# 人工智慧的轉變:重新看待舊式 AI 的生命力
## 資料科學家仍然不可或缺
儘管如今機器學習的話題大多集中在大型語言模型(LLMs)上,但是來自 Amazon CTO Werner Vogels 的一番言論引起了我們對於舊式 AI 的重新關注。他在最近的演講中提到,這種型別的 AI 仍在解決許多實際問題。而 Atul Deo 也相信,在大型語言模型崛起之後,專注於單一任務的模型不會消失,它們只是企業 AI 工具箱中的另一種選擇。
## 特定任務模型與大型語言模型的區別
特定任務模型與大型語言模型之間的主要區別在於,特定任務模型是針對特定任務進行訓練,而大型語言模型能處理模型範圍之外的事物。雖然大型語言模型具有一定的靈活性,但專注的特定任務模型仍有其存在價值。正如 Jon Turow 所言,雖然大型語言模型帶來了新的能力,但已存在的特定任務模型仍然不可或缺。
## Amazon 對於技術的應用
Amazon 的 SageMaker 是該公司的機器學習操作平臺,專注於面向資料科學家而不是開發人員,它報告稱有數以萬計的客戶正在構建數百萬種模型。當前大型語言模型是 AI 領域的熱門話題,但這並不代表過去的技術就會消失。Amazon 也宣布對 SageMaker 進行了升級,針對大型語言模型的管理。
## 資料科學家的角色
即使在公司專注於大型語言模型時,資料科學家仍然扮演著關鍵角色。他們將持續扮演重要的角色:對資料進行批判性思考,並幫助人們理解在企業內部 AI 和資料之間的關係。這證實了無論是建立更為通用的大型語言模型還是專注於特定任務模型,資料科學家的角色仍然至關重要。
## 結語
大型語言模型的出現給 AI 領域帶來了新的可能性,但我們必須認識到,舊式的 AI 模型仍然具有廣泛的應用價值。對於企業來說沒有人會因為有了新技術就輕易放棄舊有的投資。考量公司實際需求、未來發展,與其認為大即是美,不如更加重視技術選型所帶來的實際效益。
此次 Amazon 對 SageMaker 的更新表明企業會持續關注和投資於傳統的 AI 模型。對於開發人員而言,他們在使用不同 AI 模型時,應根據具體任務需求,選擇合適的工具。而資料科學家在這一過程中將繼續發揮關鍵作用,應當更加關注資料的質量和科學價值。
Technology-人工智慧,舊式人工智慧,大型語言模型,技術趨勢
延伸閱讀
- OpenAI 揭開 AI 祕密指令的面紗
- AI 助您創辦者更快、更輕鬆地籌集資金嗎?
- 盧西德機器人獲得 900 萬美元用於無人機清潔任何地方
- 以色列新創公司 Panax 籌集了 1,000 萬美元 A 輪融資,用於其基於人工智慧的現金流管理平臺
- Reddit 測試使用基於 LLM 的人工智慧進行自動整站法語翻譯
- 三星醫聲將以 9270 萬美元收購法國人工智慧超聲波新創公司 Sonio
- 網際網路共同創始人 Robert Kahn 早在幾十年前就已經做到了加密、人工智慧和網際網路嗎?
- 人聲 vs AI:Audible 推出 AI 旁白有機會取代人類旁白嗎?
- 突破獨家訪談:Wayve 共同創辦人 Alex Kendall 談自動駕駛汽車和機器人的未來
- Rad AI 完成由 Khosla Ventures 領投的 5 千萬美元 B 輪融資