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。
延伸閱讀
- 加州新 AI 法案出爐，SB 1047 作者再推出改革措施！
- 《超級瑪利歐成為 AI 基準測試的新標準！你絕對想不到的理由》
- Google 推出 SpeciesNet：專為識別野生動物而設的人工智慧模型！
- 安瑟普提克獲得 35 億美元巨額資金 瞄準人工智慧未來！
- OpenAI 重磅推出 GPT-4.5：歷史上最大的語言模型來了！
- 探索 DeepSeek：你必須理解的 AI 聊天機器人應用全指南！
- OpenAI 的創業帝國：揭密其風投基金背後的諸多創新公司
- 揭開 Mistral AI 的神祕面紗：揭示 OpenAI 競爭者的所有祕密！
- 未來科技：研究人員揭示如何打造變形機器人，猶如 T-1000 般神奇！
- ElevenLabs 推出全新語音轉文字模型，引領 AI 語音技術的新潮流！
