès peut être définie pour les organisations souhaitant accéder à la valeur incontestable de la nouvelle génération de LLM, tout en gérant les risques liés à leurs faiblesses identifiées. Cette voie vers le succès consiste à limiter l'utilisation des LLM à des composants offrant des fonctionnalités bien spécifiées et contrôlées, et à les intégrer dans des infrastructures appropriées de contrôle et de responsabilité. 

Il est possible que les futurs LLM résolvent les problèmes qui empêchent actuellement l’utilisation sans contrainte de cette nouvelle génération de modèles. Par exemple, les LLM pourraient bien être repensés (au-delà des transformateurs de courant) pour une planification efficace dans un avenir relativement proche. Techniquement, il ne semble pas y avoir de raison fondamentale pour que cela ne puisse pas être fait, même si cela nécessitera certainement un autre investissement étonnant en puissance de calcul.  

D'autres limitations, telles que la gestion du raisonnement compositionnel, du perroquet et de la sécurité, semblent plus insurmontables. Indépendamment des progrès continus, il convient de considérer que des technologies beaucoup plus simples, matures et prévisibles telles que la messagerie électronique, les bases de données et les navigateurs Web nécessitent toujours des modèles d'application et des contrôles de gestion sophistiqués. Il semble peu probable que les LLM se révèlent différents. 

L’interface en langage naturel démontrée par de nombreux LLM de dernière génération a éveillé une population beaucoup plus large au pouvoir des LLM en particulier, et de l’IA en général. En tant que tel, nous avons identifié certaines des principales limites de ces approches et avons en même temps formulé des recommandations pour des mises en œuvre susceptibles d'atténuer certains de ces problèmes, permettant finalement l'adoption réussie des LLM. Cependant, il convient de noter que rien de tout cela ne supprime le besoin de vision, d’investissement et d’une équipe compétente pour mettre en œuvre de telles solutions. 

Horodatage:

Plus de Fintextra