Komunikaty PR

Duże modele językowe - jak skutecznie z nich korzystać?

2024-07-10  |  14:00
Biuro prasowe

Sztuczna inteligencja nie jest niczym nowym, ale w przestrzeni medialnej głośno zrobiło się o niej wraz z pojawieniem się szeroko dostępnego dużego modelu językowego jakim jest GPT. Możliwości tego, jak i podobnych modeli wywołały ogromne zainteresowanie – także po stronie biznesu, który szuka odpowiedzi jak można wykorzystać LLM (ang. Large Language Models – duże modele językowe) w swoich działaniach.

Niedawny wzrost zainteresowania generatywną sztuczną inteligencją wynika przede wszystkim z gwałtownego i szerokiego zastosowania dużych modeli językowych, takich jak GPT-4. Modele te stały się przedmiotem gorących dyskusji wśród ekspertów; niektórzy postrzegają je jako kolejny etap ewolucji sztucznej inteligencji (AI), podczas gdy inni koncentrują się na ich wadach i ograniczeniach. Już teraz rynek wycenia takie rozwiązania na 6 mld dolarów z perspektywą wzrostu do 30 mld dolarów w 2030 roku.

Duże modele językowe doskonale nadają się do polepszania jakości interakcji człowiek-system za pomocą języka naturalnego, automatyzacji prostych procesów, przetwarzania informacji tekstowych i generowania kreatywnych treści. Możliwości te sprawiają, że firmy decydują się na inwestycje w takie rozwiązania.” – komentuje Bogusław Kosęda, Data Science Consultant, Endava Poland

Kluczowym aspektem wdrażania LLM jest odpowiednia ewaluacja potrzeb i możliwości. Ilu pracowników będzie korzystać z rozwiązań wykorzystujących LLM, jakie mają być ich zadania, czy LLM ma mieć dostęp do firmowych danych, czy będzie istniał zespół odpowiedzialny za zarządzanie i weryfikację generowanych odpowiedzi? Wykorzystanie dużych modeli językowych budzi wiele pytań i wątpliwości.

 

Dobór modelu do potrzeb firmy

Wszystko zaczyna się od wytypowania zadań, do których chcemy wykorzystać LLM i doboru odpowiedniego modelu, który może im sprostać. Proste czynności, takie jak generowanie krótkich tekstów, mogą być rozwiązywane za pomocą stosunkowo małych modeli, które można uruchomić nawet na podstawowych urządzeniach takich jak laptop. Bardziej złożone modele wymagają znacznej mocy obliczeniowej do szkolenia się, ale także do samego procesu generowania wyników.

Obecnie najłatwiejszym sposobem dla firm na korzystanie z najbardziej zaawansowanych modeli LLM jest użycie tych wstępnie wytrenowanych i wdrożonych w chmurze. Przykładem może być model Gemini dostarczany przez Google. Co więcej, można wykorzystać rozwiązania, które integrują LLM z systemami firmy, a także koordynują i monitorują ich pracę. Jednymi z najpopularniejszych przykładów takich bibliotek są LangChain i LangSmith.

Połączenie modelu LLM z danymi firmy daje mu możliwość wyszukiwania i wnioskowania na temat danych specyficznych dla przedsiębiorstwa. Teoretycznie oznacza to, że taki model LLM staje się maszyną do rozwiązywania problemów biznesowych, których rozwiązanie znajduje się już w danych. Dodatkowo, praca modelu LLM na firmowych danych znacznie ogranicza halucynacje, choć nie eliminuje ich całkowicie. Na szczęście narzędzia do łączenia LLM z zewnętrznymi bazami danych posiadają mechanizm śledzenia pochodzenia informacji wykorzystywanych przez LLM do generowania wyników” - wyjaśnia Bogusław Kosęda, Data Science Consultant, Endava Poland

Chociaż każdy z nas może wchodzić w interakcje z modelami LLM za pomocą promptów, poważne aplikacje biznesowe wymagają odpowiednich umiejętności inżynierskich. W tym przypadku umiejętności inżynierii ML (ang. Machine Learning) (w zakresie badań i rozwoju), QA (ang. Quality Assurance) w zakresie testowania oraz umiejętności LLMOps (ang. Large Language Model Operations) w zakresie wdrażania, monitorowania i konserwacji.

 

Ograniczenia i problemy dużych modeli językowych (LLM)

Duże modele językowe obarczone są też szeregiem ograniczeń, dlatego tak ważny jest odpowiedni nadzór i ewaluacja uzyskanych w pracy z nimi wyników.

Halucynacje - modele mogą generować wyniki, które są błędne, bezsensowne lub nieistotne dla danej wejściowej informacji. Wynika to często z niepokrywających się danych wykorzystanych w procesie uczenia. LLM może udzielać np. porad prawnych z innego systemu prawnego niż z tego od którego pada zapytanie. Problem ten nadal pozostaje nierozwiązany i jest jednym z głównych ograniczeń tej technologii.

Trudność testowania LLM - ze względu na "kreatywność" LLM, przetestowanie wszystkich możliwych danych wejściowych i wyjściowych, które mogą pojawić się w produkcji jest niemożliwe. Dlatego tak ważny jest monitoring metryk i nadzór nad systemami opartymi na LLM.

