Стартап Cohere, занимающийся разработкой искусственного интеллекта и оцениваемый в 5,5 миллиардов долларов, стремится создавать персонализированные модели для корпоративных клиентов

Канадский стартап Cohere, занимающийся разработкой искусственного интеллекта и оцениваемый в 5,5 миллиарда долларов, меняет свою стратегию, переходя к созданию специализированных моделей ИИ для корпоративного использования. Этот шаг компании отходит от традиционных крупномасштабных моделей, в разработку которых в настоящее время инвестирует большинство ее конкурентов. 

Соучредитель Cohere, Ник Фрост, подчеркнул , что сегодня компаниям нужны модели, разработанные для решения конкретных задач, а не универсальные, всеобъемлющие модели. Стратегический сдвиг в сторону создания индивидуальных моделей происходит в результате того, что компании видят снижение отдачи от своих более крупных моделей. 

Проблема убывающей отдачи от масштабирования моделей ИИ

Илья Суцкевер, соучредитель лабораторий искусственного интеллекта Safe Superintelligence (SSI) и OpenAI, отметил, что прирост от обучения моделей ИИ на больших наборах данных достиг своего предела. Теперь компании сталкиваются с задержками в обучении и развертывании новых поколений больших языковых моделей. 

Отрасль, которая первоначально добивалась прорывов, направляя вычислительные мощности и ресурсы на более крупные модели, начала понимать, что размер не всегда является синонимом качества или полезности.

В письме своим инвесторам компания Cohere заявляет, что это новое направление является результатом трудностей, с которыми сталкиваются компании при внедрении ИИ в свою повседневную работу. 

Вместо того чтобы заниматься разработкой искусственного общего интеллекта (AGI), который некоторые компании, такие как OpenAI, считают будущим ИИ, Cohere применяет более целенаправленный подход. Компания стремится к большей эффективности использования капитала за счет оптимизации существующих моделей для реальных приложений. 

«Мы будем сотрудничать с предприятиями, чтобы создавать модели, идеально подходящие для их конкретных задач, адаптировать их к их специфическим потребностям и внедрять в производство», — сказал Фрост. 

Он ясно дал понять, что Cohere не будет полагаться на представление о том, что искусственный общий интеллект (AGI) не за горами, подчеркнув, что увеличение размера модели не означает улучшения результатов. 

Гонка за созданием лучших моделей

Стремление к созданию больших и более совершенных моделей искусственного интеллекта привело к буму инвестиций и разработок в этом секторе. Компания Cohere недавно привлекла 270 миллионов долларов в рамках финансирования серии C , в то время как конкуренты, такие как OpenAI, Anthropic и другие лаборатории ИИ, привлекли миллиарды долларов для финансирования капиталоемкого процесса разработки передовых систем ИИ, которые часто требуют огромных вычислительных мощностей. 

По словам представителей Cohere, переход от создания более крупных моделей к разработке моделей на заказ был обусловлен снижением отдачи от инвестиций, а также отзывами клиентов. «Мы слышим от клиентов, что им нужны не просто большие модели, которые будут хороши во всем. Им нужны модели, которые действительно созданы для их конкретных задач», — сказал Фрост. 

Компания Cohere будет внедрять адаптированные версии существующих моделей, способные принести непосредственную пользу бизнесу. Ее модели будут разработаны для понимания и выполнения узкоспециализированных задач, адаптированных к требованиям каждого предприятия, в отличие от обобщенных возможностей, часто встречающихся в более крупных моделях.

Новый подход Cohere также может соответствовать отраслевым тенденциям в области устойчивого развития и экономической эффективности. В условиях, когда правительства все более пристально изучают углеродный след технологических компаний, стратегия Cohere может дать преимущество в условиях меняющегося нормативно-правового ландшафта. 

Разработка масштабных моделей искусственного интеллекта — это не только дорогостоящее, но и энергоемкое дело. Компаниям, занимающимся ИИ, могут потребоваться более энергоэффективные методы, чтобы лучше соответствовать будущим нормативным требованиям, поскольку правительства стремятся к снижению выбросов и лучше понимают эту технологию.