Assisterr CEO'su Nick Havryliak, küçük dil modellerinin (SLM'ler) faydalarını, merkeziyetsiz yapay zekayı ve yapay zeka gelişiminde blok zincirinin rolünü tartışıyor. SLM'ler, özellikle görev odaklı uygulamalar için büyük yapay zeka modellerine alternatif olarak ölçeklenebilir ve maliyet açısından etkili bir seçenektir. Assisterr, toplulukların blok zinciri teknolojisi aracılığıyla yapay zeka modellerini sahiplenebileceği, yönetebileceği ve geliştirebileceği merkeziyetsiz bir yapay zeka ekosistemi geliştiriyor. Röportaj, SLM'lerin avantajlarını, geliştiriciler ve kullanıcılar için pratik faydalarını, gerçek dünya uygulamalarını, yapay zeka modellerinin topluluk mülkiyetini, merkeziyetsiz yapay zeka yönetiminde blok zincirinin rolünü, merkeziyetsiz bir yapay zeka ekosistemine geçişteki zorlukları ve tüketici elektroniğindeki yapay zekanın geleceğini kapsıyor.

Yapay zeka daha verimli çözümlere kaydıkça, küçük dil modelleri (SLM'ler), büyük teknoloji şirketlerinin özellikle görev spesifik uygulamalar için tercih ettiği büyük, genel modellerin ölçeklenebilir ve maliyet etkin bir alternatifi haline gelmektedir. Cambridge merkezli bir SLM ağı olan Assisterr, toplulukların AI modellerini sahiplenip yönetebileceği ve geliştirip blockchain teknolojisi aracılığıyla yönetişim ve ödül sistemlerine katılabileceği merkeziyetsiz bir AI ekosistemi geliştiriyor. Bu röportajda Assisterr CEO'su Nick Havryliak, SLM'lerin avantajlarını, merkeziyetsiz AI'ın potansiyelini ve blockchain'in toplulukları AI geliştirme geleceğini şekillendirmede nasıl güçlendirdiğini tartışıyor. Cointelegraph: SLM'lerin yaratılmasında ne ilham verdi ve bunlar büyük teknoloji şirketleri tarafından geliştirilen büyük AI modellerinden nasıl ayrılıyor? Nick Havryliak: Teknoloji danışmanlığı deneyimim, özellikle Ar-Ge ekiplerini yönetmek ve makine öğrenimi (ML) ve Nesnelerin İnterneti (IoT) çözümleri geliştirmek, ML'deki veri seti boyutu ve kalitesinin büyük sınırlamalarını vurguladı. Bu zorluk, Web3 teşviklerinin yüksek kaliteli, niş spesifik verileri toplamak için nasıl kullanılabileceğini keşfetmemi sağladı. Bu fikir, SLM'lerin oluşturulmasının temellerini attı; bu modeller, daha büyük, genel AI modellerindeki verimsizlikleri çözüyor. Büyük dil modellerinin (LLM'ler) yanılsamalarını ve yüksek maliyetlerini duydunuz. Bu, çoğunlukla büyük teknolojinin daha genel modeller yaparak daha yüksek benimseme oranına ulaşmaya çalışmasından kaynaklanıyor. SLM'ler, modellerin yalnızca daha küçük alanlarda yüksek derecede uzmanlaşabileceği farklı bir yol sunuyor. CT: SLM'ler daha verimli, ölçeklenebilir ve erişilebilir olma vaadinde bulunuyor. Bu verimliliğin geliştiriciler ve kullanıcılar için pratik avantajlara nasıl dönüştüğünü açıklayabilir misiniz? NH: SLM'ler daha kaynak verimli, maliyet etkin ve dağıtılması kolaydır. Görev spesifik optimizasyon ve düşük kaynaklı ortamlarda mükemmel performans gösterirler; bu da onları hız ve maliyetin kritik olduğu uygulamalar için ideal kılar. Kaynak: Assisterr Bunun dışında, günlük görevler ve AI otomasyonu için, daha basit bir çözüme ulaşılabiliyorsa “mutlak bilgiye sahip bir AI”’ya ihtiyacınız yoktur. İnsanlar sivrisinekleri öldürmek için roket kullanmadıklarından, gerçek dünya problemlerini çeşitli kullanım durumlarında çözmek için sihirli bir genel yapay zeka (AGI) geliştirilmesini beklememize gerek yoktur. SLM'ler, bu tür çözümleri şimdi güçlendirmek için buradalar, gelecekte değil. CT: SLM'lerin kullanımından en fazla yararlanacağını düşündüğünüz bazı gerçek dünya uygulamaları veya endüstrileri nelerdir? NH: SLM'ler, günlük olarak kullandığımız herhangi bir uygulama, ajans