De opkomst van chatbots op basis van generatieve AI heeft de term ‘groot taalmodel’, de onderliggende AI-technologie die achter de schermen werkt, populair gemaakt. Large Language Models (LLM’s) genereren output op basis van een voorspelde set taal als reactie op gebruikersinvoer, waardoor het lijkt alsof de AI voor zichzelf kan denken.
Maar LLM's zijn niet de enige grote modellen die beschikbaar zijn; Large Action Models (LAMs) kunnen de volgende doorbraaktechnologie in AI zijn. Verifiëren Enkele grote problemen met OpenAI's ChatGPT.
Snelle links
Wat is een groot bedrijfsmodel (LAM)?
Een Large Action Model (LAM) is een kunstmatige-intelligentiemodel dat menselijke input kan begrijpen en de bijbehorende actie kan uitvoeren, waardoor het op een mensachtige manier met de wereld kan communiceren. Dit is een iets andere aanpak dan AI-modellen die zich uitsluitend richten op het genereren van reacties. De term ‘groot bedrijfsmodel’ werd voor het eerst geïntroduceerd door Rabbit Inc, ontwikkelaar van de Rabbit R1. In de Rabbit R1-lanceringsvideo van het bedrijf staat dat LAM een nieuw fundamenteel model is dat AI helpt om van woorden naar daden te gaan.
LAM's worden getraind op grote sets gebruikersactiegegevens; Daarom leren ze door menselijke handelingen te imiteren of door demonstraties. Via een demo kan het LAM-model de gebruikersinterfaces van verschillende websites of mobiele applicaties begrijpen en navigeren, en specifieke acties uitvoeren op basis van uw instructies. Volgens KonijnLAM kan dit bereiken, zelfs als de interface enigszins is gewijzigd.
Je kunt LAM's zien als een uitbreiding van de bestaande mogelijkheden van LLM's. Terwijl de generatieve tekst- of media-uitvoer in LLM afhankelijk is van gebruikersinvoer door het volgende woord of token te voorspellen (u stelt een vraag en het LLM-model zorgt voor tekst- of media-uitvoer), gaan LAM's nog verder door de mogelijkheid toe te voegen om te implementeren... Complexe procedures voor u. Verifiëren Moet u een lokaal LLM-model gebruiken? Voordelen, nadelen en best practices.
Wat kunnen LAM's doen?
LAM's gaan over het uitvoeren van complexe acties namens u. Het cruciale punt om op te merken is echter het vermogen om complexe procedures uit te voeren. Dit maakt LAM's nuttiger voor geavanceerde taken, maar dat betekent niet dat ze geen eenvoudigere procedures kunnen uitvoeren.
In theorie betekent dit dat je bijvoorbeeld het LAM-model kunt vragen iets voor je te doen, zoals een kopje koffie bestellen bij je plaatselijke café, of een Uber-rit maken, en zelfs een hotelreservering maken. Het is dus anders dan het uitvoeren van eenvoudige taken zoals het vragen aan Google Assistant, Siri of Alexa om de tv of de woonkamerverlichting aan te doen.
Onder de motorkap kan het LAM-model, volgens de visie gedeeld door Rabbit Inc., toegang krijgen tot een relevante website of app zoals Uber en door de interface ervan navigeren om actie te ondernemen, zoals het aanvragen van een rit of het annuleren van een rit als u uw rit wijzigt. verstand. Verifiëren Waarom komt het vrijgeven van onvolledige technologieproducten vaker voor dan ooit?.
LAM's zullen beter presteren dan LLM's, maar ze zijn er (nog) niet klaar voor
Het concept van LAM's is spannend, misschien nog wel spannender dan LLM's. Grote Actiemodellen (LAM’s) zullen de toekomst zijn na generatieve AI, waardoor we alledaagse taken kunnen compenseren en ons kunnen concentreren op andere vervullende activiteiten. Hoe opwindend het ook klinkt, LAM's zijn echter nog niet klaar.
Het eerste commerciële product dat beloofde gebruik te maken van LAM (Rabbit r1) voldeed niet volledig aan zijn marketingbelofte om acties uit te voeren namens zijn gebruikers. Het apparaat faalde zo slecht op zijn belangrijkste verkoopargument dat veel recensies uit de eerste hand het als tamelijk nutteloos beschreven.
Erger nog: uit een onderzoek van YouTuber Coffeezilla, in samenwerking met een selecte groep software-ingenieurs met toegang tot een deel van de Rabbit r1-basis, bleek dat Rabbit Playwright-scripts gebruikte om acties uit te voeren in plaats van LAM. Dus in plaats van dat een machine een uniek AI-model draaide, voerde deze eigenlijk alleen maar een reeks If > then-instructies uit; Dit staat ver af van het beloofde LAM-model.
Als er iets is dat je kunt meenemen van de Rabbit r1, dan is het dat ja, de visie is er. Er moet echter nog werk worden verzet vóór de implementatie, dus raak nog niet enthousiast. Je kunt nu bekijken Een uitgebreide handleiding om aan de slag te gaan en het Llama 2-model effectief te gebruiken.
