Jei 2025 m. vis dar nesusprogdino dirbtinio intelekto burbulo, tai 2026 m. šią technologiją padarys kiek labiau praktišką. Dėmesys krypsta nuo didžiųjų kalbos modelių prie sunkesnio darbo – t. y. padaryti realiai panaudojamus dirbtinio intelekto sprendinius realiems iššūkiams. Praktikoje tai reiškia modelių diegimą ten, kur jie tinka, ir integravimą į fizinius įrenginius bei sistemas, kurios sklandžiai įsilieja į žmonių darbo procesus. Daugelis 2026 m. mato kaip tokį pereinamąjį laikotarpį – nuo brutalios plėtros prie naujų tyrimų, nuo blizgių demonstracijų prie tikslingo diegimo ir nuo agentų, kurie žada autonomiją, prie tų, kurie iš tikrųjų papildo žmonių daromą darbą.
Grįžkime truputėlį į 2012 m. – Alekso Križevskio, Iljos Sutskeverio bei Geoffrey Hintono „ImageNet“ darbą, kuris parodė, kad dirbtinio intelekto sistemos gali išmokti atpažinti objektus vaizduose, analizuodamos milijonus pavyzdžių. Šis metodas buvo labai imlus skaičiavimams, bet iš esmės tapo įmanomas dėl grafinių procesorių. O rezultatas – dešimtmetis intensyvių dirbtinio intelekto tyrimų, kai mokslininkai kūrė naujas architektūras skirtingoms užduotims. Prie ko aš vedu? Aišku, kad tai kulminavo apie 2020 m., kai „OpenAI“ pristatė GPT-3, parodžiusi, kad vien tik padidinus modelį šimtą kartų galima atrakinti tokias galimybes kaip programavimas ar samprotavimas, be jokio papildomo mokymo. Tai tam tikra prasme pažymėjo perėjimą į tai, ką „Workera“ įkūrėjas ir vadovas Katanas Furušas vadina mastelio amžiumi – laikotarpį, kai buvo tikima, jog daugiau skaičiavimo galios, daugiau duomenų ir didesni transformerių modeliai neišvengiamai atneš proveržius.
Šiandien daug tyrėjų mano, kad dirbtinio intelekto industrija pradeda išsemti šią mastelio dėsnio ribą ir vėl pereina į tą tyrimų amžių, kuris prasidėjo 2012 m. Janas LeCunas, buvęs „Meta“ vyriausiasis dirbtinio intelekto mokslininkas, jau seniai kritikuoja per didelį pasikliovimą masteliu ir pabrėžia geresnių architektūrų poreikį. O I. Sutskeveris neseniai interviu sakė, kad dabartiniai modeliai pasiekę plokštumą, o išankstinio mokymo rezultatai nebeauga. Tai rodo naujų idėjų būtinybę.
Labiausiai tikėtina, kad per artimiausius penkerius metus rasime geresnę architektūrą, kuri bus reikšmingas žingsnis už dabartinių transformerių ribų. Jei ne, negalime tikėtis didelio modelių tobulėjimo. Didieji kalbos modeliai puikiai apibendrina žinias, tačiau daugelis ekspertų teigia, kad kita verslo dirbtinio intelekto diegimo banga bus varoma mažesnių, lankstesnių kalbos modelių, kuriuos galima pritaikyti konkrečioms sritims.
Visas „Žinių radijo“ reportažas – vaizdo įraše:
Smulkiai pritaikyti mažieji kalbos modeliai bus didžioji 2026 m. tendencija ir taps brandžių dirbtinio intelekto įmonių standartu, nes kainos ir našumo pranašumai skatins rinktis būtent juos vietoje universalių didžiųjų kalbos modelių. Taip sakė „AT&T“ vyriausiasis duomenų pareigūnas Andy Markusas. Jis taip pat pabrėžė, kad manoma, jog verslai vis dažniau remsis mažaisiais kalbos modeliais, nes tinkamai pritaikyti jie tikslumu prilygsta didesniems modeliams, o kaina ir greičiu gerokai pranoksta didžiuosius. Šį argumentą jau anksčiau girdėjome iš Prancūzijos dirbtinio intelekto startuolio „Mistral“, kuris teigia, kad jo mažesni modeliai po pritaikymo kai kuriuose testuose lenkia didžiuosius. Mažųjų kalbos modelių efektyvumas, ekonomiškumas ir pritaikomumas daro juos idealiais nišinėms užduotims, kur svarbiausia tikslumas. Panaršius internete matyti, kad internautai pokalbių grupėse mano, jog mažieji kalbos modeliai bus svarbūs agentinėje eroje, taip pat pabrėžiama, kad dėl savo prigimties jie ypač tinkami diegti vietiniuose įrenginiuose.
Aptarkime dar šiek tiek mokymąsi per patirtį. Žmonės mokosi ne tik per kalbą – mes mokomės patirdami, kaip veikia pasaulis. Didieji kalbos modeliai pasaulio nesupranta, jie tik prognozuoja kitą žodį ar idėją. Todėl daugelis tyrėjų mano, kad kitas didelis šuolis ateis iš pasaulio modelių dirbtinio intelekto sistemų, kurios mokosi, kaip objektai juda ir sąveikauja 3D erdvėse, kad galėtų prognozuoti ir veikti.
Nors ilgalaikė vertė siejama su robotika ir autonomija, artimiausiu metu didžiausias poveikis tikėtinas vaizdo žaidimuose. „PitchBook“ prognozuoja, kad pasaulio modelių rinka žaidimuose gali išaugti nuo 1,2 mlrd. dolerių 2022–2025 m. laikotarpiu iki 276 mlrd. dolerių 2030 m., nes ši technologija leidžia kurti interaktyvius pasaulius. „General Intuition“ įkūrėjas Pimas DeWitas sako, kad virtualios aplinkos gali tapti ne tik žaidimų ateitimi, bet ir svarbiomis bandymo aikštelėmis naujos kartos pamatiniams modeliams.
Agentai 2025 m. neišpildė lūkesčių, bet viena pagrindinių priežasčių buvo ta, kad juos gana sunku prijungti prie realių darbo sistemų. Be įrankių ir konteksto agentai liko bandomuosiuose scenarijuose. Sumažinus trintį tarp agentų ir realių sistemų, 2026 m. agentinės darbo eigos greičiausiai pereis iš demonstracijų į kasdienę praktiką. „Sapphire Ventures“ partneris Radžyvas Damas teigia, kad tai leis agentams tapti sistemų branduoliais įvairiose industrijose – nuo namų paslaugų iki sveikatos apsaugos, taip pat pardavimo ir IT palaikymo srityse. Taigi tai – papildymas, o ne pakeitimas. Agentiniai sprendimai vis dar kelia baimę darbo rinkoje, bet 2026-ieji, daugelio technologijų entuziastų teigimu, bus žmonių metai. Jau 2024 m. daugelis dirbtinio intelekto įmonių prognozavo masinę automatizaciją, bet technologija tam dar nebuvo pasirengusi. Daugiau dėmesio buvo ir yra skiriama tam, kaip dirbtinis intelektas papildo žmonių darbą.
Naujausi komentarai