Staigmena: „Google“ pirmauja Forrester pirmajame dirbtinio intelekto modelių reitinge

„Forrester Research Inc.“ ką tik išleido savo pirmąjį dirbtinio intelekto modelių „Wave“ reitingą, o išvados gali šiek tiek pakelti antakius.

Tyrimų įmonė „Google LLC“ įvertino kaip šios kategorijos lyderį, o „Databricks Inc.“, „Nvidia Corp.“, „IBM Corp.“ ir „OpenAI LLC“ nurodė kaip „stiprius rezultatus“.

„Google“ užsitarnavo aukščiausią vietą, nepaisant to, kad dėl plataus vartojimo produktų išleidimo anksti patyrė gėdingą slogą. Tai neturėtų užgožti didelio paieškos milžino įmonių pasiūlymų platumo ir kokybės, sakė vienas iš pagrindinių tyrimo autorių Rowanas Curranas.

„Daugelis „Google“ problemų kilo dėl vartotojams skirtų pasiūlymų, – sakė jis, – bet pažvelgus į tai, ką jie daro su „Gemini“, su juo susijusių įrankių kokybė yra gana reikšminga.

Ataskaitoje „Gemini“, kuris yra pavyzdinis „Google“ didelės kalbos modelis, pavadintas „unikaliai išsiskiriančiu rinkoje, ypač daugiarūšiu ir kontekstiniu požiūriu“. Multimodalumas reiškia AI sistemų gebėjimą apdoroti ir integruoti informaciją iš kelių tipų duomenų. Konteksto ilgis – tai teksto apimtis, į kurią AI modelis žiūri atgal, kad suprastų ir generuotų tinkamus atsakymus.

„Google turi viską, ko reikia dirbtinio intelekto rinkai vadovauti – didžiulius AI infrastruktūros pajėgumus, labai didelį AI tyrėjų būrį ir vis didesnį „Google Cloud“ įmonių klientų skaičių“, – teigiama ataskaitoje.

21 taško reitingas

„Forrester“ įvertino dirbtinio intelekto pagrindų modelius 21 kategorijoje, įskaitant duomenų kokybę, naudojamą mokymo modeliuose, daugiakalbystės galimybes, kogeneraciją, valdymą, mastelį, naujoves ir partnerių ekosistemą.

„Mes sutelkėme dėmesį į klausimus, kurie yra svarbiausi įmonių pirkėjams, taip pat į pačių modelių įvertinimą“, – sakė Curranas. „Mes pažvelgėme į modelius įmonės kontekste, kuriame atsispindi daugybė sprendimų, susijusių su derinimu, pasiekiamumu, našumu ir dalykais, kurie nepatenka į lyginamąjį balą.

„Databricks“ pelnė aukštus įvertinimus už savo hibridinę strategiją, apimančią tiek savo iš anksto paruoštą DBRX modelį, tiek klientų mokymą ar jų pačių modelių tobulinimą. „Forrester“ gyrė savo „išsamią, į funkcijas orientuotą“ viziją, tačiau teigė, kad „Databricks“ turi padaryti daugiau, kad padėtų įmonėms kurti modeliais pagrįstas programas.

„Vienas įdomiausių dalykų buvo suteikti galimybę klientams iš anksto apmokyti savo modelius ir sukurti efektyvesnius įrankius. [aspects of Databricks’] strategija, palyginti su kai kuriomis kitomis“, – sakė Curranas.

Stiprūs atlikėjai

„Nvidia“ susilaukė pagyrimų už savo „Nemotron“ modelių šeimą, kurią galima naudoti iš karto ir siūlyti puikias daugiakalbes galimybes. Tyrėjai rašė, kad „Nvidia“ turi užpildyti daugiau spragų savo įmonės įrankių plane ir suformuluoti viziją, kuri peržengia techninį virtuoziškumą.

