Эллен Лёшель из Qualtrics: выбирайте свой ИИ в зависимости от проблемы, которую вы пытаетесь решить

Jul 11, 2023

Совместно с нашимСтатья номер месяцао готовности потребителей взаимодействовать с решениями на основе искусственного интеллекта (ИИ) No Jitter поговорил сЭллен Лоше,Квалтрикс ' Директор по разработке продуктов искусственного интеллекта. Она поделилась своими взглядами на различные темы искусственного интеллекта, которые представлены здесь в формате вопросов и ответов.

Н.Дж.: Можете ли вы рассказать о стимуле к переходу от типа ИИ, используемого в «разговорной» категории — обработки естественного языка (NLP) и понимания естественного языка (NLU) — к генеративному ИИ (Gen AI) и большим языковым моделям ( LLM), которые их питают?

Эллен Лоше : НЛП на самом деле является общим термином, обозначающим полезность этих алгоритмов. LLM — это лишь один набор инструментов в этом наборе инструментов, который мы будем использовать для обработки естественного языка или понимания естественного языка. Я не считаю их полностью дихотомическими.

Когда вы занимаетесь НЛП, вы можете использовать массу различных инструментов, чтобы понять процесс, интерпретировать, генерировать язык – некоторые из них столь же просты, как написание правил, регулярных выражений или других подобных вещей. Существуют также более базовые возможности машинного обучения, которые уже давно присутствуют на рынке. А еще у вас есть модели глубокого обучения, большие языковые модели и т. д.

Что мы обнаружили в больших языковых моделях, так это то, что они демонстрируют действительно впечатляющую производительность в создании человеческого языка — он не идеален. Во-первых, это не всегда точно, но выглядит наиболее родно из всего, что я видел.

Таким образом, LLM обеспечивают своего рода «скачок вперед» в точности, сопоставимости и т. д., на который другие стратегии НЛП на самом деле не оказали такого же воздействия или, по крайней мере, не вызвали такого ажиотажа. Это одно из движений с тех пор, как я был в пространстве, которое кажется тектоническим.

Но мы все еще находимся в середине цикла ажиотажа. Я всегда пытаюсь сформулировать свою собственную реакцию и реакцию всех остальных и сказать: ладно, оставим в стороне технологии, что за шумиха и как нам сохранять спокойствие во многом из того, что происходит?

Нью-Джерси: Хорошо, но почему программы LLM работают лучше, чем более традиционные подходы НЛП?

Лошель : Многие ученые, работающие с данными, на самом деле не понимают, почему они настолько лучше, но самая большая подсказка, которую мы имеем на данный момент, заключается в слове «большой». Размер обучающих наборов для LLM намного больше, чем все остальное, что мы использовали исторически. Таким образом, у LLM больше практики, больше опыта работы с реальными языковыми шаблонами по сравнению с другими подходами, которые мы использовали в прошлом, которые были основаны на меньших языковых наборах или оптимизированы по стоимости, а не по производительности. Мы все еще находимся в том странном пространстве, где LLM во многих случаях являются непомерно дорогостоящими для предприятий, чтобы использовать их или создавать свои собственные. Это придется изменить.

Нью-Джерси: Есть ли какие-либо уроки из «старых типов» ИИ, которые можно применить к новым вариантам использования?

Лошель : Полностью. На выходных я даже читал интересную статью о роли, которую играют онтологии: вы можете думать об онтологии как о таксономии терминов или концепций, и часто [эти таксономии] являются иерархическими. Подобные вещи могут использоваться в качестве входных данных для генеративной модели.

Итак, я очень увлечён тем фактом, что не существует единой технологии, подходящей для всех. Мы должны выбрать тип алгоритма в зависимости от проблемы, которую пытаемся решить, а также наших бизнес-ограничений. Стоимость, очевидно, огромная. Если я не могу себе этого позволить, то, возможно, дополнительные 2% точности не стоят того. Возможно, мне следует просто использовать что-то, что исторически работало для меня раньше.

Но их совместное использование, по моему мнению, обычно дает лучший результат при более рентабельных затратах. Моя философия в Qualtrics заключается в том, что Gen AI — это инструмент, который мы можем использовать, когда это имеет смысл и дает нам уникальные преимущества. Но это не единственный инструмент. Мы делаем это не просто так.