# 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 與 Google 擺出競爭的 AI 願景
- 本週人工智慧大事記:OpenAI 轉向非安全應用
- AI 蓬勃發展,馬斯克對抗機械革命
- OpenAI 成立團隊控制「超智慧」AI,卻任憑其枯萎——訊息來源指出
- 賺得 TechCrunch 效應:在 Disrupt 2024 舉辦一個附帶活動
- 開放 AI 與 Reddit 資料簽署合約,訓練人工智慧
- 智慧錢包 Kudos 獲得 1000 萬美元投資,研發 AI 功能挑選最佳信用卡
- 索尼音樂警告科技公司避免未經授權使用其內容訓練人工智慧
- Strava 啟用人工智慧防篡改排行榜,推出「家庭」計畫、深色模式等
- 參議院研究建議:每年至少撥款 320 億美元用於人工智慧計劃