Hybrydowe strategie AI: dylematy i rozwiązania branżowych gigantów

Współczesny krajobraz sztucznej inteligencji charakteryzuje się dynamicznym postępem i proliferacją nowych modeli. Dla przedsiębiorstw decyzja o wyborze odpowiedniego podejścia – otwartego, zamkniętego czy hybrydowego – staje się kluczowym elementem strategii technologicznej. Ta złożoność była przedmiotem dyskusji ekspertów z General Motors, Zoom i IBM podczas konferencji VB Transform.

Barak Turovsky, pierwszy dyrektor ds. AI w General Motors, zwrócił uwagę na szum informacyjny towarzyszący każdemu nowemu modelowi i zmianom w rankingach. Co ciekawe, Turovsky, który sam przyczynił się do powstania pierwszego dużego modelu językowego, podkreślił rolę otwartego dostępu do wag modeli i danych treningowych w historycznych przełomach. „To był jeden z największych przełomów, który pomógł OpenAI i innym firmom rozpocząć działalność” – stwierdził Turovsky, wskazując na ironię sytuacji, gdzie otwarte praktyki przyczyniły się do powstania podmiotów, które później przyjęły model zamknięty, by obecnie znów częściowo powrócić do otwartości.

Dylematy i strategie wyboru

Czynniki wpływające na wybór modelu AI są różnorodne i obejmują koszty, wydajność, zaufanie oraz bezpieczeństwo. Turovsky zauważył, że przedsiębiorstwa często preferują strategie mieszane, stosując modele otwarte do zastosowań wewnętrznych, a zamknięte do produkcji lub interakcji z klientami, bądź odwrotnie.

Strategia IBM, jak wyjaśnił Armand Ruiz, wiceprezes ds. platformy AI, ewoluowała. Początkowo skupiała się na własnych modelach językowych, ale szybko okazało się to niewystarczające w obliczu rosnącej mocy konkurencyjnych rozwiązań. IBM rozszerzył swoją ofertę o integracje z platformami takimi jak Hugging Face, umożliwiając klientom wybór spośród wielu otwartych modeli. Rosnąca liczba modeli używanych przez przedsiębiorstwa jest widoczna: badanie Andreessen Horowitz wykazało, że 37% ze 100 ankietowanych CIO używa pięciu lub więcej modeli, w porównaniu do 29% rok wcześniej.

Jednak nadmiar wyboru może prowadzić do paraliżu decyzyjnego. Ruiz podkreślił, że IBM podczas fazy proof of concept czy pilotażu nie skupia się zbytnio na konkretnym modelu, lecz na weryfikacji wykonalności. Dopiero później analizuje się, czy model wymaga destylacji, czy dostosowania do specyficznych potrzeb klienta. „Najpierw staramy się uprościć analizę i skupić na przypadku użycia” – podsumował Ruiz, wskazując na pragmatyczne podejście do wdrożeń.

Podejście Zoom do AI

Xuedong Huang, CTO Zoom, przedstawił dwa podejścia do AI Companion dla klientów firmy. Pierwsze polega na federacji własnego modelu Zoom z większymi modelami bazowymi. Druga konfiguracja umożliwia klientom korzystanie wyłącznie z modelu Zoom, co jest atrakcyjne dla tych, którzy obawiają się złożoności wynikającej z używania zbyt wielu modeli.

Zoom opracował własny, skromnych rozmiarów model językowy (2 miliardy parametrów) bez wykorzystania danych klientów. Mimo niewielkich rozmiarów, potrafi on przewyższać wydajnością niektóre modele branżowe, zwłaszcza w złożonych zadaniach, gdy pracuje w synergii z większym modelem. „To prawdziwa siła podejścia hybrydowego” – wyjaśnił Huang. „Nasza filozofia jest prosta: mały model, niczym Myszka Miki, tańczy z dużym słoniem. Mały model wykonuje bardzo konkretne zadania, a razem tworzą jeden zespół”.

Wnioski

Decyzje dotyczące wyboru modeli AI stają się coraz bardziej złożone, zmuszając firmy do balansu między elastycznością otwartych rozwiązań a bezpieczeństwem i kontrolą zamkniętych systemów. Strategie hybrydowe, łączące moc dużych modeli z wyspecjalizowanymi, mniejszymi rozwiązaniami, wydają się być dominującym trendem, oferującym optymalne połączenie wydajności i kontroli.