Cohere, la startup canadese di intelligenza artificiale valutata 5,5 miliardi di dollari, si sta orientando verso la creazione di modelli di intelligenza artificiale specializzati per uso aziendale. L'azienda si allontana dai tradizionali modelli di grandi dimensioni in cui la maggior parte dei suoi concorrenti ha attualmente investito.
Il co-fondatore di Cohere, Nick Frosst, ha sottolineato che le aziende di oggi hanno bisogno di modelli progettati per compiti specifici, piuttosto che generici e onnicomprensivi. Il passaggio strategico alla creazione di modelli personalizzati è il risultato del calo dei rendimenti dei modelli più ampi riscontrati dalle aziende.
Il problema dei rendimenti decrescenti derivanti dalla scalabilità dei modelli di intelligenza artificiale
Ilya Sutskever, co-fondatore dei laboratori di intelligenza artificiale Safe Superintelligence (SSI) e OpenAI, ha affermato che i vantaggi derivanti dall'addestramento di modelli di intelligenza artificiale su grandi set di dati hanno raggiunto un punto di stallo. Le aziende ora si trovano ad affrontare ritardi nell'addestramento e nell'implementazione di nuove generazioni di modelli linguistici di grandi dimensioni.
Il settore, che inizialmente ha fatto progressi concentrando la potenza di calcolo e le risorse su modelli più grandi, ha iniziato a riconoscere che le dimensioni non sono sempre sinonimo di qualità o utilità.
In una lettera ai suoi investitori, Cohere afferma che questa nuova direzione è il risultato delle difficoltà delle aziende nell'integrare l'intelligenza artificiale nel loro lavoro quotidiano.
Invece di puntare sull'intelligenza artificiale generale (AGI), che alcune aziende come OpenAI considerano il futuro dell'IA, Cohere sta adottando un approccio più mirato. L'azienda mira a raggiungere una maggiore efficienza del capitale ottimizzando i modelli esistenti per applicazioni nel mondo reale.
"Collaboreremo con le aziende per realizzare modelli perfetti per i loro casi d'uso, adattarli alle loro esigenze specifiche e portarli in produzione", ha affermato Frosst.
Ha chiarito che Cohere non si sarebbe basata sull'idea che l'AGI sia dietro l'angolo, sottolineando che aumentare le dimensioni del modello non equivale a ottenere risultati migliori.
La corsa per costruire modelli migliori
La corsa alla realizzazione di modelli di intelligenza artificiale più ampi e performanti ha portato a un boom di investimenti e sviluppo in tutto il settore. Cohere ha recentemente raccolto 270 milioni di dollari in un finanziamento di Serie C, mentre concorrenti come OpenAI, Anthropic e altri laboratori di intelligenza artificiale hanno raccolto miliardi di dollari per finanziare il processo ad alta intensità di capitale di sviluppo di sistemi di intelligenza artificiale all'avanguardia, che spesso richiedono enormi quantità di potenza di calcolo.
Secondo Cohere, la transizione dalla produzione di modelli più grandi a modelli personalizzati è dovuta alla diminuzione dei rendimenti e al feedback ricevuto dai clienti. "Quello che sentiamo dai clienti è che non hanno bisogno solo di modelli più grandi per essere efficaci in tutto. Hanno bisogno di modelli effettivamente progettati per i loro specifici casi d'uso", ha affermato Frosst.
Cohere implementerà versioni personalizzate di modelli esistenti in grado di fornire valore diretto alle aziende. I suoi modelli saranno progettati per comprendere ed eseguire attività altamente specifiche, adattate alle esigenze di ciascuna azienda, in contrasto con le funzionalità generalizzate spesso presenti nei modelli più grandi.
Il nuovo approccio di Cohere potrebbe anche allinearsi alle tendenze del settore in termini di sostenibilità ed efficienza dei costi. Con i governi che esaminano sempre più attentamente l'impronta di carbonio delle aziende tecnologiche, la strategia di Cohere potrebbe offrire un vantaggio nell'orientarsi nel panorama normativo .
Sviluppare enormi modelli di intelligenza artificiale non è solo un'attività costosa, ma richiede anche molta energia. Le aziende di intelligenza artificiale potrebbero aver bisogno di tecniche più efficienti dal punto di vista energetico per posizionarsi al meglio e conformarsi alle normative future, man mano che i governi spingono per ridurre le emissioni e comprendere meglio la tecnologia.