IBM „Granite“ modeliai puikiai tinka verslo klientams, jie užtikrina aukštą kokybę su žalos atlyginimo sąlygomis ir įrankiais, kurie yra naudingi tais atvejais, kai reikia tvirto valdymo. „Granite“ modelių šeima suteikia įmonių vartotojams patikimiausių ir skaidriausių įžvalgų apie pagrindinius mokymo duomenis, svarbius efektyviai tobulinant modelio elgseną konkretiems naudojimo atvejams ir sritims ir siekiant apsaugoti įmones nuo rizikos dėl bet kokio nelicencijuoto mokymo duomenų turinio. “, – rašoma pranešime.

„OpenAI“ yra neabejotinas pradininkas ir pateikia kai kuriuos iš galingiausių modelių rinkoje, tačiau jai reikia geriau pristatyti įrankius, kuriuos įmonės klientai galėtų naudoti kurdami ir padidindami taikomąsias programas.

Toliau „stiprių atlikėjų“ pakete yra „Amazon Web Services Inc.“, „Microsoft Corp.“, „Cohere Inc. Anthropic PBC“ ir „Mistral AI SAS“.

„Amazon“ „Titan“ modeliai atsiliko nuo klientų pritaikymo, nors šį trūkumą galima ištaisyti. „AWS nepateikė aiškios vizijos apie tai, kada klientai turėtų pasirinkti naudoti Titan modelius, palyginti su kitais Bedrock modeliais, tokiais kaip Anthropic's Claude“, – rašo tyrėjai.

„Microsoft“ maži „Phi“ modeliai yra niša įmonėms, ieškančioms mažo dydžio ir griežtai kuruojamo mokymo duomenų rinkinio. Tačiau „Microsoft“ investicijos į „OpenAI“ užgožė jos modelių strategiją.

Ataskaitoje teigiama, kad „Cohere“, „Anthropic“ ir „Mistral“ susilaukia pagyrų už modelių kokybę, tačiau nesugeba pateikti įrankių ir ekosistemų, kurios patiktų įmonės klientams.

Atvirojo kodo išskyrimas

Ataskaita neapima daugelio paskelbtų konkrečių domenų modelių arba paslaugų teikėjų, siūlančių prieigą prie kelių modelių savo platformose.

„Mes nustatėme įmonių, kurios iš anksto parengia modelį, pateikia jį komerciškai ir siūlo būdą parduoti jį rinkoje, kriterijus“, – sakė Curranas. „Tai leido mums susiaurinti sąrašą iki konkretaus pardavėjų rinkinio, kurį matote galutinėje ataskaitoje. Atvirojo kodo modeliai nebuvo įtraukti, nes tokie veiksniai kaip vizija ir strategija netaikomi, sakė jis.

Didžiąją praėjusių metų dalį praleidęs pasinėręs į pagrindo modelių apžvalgas, Curranas sakė esąs įsitikinęs, kad ateinančiais metais bus keletas galimų pokyčių. Viena iš jų yra ta, kad „išankstinio modelių mokymo kaina sumažės iki tokio lygio, kad daugeliu atvejų tai taps labai paprasta kaina“, – sakė jis. „Manau, kad išlaidos sumažės greičiau, nei daugelis žmonių tikėjosi, ypač konkrečių domenų modelių srityje.

Tikėtina, kad kitais metais konkurencija dėl kontekstinių langų dydžio išsiplės, taip pat pastangos, kad modelių mokymas būtų prieinamesnis. Tikėtina, kad daugės ir multimodalumo, o Google PaLM-E yra puikus pavyzdys. Kalbos supratimas derinamas su fiziniais veiksmais, kad būtų galima prasmingiau sąveikauti su modelio aplinka. „Tikiuosi, kad iki metų pabaigos turėsime daug daugiau multimodalinių modelių ir tikiuosi, kad turėsime saują atviro svorio modelių, kurie tam tikru mastu yra daugiarūšiai“, – sakė jis.

Nuotrauka: Pixabay