Etyka - modele LLM mogą generować wyniki obarczone uprzedzeniami. Uprzedzenia te pochodzą z zestawów danych, które zostały przekazane modelowi podczas etapów wstępnego uczenia lub dostrajania.

Koszt - w przypadku największych LLM płacimy za transfer danych do i z modelu. W niektórych przypadkach biznesowych koszty te mogą być znaczne.

Utrzymanie - jeśli dostawca LLM zaktualizuje konkretny model, który był wykorzystywany w danym rozwiązaniu, należy ponownie przeprowadzić proces kontroli jakości i monitorowania - co również może być kosztowne.

Technologia zmienia się na naszych oczach a każdego dnia trafiają do nas informacje o nowych możliwościach czy zastosowaniu dużych modeli językowych, dlatego tak ważne jest odpowiednie przygotowanie i ocena naszych potrzeb względem LLM.

Newseria nie ponosi odpowiedzialności za treści oraz inne materiały (np. infografiki, zdjęcia) przekazywane w „Biurze Prasowym”, których autorami są zarejestrowani użytkownicy tacy jak agencje PR, firmy czy instytucje państwowe.
Ostatnio dodane
komunikaty PR z wybranej przez Ciebie kategorii
Technologie Emitel Partnerem Technologicznym Impact’25 Biuro prasowe
2025-05-13 | 14:45

Emitel Partnerem Technologicznym Impact’25

Emitel ponownie został Partnerem Technologicznym konferencji Impact’25 – jednego z najważniejszych wydarzeń poświęconych nowoczesnym technologiom, gospodarce
Technologie Polki najbardziej przedsiębiorczymi kobietami w Unii Europejskiej. Jak w biznesie może pomóc im AI?
2025-04-29 | 10:00

Polki najbardziej przedsiębiorczymi kobietami w Unii Europejskiej. Jak w biznesie może pomóc im AI?

Udział kobiet na stanowiskach kierowniczych w Polsce wynosi 43 % i jest to drugi najwyższy wynik w Europie (wyżej jest jedynie Łotwa – 46%).* Polki od lat udowadniają,
Technologie Trendy w branży elektrotechnicznej – jakie rozwiązania dominują na rynku?
2025-04-17 | 07:00

Trendy w branży elektrotechnicznej – jakie rozwiązania dominują na rynku?

Branża elektrotechniczna dynamicznie się rozwija, dostosowując do rosnących wymagań użytkowników oraz wyzwań związanych z efektywnością energetyczną

Kalendarium

Więcej ważnych informacji

Jedynka Newserii

Jedynka Newserii

Targi Bezpieczeństwa

Kongres Rady Podatkowej

Handel

Negocjacje między UE i USA w sprawie ceł trwają. Przełom możliwy podczas czerwcowej wizyty Trumpa w Europie

Czas, jaki Donald Trump zostawił krajom obłożonym cłami na negocjacje, zbliża się do półmetka. Umowę podpisała Wielka Brytania, ogłoszono również porozumienie z Chinami. Unia Europejska, która jest czwartym partnerem handlowym USA, do niedawna zdawała się nie czynić żadnych postępów w rozmowach. Jednak negocjacje trwają. Zdaniem europosła Michała Szczerby z PO stanowisko Unii powinno być twarde, a przede wszystkim jednomyślne. Okazją do rozmów może być wizyta Trumpa na czerwcowym szczycie NATO w Hadze.

Przemysł

Unijne programy szansą dla polskiego przemysłu zbrojeniowego. Wkrótce uruchomione będzie 150 mld euro na niskooprocentowane pożyczki

Prace nad uruchomieniem instrumentu pożyczkowego SAFE są na ostatniej prostej. Jak poinformował MON, po wielu tygodniach negocjacji został on przyjęty przez stałych przedstawicieli państw członkowskich przy UE. Wdrożenie SAFE oznacza uruchomienie 150 mld euro niskooprocentowanych pożyczek na finansowanie inwestycji państw członkowskich w obronność. Wysiłki krajowe i unijne koncentrują się teraz na zwiększaniu potencjału europejskiego przemysłu obronnego i budowaniu zdolności obrony i odstraszania.

Konsument

Roboty w służbie środowisku. Ograniczanie ilości odpadów możliwe dzięki automatyzacji

Sztuczna inteligencja i robotyka już dziś pomagają firmom ograniczać swój wpływ na środowisko. Korzyści z inwestycji w zaawansowaną automatyzację odczuwają także konsumenci. Przykładem może być automatyczny system pakowania wdrażany przez Amazon. Robot dostosowujący każdorazowo rozmiar papierowego opakowania do danego produktu pozwolił już zaoszczędzić 3 mln t materiału opakowaniowego, co oznacza dla kupujących mniej materiałów do utylizacji i prostszy recykling.

Partner serwisu

Instytut Monitorowania Mediów

Szkolenia

Akademia Newserii

Akademia Newserii to projekt, w ramach którego najlepsi polscy dziennikarze biznesowi, giełdowi oraz lifestylowi, a  także szkoleniowcy z wieloletnim doświadczeniem dzielą się swoją wiedzą nt. pracy z mediami.