AI, kterou váš tým používal dnes ráno, dokončila své učení dřív, než ji kdokoli z vás poznal. Jazyk, znalosti a uvažování se naučila v jednom dlouhém trénovacím běhu, z většího množství textů, než by kdokoli dokázal přečíst. Pak její trénink skončil, byla vydána a to, co ví, zůstalo neměnné.
Od té doby ji váš tým učil spoustu věcí. Opravoval její odpovědi, provedl ji novými zásadami vrácení zboží a znovu a znovu vysvětloval výjimku pro vašeho největšího zákazníka. Každá lekce vydržela jednu konverzaci a model je přesně takový, jaký byl v den, kdy byl vydán.
Až dosud učení každého modelu AI končilo tam, kde končí jeho trénink. ACI začíná právě tam. Učí se a jedná za běhu, zatímco vaše práce probíhá, v souhře s modelem, který už používáte. To z ní dělá novou kategorii inteligence a Duplex je postaven na ní.
Model se učí o světě v jednom dlouhém tréninku, než ho kdokoli použije.
Každý model se přestane učit, když skončí jeho trénink.
Modely se při vydání přestanou učit z dobrého důvodu. Naučte natrénovanou síť něco nového a má sklon přepsat to, co už znala; výzkumníci tomu říkají katastrofické zapomínání. Udržte ji stálou a zachová si, co zná, ale přestane se učit. A protože to, co se naučila, je rozprostřené v celé síti, žádnou jednotlivou lekci nejde opravit ani odstranit, aniž by se síť trénovala znovu.
Dohromady to tvoří trilema neuronových sítí: síť se může rychle učit, zachovat si, co zná, nebo vám dovolit změnit, co se naučila, a v nejlepším případě zvládne dvě z toho. Proto se každý model natrénuje jednou, zafixuje a vydá. Od té chvíle se zlepší, jen když jeho tvůrce natrénuje další verzi: podle harmonogramu tvůrce, pro všechny zákazníky najednou a z textů světa, ne z vaší práce.
Obvyklé způsoby, jak model naučit vaši práci, zůstávají v rámci tohoto omezení. Prompt, dokument nebo vyhledaná pasáž položí vaši nejnovější opravu před model pro jednu odpověď: model si ji přečte, použije a nic se z ní nenaučí. Doladění dá lekci trvání, ale každé doladění je další trénovací běh na clusteru akcelerátorů a model, který z něj vzejde, je v den, kdy běh skončí, opět zafixovaný.
ACI se učí a jedná za běhu.
ACI začíná vaším prvním požadavkem. Když váš tým potvrdí výsledek, další podobný požadavek už odráží, co rozhodl. Když se pravidlo změní, ACI se od dalšího požadavku řídí tím novým. Nepotřebuje žádný trénovací běh ani novou verzi a váš model zůstává, jak je.
Každý výsledek staví na předchozím, takže nové nevytlačí staré: rozhodnutí, které váš tým vyřešil v březnu, platí i v listopadu, pokud ho váš tým nezmění. A váš tým to dokáže. Cokoli, co se ACI naučila, lze samostatně zkontrolovat, opravit nebo odstranit a všechno ostatní zůstane, jak bylo. Neuronová síť zvládne v nejlepším případě dvě ze tří; ACI drží všechny tři, za běhu.
A jedná podle toho, co se naučí. U každého požadavku ACI určuje cestu: odpoví na to, co se naučila, na to, co je nové, přizve váš model i s podklady z toho, co ACI o případu ví, nebo použije některý z vašich nástrojů, vždy v rámci vašich pravidel. Když se výsledek vrátí, ACI se učí i z něj.
Změna zásad tohle všechno prověří. V deseti bězích se Duplex řídil novými zásadami s 0% zastaralých odpovědí a 100% jeho dřívější práce zůstalo nedotčeno, zatímco cache a vyhledávání dál vydávaly starou odpověď v 72% případů.
Je to inteligence a je vaše.
ACI se učí vzorec, který stojí za výsledkem, a právě to z ní dělá inteligenci. Když se požadavek, který zná, vrátí v nových slovech, pozná ho. Když požadavek jen vypadá povědomě, rozpozná rozdíl a předá ho vašemu modelu. A když se nějaká práce stále vrací, ACI získá vlastní dovednost, před použitím ji prověří a na požádání ji odstraní.
Cache nebo vyhledávání v minulých odpovědích funguje jinak. Najde to, co se požadavku podobá, takže klamně podobný požadavek dostane starou odpověď a stejný požadavek v nových slovech nenajde nic dost blízkého. To se hodí k hledání dokumentu, ale znalost vaší práce to nenahradí.
ACI se učí vaši práci: rozhodnutí, která váš tým vyřeší, výjimky, které dělá, způsob, jakým věci dělá. Model patří laboratoři, která ho natrénovala. Co se ACI naučí, patří vám, a u čehokoli, co se naučila, vidíte, od kterého agenta to přišlo, s jakým modelem a kdy.
Nový druh inteligence vedle té, kterou máte.
ACI pracuje v souhře s modely AI, které už používáte. Mozek stejně tak spojuje dva systémy učení: pomalý pro obecné znalosti, jako neokortex, a rychlý pro každou novou zkušenost, jako hipokampus. Váš model AI je ten pomalý: obecná inteligence, naučená ze světa. Duplex, postavený na ACI, je ten rychlý: inteligence za běhu, naučená z vaší práce.
Každý dělá to, co umí nejlépe. Váš model přináší šíři a zvládne téměř jakoukoli otázku. ACI přináší hloubku: vaše pravidla, vaše rozhodnutí a vaše výsledky, naučené do detailu. A přidat inteligenci vedle modelu je lepší než přetrénovat samotný model. V šesti testech, na třech veřejných datových sadách a dvou rodinách modelů, porazil Duplex doladěný adaptér ve všech šesti, v průměru o 30.3 bodu, bez jediného trénovacího běhu.
Právě toto spojení dělá z ACI samostatnou kategorii: druhou inteligenci, a ne větší model, rychlejší trénovací běh nebo lepší místo pro uchovávání dokumentů. Z let výzkumu trilematu neuronových sítí vzešla ACI: proprietární algoritmy a architektura Vareon pro inteligenci, která se učí z každého výsledku, staví na tom, co ví, a zůstává ve vašich rukou.
Každý model, který používáte, se dál přestane učit v den, kdy je vydán, a stejně tak ten příští. Mění se všechno po tom dni. Od vašeho prvního požadavku se ACI učí z vaší práce a s každým dnem, kdy běží, zná inteligence vedle vašeho modelu tu práci o něco lépe. Trénink končí tam, kde vždycky končil, a učení pokračuje tak dlouho jako vaše práce.