نیک فروست هم‌بنیان‌گذار Cohere می‌گوید که همه باید در مورد توانایی‌ها و محدودیت‌های AI واقع‌بین باشند
شرکت‌های هوش مصنوعی در حال دریافت مقادیر زیادی پول از سرمایه‌گذاران و ارزیابی‌های بسیار بالا در اوایل دوره زندگی خود هستند. این دینامیک باعث شده بسیاری صنعت هوش مصنوعی را یک حباب بنامند.
نیک فروست، هم‌بنیان‌گذار Cohere که مدل‌های AI سفارشی برای مشتریان سازمانی ایجاد می‌کند، اخیراً در پادکست Found TechCrunch اعلام کرد که او فکر نمی‌کند صنعت AI در حباب باشد. در حالی که او به فعالیت‌های متلاطم اذعان دارد، او معتقد است که روش‌هایش باعث بی‌اعتباری شرکت‌هایی می‌شود که ویژگی‌های واقعی و مفیدی برای مشتریان خود ایجاد می‌کنند، مانند Cohere.
"من معمولاً به چیزی برمی‌خورم که کسی در حال استفاده از مدل ما است و یک ویژگی کاملاً جدید را که پیش از این امکان‌پذیر نبوده است فعال کرده یا فرآیندی را که واقعاً وقت‌گیر بوده و همه چیز را کند کرده بود خودکار کرده است،" فروست گفت. "و این یک ارزش ملموس است. خیلی سخت است که یک حباب کامل باشه وقتی شما چیزی اینقدر مفید دارید."
اما این بدان معنا نیست که فروست به همه چیزهایی که صنعت در حال ساخت است خوش‌بین است. او فکر نمی‌کند که AI توانایی رسیدن به سطح هوش مصنوعی عمومی، که به عنوان هوش در سطح انسان تعریف شده، را دارد، که این یک روایت متفاوت به وضوح با برخی از همتایان AI فروست مانند مارک زاکربرگ و جنسن هوانگ است. او افزود که اگر صنعت به آنجا برسد، این کار در آینده‌ای دور اتفاق خواهد افتاد.
"من فکر نمی‌کنم که به زودی خدایی دیجیتالی داشته باشیم،" فروست گفت. "و فکر می‌کنم که بیشتر و بیشتر مردم به این درک می‌رسند که این فناوری شگفت‌انگیز است. بسیار قدرتمند، بسیار مفید است. اما خدایی دیجیتالی نیست. و این نیاز به تنظیم نحوه تفکر درباره این فناوری دارد."
فروست گفت که آنها در Cohere سعی می‌کنند در مورد اینکه فناوری AI چه کاری می‌تواند و نمی‌تواند انجام دهد و چه نوع شبکه‌های عصبی می‌توانند بیشترین ارزش را ارائه دهند واقع‌بینانه رفتار کنند. روش Cohere برای ساخت مدل کسب‌وکار آنها بر اساس کارهای پژوهشی Aidan Gomez بنیان‌گذار و مدیرعامل Cohere در Google Brain است. گومز، البته، به خاطر پژوهش‌های گسترده در زمینه AI شناخته شده است. او بیشتر به خاطر همکاری در نگارش مقاله‌ای که مدل ترانسفورمر را برای AI به ارمغان آورد که این دوره از AI مولد را آغاز کرد معروف است. اما او همچنین در سال 2017 مقاله‌ای را با عنوان یک مدل برای یادگیری همه نوشت. این پژوهش به این نتیجه رسید که یک مدل زبان گسترده همه‌جانبه مفیدتر از مدل‌های کوچک‌تر آموزش‌دیده برای کار خاص یا داده‌های خاص از یک صنعت خاص است، فروست گفت.
امروز، Cohere از آن مدل اصلی به عنوان پایه‌ای برای ساخت مدل‌های سفارشی برای مشتریان سازمانی استفاده می‌کند.
"ما به عنوان افراد تخصص داریم. ما وارد زمینه‌های خاصی می‌شویم. اما اولین بخش آموزش ما فقط در مورد چگونگی استفاده از زبان به طور کلی است،" فروست گفت. "ما زمان زیادی را صرف یادگیری خواندن و نوشتن می‌کنیم. تا زمانی که خیلی بعدتر به یک زیرشاخه خاص از زبان تخصص پیدا می‌کنیم. بنابراین چیزی مشابه هم با شبکه‌های عصبی در حال رخ دادن است."
اما با وجود فکر کردن به مدل‌های بزرگ‌تر و پایه‌ای در بازار خود — در میان کسانی که چنین خدماتی می‌سازند — او فکر نمی‌کند که شرکت‌های سازمانی باید از مدل‌های تک‌کاره خود بخواهند که همه چیز را انجام دهند: کارهای مصرف‌کننده، کارهای B2B، کارهای محصول.
فروست می‌گوید که شرکت‌هایی که می‌خواهند از فناوری AI به طور موفقیت‌آمیز استفاده کنند باید تمرکز داشته باشند و همچنین آگاه باشند که فناوری AI چه کاری می‌تواند و نمی‌تواند انجام دهد.
"ما خیلی هوشیار هستیم که این فناوری چقدر مفید است و چه ارزشی می‌تواند ارائه دهد، و باید روشن کنیم که مقدار زیادی ارزش ارائه می‌دهد،" فروست گفت. "اما من فکر نمی‌کنم که باعث انقراض همه انسان‌ها شود. و بنابراین ما می‌توانیم نوعی رویکرد واقع‌بینانه داشته باشیم که شاید ما را از برخی از ریتوریک‌های افراطی در هر دو طرف امان دهد."
