5 kluczowych tematów AI w 2024 roku: Konkurencja, otwarte modele i nowe możliwości

Konkurencja na rynku modeli podstawowych

Rok 2024 przynosi znaczące zaostrzenie rywalizacji w dziedzinie modeli podstawowych. Dane z Chatbot Arena wskazują, że po okresie dominacji modeli OpenAI, na rynku pojawiają się konkurencyjne rozwiązania, m.in. ze strony Google. Jednocześnie dynamiczny rozwój modeli open-source daje firmom szerszy wybór przy implementacji API.

Spadek zużycia tokenów OpenAI: Jeszcze w listopadzie ubiegłego roku modele OpenAI odpowiadały za 90% zużycia tokenów. Obecnie, ten udział spadł do około 60%, co sugeruje, że użytkownicy testują alternatywne rozwiązania.
Wzrost znaczenia modeli open-source: Niezależne rankingi SEAL pokazują, że modele open-source osiągają znakomite wyniki w obszarach takich jak matematyka, zgodność z instrukcjami oraz odporność na manipulacje. Model Llama znalazł się w czołówce tych rankingów.

Dynamiczny rozwój otwartych modeli

Modele open-source notują imponujący postęp w wielu aspektach. Ewaluacja MMLU pokazuje, że niektóre modele open-source o mniejszej liczbie parametrów dorównują wydajnością modelom najnowszej generacji. Na przykład, model Llama 8B uzyskał wynik o 10 punktów wyższy od Mistral-7b, który był liderem w tej kategorii rok temu.

Opłacalność małych modeli

Zacierają się różnice w wydajności między małymi a dużymi modelami, a ceny technologii AI znacząco spadają. Koszt API flagowych modeli OpenAI obniżył się o 80-85% w ciągu ostatniego roku, co znacząco obniża koszty tworzenia aplikacji z wykorzystaniem AI.

Obniżenie kosztów tworzenia aplikacji AI: Budowa aplikacji takich jak Notion czy Coda z wykorzystaniem AI to obecnie koszt rzędu kilku tysięcy dolarów.

Multimodalność jako przyszłość AI

Technologie multimodalne stają się kluczowym kierunkiem rozwoju AI. Pojawienie się nowych modalności, takich jak niskolatencyjny głos, zdolność do wykonywania zadań oraz wideo, otwiera nowe możliwości interakcji z użytkownikami.

Ulepszone interakcje głosowe: Niskolatencyjny głos to nie tylko funkcja, ale nowa jakość interakcji z AI.
Wzrost zdolności wykonywania zadań: Funkcje takie jak Computer Use w Claude oraz możliwość wykonywania kodu w Canvas od OpenAI, zwiększają możliwości AI.

Przełomy w skalowaniu AI

Mimo ograniczeń prawa skalowania, pojawiają się nowe paradygmaty. OpenAI wydaje się przełamywać te ograniczenia, wykorzystując m.in. technikę RL self-play do podnoszenia wydajności modeli.

Racjonalizacja inwestycji w AI

Mimo obaw o bańkę spekulacyjną, inwestycje w AI stają się bardziej racjonalne. Większe kwoty trafiają do laboratoriów rozwijających modele podstawowe, podczas gdy inwestycje w firmy operacyjne są na rozsądnym poziomie.

Niedoceniona wartość warstwy aplikacyjnej: W przeszłości uważano, że modele podstawowe są bardziej wartościowe niż warstwa aplikacyjna. Okazuje się jednak, że ekosystem AI ma ogromny potencjał, a warstwa aplikacyjna oferuje liczne możliwości.

Ogromne możliwości dla startupów

Ekosystem AI to nie tylko modele podstawowe. Warstwa aplikacyjna oferuje ogromny potencjał. Na rynku pojawia się wiele innowacyjnych rozwiązań, różne typy modeli mają swoje silne strony, a konkurencja jest zacięta.

Automatyzacja usług: AI może zautomatyzować wiele powtarzalnych zadań, obniżając koszty i zwiększając wydajność.
Lepsze wyszukiwanie: AI może pomóc użytkownikom w efektywniejszym wyszukiwaniu i zdobywaniu informacji, oferując spersonalizowane doświadczenia.
Demokratyzacja umiejętności: AI demokratyzuje dostęp do różnych umiejętności, umożliwiając większej liczbie osób udział w tworzeniu i innowacji.

Kierunki inwestycji w erze AI

Infrastruktura AI (moc obliczeniowa i dane) to ważny kierunek inwestycyjny. Wraz z rozwojem technologii AI rośnie zapotrzebowanie na specjalistyczne dane i nowe typy danych.

Nadchodzi era "Oprogramowania 3.0"

Te wszystkie zmiany można podsumować jako przejście do "Oprogramowania 3.0". To całościowe przemyślenie podejścia do oprogramowania, które da nowej generacji firm ogromną przewagę. Szybkość zmian sprzyja startupom.

Przemyślenie produktów i infrastruktury: Należy przemyśleć sposób projektowania produktów i budowy infrastruktury, aby dostosować je do nowej rzeczywistości AI.
Ogromne możliwości techniczne i ekonomiczne: AI oferuje ogromne możliwości techniczne i ekonomiczne, które warto wykorzystać.

Rywalizacja startupów z gigantami

Czy owoce zwycięstwa przypadną startupom, czy obecnym gigantom technologicznym? Mimo że giganci mają przewagę w dystrybucji i danych, startupy mogą konkurować dzięki lepszym produktom i innowacyjnym modelom biznesowym.

Dylemat innowatora: Obecne firmy mogą być ograniczone dylematem innowatora, podczas gdy startupy mogą rzucić wyzwanie obecnym modelom dzięki nowym paradygmatom user experience i generowaniu kodu.
Znaczenie danych: Startupy muszą zastanowić się, jakich danych potrzebują, aby podnieść jakość swoich produktów, zamiast polegać na danych posiadanych przez obecne firmy.