เหตุใดองค์กรต่างๆ จึงเปลี่ยนจาก OpenAI มาเป็นโมเดลโอเพ่นซอร์สที่ได้รับการปรับแต่ง - DATAVERSITY

เหตุใดองค์กรต่างๆ จึงเปลี่ยนจาก OpenAI มาเป็นโมเดลโอเพ่นซอร์สที่ได้รับการปรับแต่ง – DATAVERSITY

ประทับเวลา: 24 มกราคม 2024 3:25 น
โหนดต้นทาง: 3081727

ในโลกของ Generative AI ที่มีการพัฒนาอย่างรวดเร็ว OpenAI ได้ปฏิวัติวิธีที่นักพัฒนาสร้างต้นแบบ สร้างการสาธิต และบรรลุผลลัพธ์ที่น่าทึ่งด้วย โมเดลภาษาขนาดใหญ่ (LLM) อย่างไรก็ตาม เมื่อถึงเวลาที่ต้องนำ LLM ไปใช้จริง องค์กรต่างๆ ก็เริ่มเปลี่ยนจาก LLM เชิงพาณิชย์ เช่น OpenAI มากขึ้น หันไปหันไปใช้โมเดลโอเพ่นซอร์สที่ได้รับการปรับแต่งอย่างละเอียด อะไรขับเคลื่อนการเปลี่ยนแปลงนี้ และเหตุใดนักพัฒนาจึงยอมรับมัน

แรงจูงใจหลักนั้นเรียบง่าย: 1. ประสิทธิภาพ และ 2. หลีกเลี่ยงการผูกมัดของผู้ขาย ในขณะเดียวกันก็ปกป้องทรัพย์สินทางปัญญาที่เกี่ยวข้องกับทั้งข้อมูลและแบบจำลอง โมเดลโอเพ่นซอร์สอย่าง Llama2 และ Mistral เข้ากันได้แล้ว และในบางกรณี ก็ยังเหนือกว่า LLM เชิงพาณิชย์อีกด้วย ขณะเดียวกันก็มีขนาดที่เล็กกว่าอย่างเห็นได้ชัดอีกด้วย การเปลี่ยนแปลงไปสู่โมเดลโอเพ่นซอร์สไม่เพียงแต่ช่วยประหยัดต้นทุนได้อย่างมาก แต่ยังช่วยให้นักพัฒนาสามารถควบคุมและดูแลโมเดลของตนได้ดียิ่งขึ้นอีกด้วย

การปกป้องทรัพย์สินทางปัญญาและหลีกเลี่ยงการผูกมัดผู้ขาย

สำหรับองค์กรส่วนใหญ่ LLM เชิงพาณิชย์ถือเป็นกล่องดำ เนื่องจากไม่สามารถให้สิทธิ์ในการเข้าถึงซอร์สโค้ดของโมเดลหรือไม่สามารถส่งออกสิ่งประดิษฐ์ของโมเดลได้ การใช้โมเดลกล่องดำที่เข้าถึงได้ผ่าน API อย่างเดียวนั้นไม่เหมาะสำหรับการใช้งานเชิงพาณิชย์และภารกิจที่สำคัญอีกต่อไป องค์กรต้องยืนยันความเป็นเจ้าของแบบจำลองและสร้างความแตกต่างให้กับผลิตภัณฑ์ของตนจากคู่แข่ง ในขณะที่ยังคงรักษาทรัพย์สินทางปัญญาของ AI และข้อมูลไว้ ตามการสำรวจล่าสุดโดยบริษัทของฉัน สามในสี่ของผู้ตอบแบบสอบถามจะไม่สบายใจที่จะใช้ LLM เชิงพาณิชย์ในการผลิต ผู้ตอบแบบสอบถามเหล่านี้อ้างถึงความเป็นเจ้าของ ความเป็นส่วนตัว และค่าใช้จ่ายเป็นข้อกังวลหลักของพวกเขา

การรับรองการปฏิบัติตามข้อกำหนดและความเป็นส่วนตัวเป็นสิ่งสำคัญยิ่ง และนักพัฒนาต้องเผชิญกับความท้าทายในการตรวจสอบว่าข้อมูลผู้ใช้ปลายทางได้รับการปกป้องจากเอนทิตีที่เป็นอันตรายเมื่อส่งผ่านไปยังระบบกล่องดำ นอกจากนี้ การพึ่งพาแพลตฟอร์มของบุคคลที่สามทำให้เกิดความกังวลเกี่ยวกับเวลาแฝงและการรักษาข้อตกลงระดับบริการระดับการผลิตสำหรับการใช้งานเชิงพาณิชย์ (SLA) สุดท้ายนี้ ผู้นำธุรกิจมองว่า AI เป็นแกนหลักของ IP ของตนมากขึ้น และพวกเขามองเห็นโมเดลที่ปรับแต่งเองพร้อมข้อมูลที่เป็นกรรมสิทธิ์มากขึ้นเรื่อยๆ เพื่อสร้างความแตกต่างที่สำคัญซึ่งจะทำให้พวกเขาแตกต่างจากคู่แข่ง พูดง่ายๆ ก็คือ องค์กรต่างๆ ไม่พอใจกับแนวคิดที่จะมอบทรัพย์สินทางปัญญาให้กับบุคคลที่สามอีกต่อไป และเป็นเพียงชั้นบางๆ ที่อยู่เหนือ API ของบุคคลอื่น

