AI, której twój zespół używał dziś rano, skończyła się uczyć, zanim ktokolwiek z was ją poznał. Nauczyła się języka, wiedzy i rozumowania w jednym długim treningu, z większej ilości tekstów, niż ktokolwiek zdołałby przeczytać. Potem jej trening się skończył, została wydana, a to, co wie, zostało zamrożone.
Od tamtej pory twój zespół nauczył ją wielu rzeczy. Poprawiał jej odpowiedzi, przeprowadził ją przez nowe zasady zwrotów i w kółko tłumaczył wyjątek dla twojego największego klienta. Każda lekcja trwała jedną rozmowę, a model jest dokładnie taki, jaki był w dniu wydania.
Dotąd uczenie się każdego modelu AI kończyło się tam, gdzie kończy się jego trening. ACI zaczyna właśnie tam. Uczy się i działa na bieżąco, w trakcie twojej pracy, ramię w ramię z modelem, którego już używasz. To czyni ją nową kategorią inteligencji, a Duplex jest na niej zbudowany.
Model uczy się świata w jednym długim treningu, zanim ktokolwiek go użyje.
Każdy model przestaje się uczyć, gdy kończy się jego trening.
Modele przestają się uczyć w chwili wydania z ważnego powodu. Naucz wytrenowaną sieć czegoś nowego, a zwykle nadpisze to, co już wiedziała; badacze nazywają to katastrofalnym zapominaniem. Zamroź ją, a zachowa to, co wie, ale przestanie się uczyć. A ponieważ to, czego się nauczyła, jest rozproszone w całej sieci, żadnej pojedynczej lekcji nie da się poprawić ani usunąć bez ponownego trenowania.
Razem tworzą one trylemat sieci neuronowych: sieć może szybko się uczyć, zachowywać to, co wie, i pozwalać ci zmieniać to, czego się nauczyła, ale nigdy więcej niż dwie z tych rzeczy naraz. Dlatego każdy model trenuje się raz, zamraża i wydaje. Od tej chwili staje się lepszy tylko wtedy, gdy jego twórca wytrenuje następną wersję: według harmonogramu twórcy, dla wszystkich klientów naraz i na tekstach z całego świata, a nie na twojej pracy.
Zwykłe sposoby uczenia modelu twojej pracy nie wychodzą poza to ograniczenie. Prompt, dokument albo wyszukany fragment stawia twoją najnowszą korektę przed modelem na czas jednej odpowiedzi: model ją czyta, używa jej i niczego się z niej nie uczy. Dostrajanie sprawia, że lekcja trwa, ale każde dostrojenie to kolejny trening na klastrze akceleratorów, a model, który z niego wychodzi, zostaje znów zamrożony w dniu, w którym trening się kończy.
ACI uczy się i działa na bieżąco.
ACI zaczyna od twojego pierwszego zapytania. Gdy twój zespół potwierdza wynik, następne podobne zapytanie uwzględnia to, co postanowił. Gdy zmienia się zasada, ACI stosuje nową od następnego zapytania. Nie potrzebuje treningu ani nowej wersji, a twój model zostaje taki, jaki jest.
Każdy wynik opiera się na poprzednim, więc nowe nie wypiera starego: decyzja, którą twój zespół rozstrzygnął w marcu, nadal obowiązuje w listopadzie, chyba że twój zespół ją zmieni. A może to zrobić. Wszystko, czego nauczyła się ACI, można przejrzeć, poprawić albo usunąć osobno, a wszystko inne zostaje tak, jak było. Sieć neuronowa osiąga najwyżej dwie z trzech; ACI utrzymuje wszystkie trzy, w działaniu.
I działa na podstawie tego, czego się uczy. Przy każdym zapytaniu ACI wybiera drogę: odpowiada na to, czego się nauczyła, przy tym, co nowe, włącza twój model, z kontekstem tego, co ACI wie o sprawie, albo używa jednego z twoich narzędzi, zawsze w ramach twoich zasad. Gdy wraca wynik, ACI uczy się także z niego.
Zmiana polityki wystawia to wszystko na próbę. W dziesięciu przebiegach Duplex stosował nową politykę przy 0% nieaktualnych odpowiedzi, zachowując nienaruszone 100% wcześniejszej pracy, podczas gdy cache i wyszukiwanie dalej podawały starą odpowiedź w 72% przypadków.
To inteligencja i jest twoja.
ACI uczy się wzorca stojącego za wynikiem i to czyni ją inteligencją. Gdy znane jej zapytanie wraca w nowych słowach, rozpoznaje je. Gdy zapytanie tylko wygląda znajomo, dostrzega różnicę i przekazuje je twojemu modelowi. A gdy jakaś praca ciągle wraca, ACI zdobywa własną umiejętność, sprawdza ją przed użyciem i usuwa na żądanie.
Cache albo wyszukiwanie w dawnych odpowiedziach działa inaczej. Znajduje to, co wygląda jak zapytanie, więc łudząco podobne zapytanie dostaje starą odpowiedź, a to samo zapytanie w nowych słowach nie znajduje niczego dość bliskiego. To przydaje się do znalezienia dokumentu, ale nie zastąpi znajomości twojej pracy.
ACI uczy się twojej pracy: decyzji, które rozstrzyga twój zespół, wyjątków, które robi, sposobu, w jaki działa. Model należy do laboratorium, które go wytrenowało. To, czego uczy się ACI, należy do ciebie, a przy wszystkim, czego się nauczyła, widzisz, od którego agenta to pochodzi, z jakim modelem i kiedy.
Nowy rodzaj inteligencji, obok tej, którą masz.
ACI działa ramię w ramię z modelami AI, których już używasz. Mózg w ten sam sposób łączy dwa systemy uczące się: powolny dla wiedzy ogólnej, jak kora nowa, i szybki dla każdego nowego doświadczenia, jak hipokamp. Twój model AI to ten powolny: inteligencja ogólna, wyuczona ze świata. Duplex, zbudowany na ACI, to ten szybki: inteligencja w działaniu, wyuczona z twojej pracy.
Każda z nich robi to, co robi najlepiej. Twój model wnosi rozległość wiedzy i poradzi sobie z niemal każdym pytaniem. ACI wnosi głębię: twoje zasady, twoje decyzje i twoje wyniki, wyuczone w szczegółach. A dodanie inteligencji obok modelu wygrywa z ponownym trenowaniem samego modelu. W sześciu testach, na trzech publicznych zbiorach danych i dwóch rodzinach modeli, Duplex pokonał dostrojony adapter we wszystkich sześciu, średnio o 30.3 punktu, bez żadnego treningu.
Właśnie to połączenie czyni ACI odrębną kategorią: drugą inteligencją, a nie większym modelem, szybszym treningiem czy lepszym miejscem do przechowywania dokumentów. Z lat badań nad trylematem sieci neuronowych powstała ACI: autorskie algorytmy i architektura Vareon dla inteligencji, która uczy się z każdego wyniku, buduje na tym, co wie, i pozostaje w twoich rękach.
Każdy model, którego używasz, nadal przestanie się uczyć w dniu wydania, i następny też. Zmienia się wszystko, co dzieje się po tym dniu. Od twojego pierwszego zapytania ACI uczy się z twojej pracy, a każdego dnia działania inteligencja obok twojego modelu zna tę pracę trochę lepiej. Trening kończy się tam, gdzie zawsze, a uczenie się trwa tak długo jak twoja praca.