Menggunakan LLM? LAM Akan Datang Seterusnya, tetapi Mereka Perlu Kerja

Kebangkitan chatbot AI generatif telah mempopularkan istilah "model bahasa besar", teknologi AI asas yang bekerja di belakang tabir. Model bahasa besar (LLM) menjana output berdasarkan set bahasa yang diramalkan sebagai tindak balas kepada input pengguna, menjadikannya kelihatan seolah-olah AI mampu berfikir sendiri.

Tetapi LLM bukan satu-satunya model besar di bandar; model tindakan besar (LAM) boleh menjadi perkara besar seterusnya dalam AI.

Apakah Model Tindakan Besar (LAM)?

LAM ialah sistem kecerdasan buatan yang mampu memahami input manusia dan melakukan tindakan yang sepadan. Ini adalah pendekatan yang sedikit berbeza kepada sistem AI yang hanya menumpukan pada penjanaan respons. Istilah "model aksi besar" pertama kali diperkenalkan oleh Rabbit Inc., pembangun peranti r1 arnab. Dalam video pelancaran arnab r1 syarikat, ia mengatakan LAM ialah model asas baharu yang membantu membawa AI daripada perkataan kepada tindakan.

LAM dilatih pada set data besar data tindakan pengguna; Oleh itu, mereka belajar dengan meniru perbuatan manusia atau melalui demonstrasi. Melalui demonstrasi, LAM boleh memahami dan menavigasi antara muka pengguna tapak web atau aplikasi mudah alih yang berbeza dan melakukan tindakan khusus berdasarkan arahan anda. Menurut Arnab, LAM boleh mencapai ini walaupun antara muka diubah sedikit.

Anda boleh menganggap LAM sebagai lanjutan daripada keupayaan sedia ada LLM. Manakala teks generatif LLM atau output media berdasarkan input pengguna dengan meramalkan perkataan atau token seterusnya (Anda bertanya soalan dan LLM menyediakan teks atau output media), LAM meneruskannya dengan menambahkan keupayaan untuk melakukan tindakan kompleks bagi pihak anda .

Apa Yang LAM Boleh Lakukan?

LAM adalah tentang melakukan tindakan yang rumit bagi pihak anda. Walau bagaimanapun, perkara kritikal yang perlu diperhatikan ialah keupayaan untuk melakukan tindakan yang kompleks. Ini menjadikan LAM lebih membantu dalam melakukan tugas lanjutan, tetapi ini tidak bermakna mereka tidak boleh melakukan tindakan yang lebih mudah.

Secara teori, ini bermakna anda boleh, contohnya, memberitahu LAM untuk melakukan sesuatu bagi pihak anda, seperti memesan kopi dari Starbucks berdekatan anda, menaiki Uber dan juga membuat tempahan hotel. Oleh itu, ia berbeza daripada melaksanakan tugas mudah seperti meminta Google Assistant, Siri atau Alexa menghidupkan lampu TV atau ruang tamu anda.

Di bawah hud, menurut visi yang dikongsi oleh Rabbit Inc., LAM dapat mengakses tapak web atau aplikasi yang berkaitan seperti Uber dan menavigasi antara mukanya untuk mengambil tindakan, katakan memesan perjalanan atau membatalkannya jika anda menukar fikiran.

LAM Akan Menjayakan LLM, tetapi Mereka Belum Bersedia (Belum)

Konsep LAM adalah menarik, malah mungkin lebih daripada LLM. LAM akan menjadi masa depan selepas AI generatif, membolehkan kami dapat mengimbangi tugas biasa dan menumpukan pada aktiviti lain yang memuaskan. Walau bagaimanapun, walaupun kelihatan menarik, LAM masih belum bersedia.

Produk komersial pertama yang berjanji untuk memanfaatkan LAM (arnab r1) tidak memenuhi janji pemasarannya untuk melakukan tindakan bagi pihak penggunanya. Peranti ini gagal dengan sangat hebat pada titik jualan terasnya sehingga banyak ulasan tangan pertama menyebutnya sebagai tidak berguna.

Lebih teruk lagi, siasatan oleh Coffeezilla, seorang YouTuber, dengan kerjasama sekumpulan jurutera perisian terpilih dengan akses kepada sebahagian daripada pangkalan kod r1, mendapati Arnab menggunakan skrip Playwright untuk melakukan tindakan dan bukannya LAM. Jadi bukannya peranti yang menjalankan model AI yang unik, ia sebenarnya hanya menjalankan sekumpulan If > Kemudian penyataan gaya; jauh sekali dari LAM yang dijanjikan.

Jika ada apa-apa yang anda boleh ambil dari peranti Rabbit's r1 adalah, ya, penglihatan itu ada. Walau bagaimanapun, kerja perlu dilakukan sebelum menyedari, jadi jangan teruja lagi.

Atas ialah kandungan terperinci Menggunakan LLM? LAM Akan Datang Seterusnya, tetapi Mereka Perlu Kerja. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!