โมเดลเฉพาะทาง: ประสิทธิภาพและความคุ้มค่าด้านต้นทุน

เมื่อพิจารณาถึงการขาดประสิทธิภาพแล้ว โมเดลโอเพ่นซอร์สก็ประสบกับการเปลี่ยนแปลงที่น่าทึ่งผ่านการปรับแต่งอย่างละเอียด และตอนนี้พวกเขาก็กลายเป็นคู่แข่งที่ทรงพลัง โมเดลโอเพ่นซอร์สที่ได้รับการปรับแต่งอย่างดีกำลังมาบรรจบกับโมเดลเชิงพาณิชย์ (หากไม่เกิน) ระดับของประสิทธิภาพในขณะที่ยังคงรักษารอยเท้าที่เล็กลงอย่างมาก 

ผลลัพธ์จากการทดลองล่าสุดของเรา: LLM เฉพาะงานที่ได้รับการปรับแต่งอย่างละเอียดและมีขนาดเล็กกว่ามีประสิทธิภาพเหนือกว่าทางเลือกอื่นจากผู้ขายเชิงพาณิชย์

นี่เป็นโอกาสอันยิ่งใหญ่ เนื่องจากการผลิต LLM เชิงพาณิชย์ขนาดใหญ่ได้ก่อให้เกิดปัญหาสำหรับองค์กรจำนวนมาก เนื่องจากขนาดของ LLM และต้นทุนที่เกี่ยวข้อง ด้วยการใช้ประโยชน์จากโมเดลที่ได้รับการปรับแต่งอย่างละเอียด นักพัฒนาสามารถบรรลุผลลัพธ์ที่ยอดเยี่ยมในขณะที่ต้องจัดการกับโมเดลที่มีขนาดน้อยกว่าคู่แข่งในเชิงพาณิชย์ 2-3 เท่า จึงถูกกว่าและเร็วกว่ามาก 

พิจารณากรณีขององค์กรที่ใช้ LLM เพื่อประมวลผลข้อความนับแสนจากผู้ปฏิบัติงานแนวหน้า องค์กรสามารถลดต้นทุนได้โดยการใช้แบบจำลองที่ได้รับการปรับแต่งมากกว่า LLM ขนาดใหญ่ ความสามารถในการบรรลุผลลัพธ์ที่น่าทึ่งด้วยต้นทุนเพียงเล็กน้อยทำให้การปรับแต่งอย่างละเอียดเป็นตัวเลือกที่น่าสนใจสำหรับองค์กรที่ต้องการเพิ่มประสิทธิภาพการใช้งาน AI ของตน

สรุป

การเปลี่ยนจากโมเดล OpenAI ไปเป็นโอเพ่นซอร์สถือเป็นก้าวต่อไปสำหรับบริษัทที่ต้องการรักษาความเป็นเจ้าของข้อมูลและโมเดลของตน ความเป็นส่วนตัวและหลีกเลี่ยงการล็อคอินของผู้ขาย ในขณะที่โมเดลโอเพ่นซอร์สมีการพัฒนาอย่างต่อเนื่อง นำเสนอทางเลือกที่น่าสนใจสำหรับนักพัฒนาที่ต้องการแนะนำ AI ในสภาพแวดล้อมการผลิต ในยุคของ AI แบบกำหนดเอง โมเดลพิเศษไม่เพียงแต่ให้ประสิทธิภาพสูงสุดเท่านั้น แต่ยังช่วยลดต้นทุนได้อย่างมาก ซึ่งชี้ไปสู่อนาคตที่สดใส

อย่างไรก็ตาม ความท้าทายยังคงมีอยู่ในแง่ของการลดความซับซ้อนและการจัดการกระบวนการปรับแต่ง การสร้างโครงสร้างพื้นฐานการผลิตที่แข็งแกร่ง และการรับรองคุณภาพ ความน่าเชื่อถือ ความปลอดภัย และจริยธรรมของแอปพลิเคชัน AI เพื่อรับมือกับความท้าทายเหล่านี้ แพลตฟอร์มที่เป็นนวัตกรรมใหม่ได้นำเสนอโซลูชันที่เปิดเผยซึ่งช่วยเหลือองค์กรต่างๆ ในการสร้างแอปพลิเคชัน AI แบบกำหนดเอง ด้วยการมอบความสามารถในการปรับแต่งอย่างละเอียดที่ใช้งานง่ายและโครงสร้างพื้นฐานที่พร้อมสำหรับการผลิต แพลตฟอร์มเหล่านี้ช่วยให้องค์กรต่างๆ สามารถปลดล็อกศักยภาพอันมหาศาลของโมเดลโอเพ่นซอร์ส ขณะเดียวกันก็รักษาการควบคุมสูงสุดและบรรลุประสิทธิภาพสูงสุด

ประทับเวลา:

เพิ่มเติมจาก ข้อมูล