Wat zijn de verschillen tussen generatieve kunstmatige intelligentie en grote taal-modellen? Hoe zijn deze twee spraakmakende technologieën met elkaar verbonden?
Om het concept te helpen uitleggen, vraag ik ChatGPT om me een aantal analogieën te geven waarin generatieve kunstmatige intelligentie werd vergeleken met grote taal-modellen (LLM’s), en als vervanging voor generatieve kunstmatige intelligentie probeerde ChatGPT op zichzelf te reflecteren. Er werd bijvoorbeeld gesuggereerd: “Generatieve kunstmatige intelligentie is de babbelkous op de cocktailparty die het gesprek op gang houdt met anekdotes, terwijl taal-modellen te vergelijken zijn met nauwgezette bibliothecarissen die elk woord catalogiseren dat ooit op is gesproken.” Ik bedoel, wie klinkt leuker? Nou, de grap is dat, ChatGPT, zonder taal-modellen niet zou bestaan.
Tekstgenererende kunstmatige intelligentie-tools zoals ChatGPT en taal-modellen zijn onlosmakelijk met elkaar verbonden. Taal-modellen zijn de afgelopen jaren exponentieel in omvang gegroeid en voeden generatieve kunstmatige intelligentie door de gegevens te leveren die taal-modellen nodig hebben. In feite zouden we niets hebben zoals ChatGPT zonder gegevens en de modellen om deze te verwerken.
Er vallen drie belangrijke dingen op als je generatieve kunstmatige intelligentie en taal-modellen met elkaar vergelijkt.
Niet alle generatieve kunstmatige intelligentie-tools zijn gebouwd op taal-modellen, maar alle taal-modellen zijn een vorm van generatieve kunstmatige intelligentie.
Generatieve kunstmatige intelligentie is een brede categorie voor een type kunstmatige intelligentie, verwijzend naar elke kunstmatige intelligentie die originele inhoud kan creëren. Generatieve kunstmatige intelligentie-tools zijn gebouwd op onderliggende kunstmatige intelligentie-modellen, zoals een groot taalmodel (LLM). Taal-modellen zijn het tekstgenererende deel van generatieve kunstmatige intelligentie.
Taal-modellen kunnen alleen tekstuitvoer maken, en voorheen konden ze ook alleen tekstinvoer accepteren. Toen OpenAI ChatGPT in 2022 voor het eerst werd uitbracht, was het gebouwd op een taal-model met alleen tekst, GPT-3. Maar nu, met de ontwikkeling van ‘multimodale’ taal-modellen, kunnen deze taal-modellen audio, beeldmateriaal, enz. als input accepteren. De volgende iteratie van OpenAI, GPT-4, is een voorbeeld van een multimodale taal-modellen.
Zowel generatieve kunstmatige intelligentie als taal-modellen zullen een revolutie teweegbrengen, maar ze zullen dit op verschillende manieren doen. Generatieve kunstmatige intelligentie kan de manier veranderen waarop we 3D-modellering uitvoeren, video-uitvoer genereren of stemassistenten en andere audio maken. Taal-modellen zullen zich meer richten op het creëren van op tekst gebaseerde inhoud, maar hebben nog steeds andere belangrijke toepassingen (en kunnen een rol spelen in bredere generatieve kunstmatige intelligentie-opties zoals stemassistenten).
Taal-modellen bestaan al sinds begin 2010, maar werden populairder toen krachtige generatieve kunstmatige intelligentie-tools zoals ChatGPT en Google’s Bard werden gelanceerd. Een van de redenen dat 2023 zo’n exponentiële groei kende, de uitbreiding van parameters in grote taal-modellen is, waarbij GPT-4 meer dan 175 miljard parameters heeft.
Samenvattend: wat is het verschil tussen taal-modellen en generatieve kunstmatige intelligentie? Generatieve kunstmatige intelligentie is een categorie die een groot aantal tools bevat die zijn gebouwd om informatie van taal-modellen en andere soorten kunstmatige intelligentie-modellen te gebruiken die machine learning gebruiken om nieuwe inhoud te genereren, terwijl een taal-modellen een soort kunstmatige intelligentie-model is dat machine learning gebruikt, gebouwd op miljarden parameters om tekst te begrijpen en aan te leveren.
Dus heeft ChatGPT gelijk wat betreft de babbelkous versus de bibliothecaris?
Om dit concept verder uit te werken, zullen we enkele voorbeelden bekijken die de wisselwerking tussen generatieve kunstmatige intelligentie en taal-modellen beschrijven.
Zo merken we dat we data en kunstmatige intelligentie als met elkaar verweven hebben beschreven. Dat komt omdat ze dat onlosmakelijk zijn. Dus als voor het operationeel maken van kunstmatige intelligentie beginnen we met privacy.
Een klant stelt een vraag over zijn probleem. In plaats van elk e-mail-, document- en chattranscriptie te doorzoeken om een antwoord te vinden, vragen we een groot taalmodel om een samenvatting te geven van de gegevens die verband houden met de vraag. Het taal-model biedt een tekstueel overzicht van de belangrijkste informatie, punten uit de casus en voorgestelde volgende stappen. In dit scenario had de klant ook technische problemen bij het uploaden van documenten. Daarom gebruiken we een door generatieve kunstmatige intelligentie-aangedreven tool voor het maken van video’s om hem een video-walkthrough van het proces te sturen.
Een marketeer wil via generatieve kunstmatige intelligentie een synthetische doelgroeppersona creëren. Ze stellen een taal-model voor met vragen als “Waar haalt mijn doelgroep hun nieuws?” of “Hoe wordt er graag met mijn doelgroep gecommuniceerd?” en gebruik de reacties om een verhaal over de doelgroep te maken. Als ze klaar zijn, nemen ze die informatie en vraag een generatieve kunstmatige intelligentie-tool om afbeeldingen te maken die die doelgroep vertegenwoordigen.
Een analist neemt een gegevensbestand en uploadt dit naar een taal-model. Ze vragen de tool om de gegevens te analyseren en trends te geven. De analist onderzoekt de trends en gebruikt zijn kennis van de context van de gegevens om alleen de trends te selecteren en te bewerken die zinvol zijn. Vervolgens gebruiken ze een generatieve kunstmatige intelligentie-tool om grafieken te maken die de trendgegevens weergeven.
Zoals je kunt zien is generatieve kunstmatige intelligentie een grote, brede categorie die meerdere modellen omvat. Taal-model is er één van die veel aandacht heeft gekregen (en LLM’s zijn zeker veelzijdig), maar ze zijn slechts één type generatieve kunstmatige intelligentie.