çerçevesi veya donanıma entegre edilebilir; mobil telefonlar ve dizüstü bilgisayarlar gibi sözde kenar cihazlarını da içerir. Tüm kullanım örneklerinin kapsamını tahmin etmek hala karmaşık olsa da, SLM pazarının büyüklüğü ve SLM sayısının önümüzdeki on yılda 255 milyar dolarlık bir pazar ve 5 milyondan fazla uygulama içeren mobil uygulamaların sayısını geçeceğini düşünüyoruz. SLM'ler, son kullanıcıların alanına çok yakın olarak, yüksek maliyet verimliliği sağlarken giriş noktasını düşürecektir. CT: Assisterr, AI modellerinin topluluk mülkiyetini vurguluyor. Platformunuz, toplulukların kendi AI modellerini oluşturmasını, yönetmesini ve geliştirmesini nasıl destekliyor? NH: Assisterr’in araçları ile kullanıcılar, modellerin operasyonlarını, gelirini ve tokenize edilmiş oylama sistemleri aracılığıyla yönetimini sağlayan akıllı sözleşmeye dayalı hazineler oluşturuyor. Katkıda bulunanlar ve doğrulayıcılar, modelleri geliştirmek için iş birliği yapabilir ve ödüller çabalarına göre dağıtılır. CT: Blockchain, modelinizde merkezi bir rol oynuyor. Tokenizasyon ve blockchain teknolojisinin merkezi olmayan AI yönetimini nasıl mümkün kıldığını ve katkıları teşvik ettiğini açıklar mısınız? NH: Her SLM, bir MiniDAO içinde çalışır — hazine tabanlı ortaklık modeli. Hazine, yönetim tokenleri (MT'ler) kullanarak ortak sahipler tarafından yapılan oylama ile yönetilmektedir. MiniDAO'nun ana özellikleri şunlardır: CT: Assisterr, topluluk odaklı SLM geliştirimlerinin yüksek kalite, güvenlik ve etik AI uygulamaları standartlarını korumasını nasıl sağlıyor? NH: SLM'leri güvenli bir şekilde oluşturmak için tüm araçları yaratırken ve en son teknikleri kullanırken, kalite hâlâ birçok uygulama faktörüne bağlıdır. Bu yüzden bu süreci mümkün olduğunca erişilebilir hale getirmek istiyoruz, en iyi sınıf SLM'ler ile onların toplulukları arasında sağlıklı rekabeti teşvik ediyoruz! CT: Geleneksel merkezi AI modellerinden merkezi olmayan bir AI ekosistemine geçişte herhangi bir zorlukla karşılaşmayı bekliyor musunuz? Eğer öyleyse, Assisterr bu engelleri nasıl aşmayı planlıyor? NH: Ana zorluğun teknik olmayan kişiler için gerçek dünya AI kullanım durumları oluşturmanın güçlüğü olduğunu görüyoruz. Örneğin, bir problem nasıl seçilir, AI için çok karmaşık olup olmadığını nasıl anlarız ve modele nasıl talimat verileceği tanımlanır. Kaynak: Assisterr Tüm bu bilgiyi teknik ekiplerden aktararak, bu süreci AI asistanımız ile akıcı hale getirmek istiyoruz. Geliştirici topluluğuna odaklanmak yerine, AI yaratımını yaratıcılar, veri sahipleri ve farklı geçmişlere sahip çeşitli insanlar için daha erişilebilir hale getiriyoruz. CT: Akıllı telefonlar ve dizüstü bilgisayarlar gibi kenar cihazlar giderek daha güçlü hale geliyor. SLM'ler, bu trendden nasıl yararlanmayı planlıyor? Daha akıllı ve maliyet verimli AI uygulamaları sunacaklar mı? NH: Akıllı telefonlar ve farklı giyilebilir cihazlar, SLM gelişiminin ana başlangıç motorlarıdır. Bu tür cihazların genellikle işlemcilerinde daha katı kısıtlamalar vardır ve şu anda üzerinde LLM çalıştırmak neredeyse imkansızdır. Ancak aynı zamanda, SLM’ler yeni cihaz gelişimi için ana güçtür çünkü yeni akıllı kullanım yöntemlerini ortaya çıkarabilirler. Bu, Meta gözlükleri gibi cihazları, sürekli el altında olan giyilebilir arkadaşlar veya asistanlar gibi şeyleri içerir. CT: Geleceğe bakarken, SLM'ler daha yaygın hale geldikçe tüketici elektroniğindeki AI'nin geleceğini nasıl hayal ediyorsunuz? Günlük teknoloji ile etkileşim şeklimizi yeniden şekillendirebilirler mi? NH: SLM'ler kesinlikle hayatımızı yeniden şekillendirecek — sadece teknoloji ile etkileşimimizi değil. En yakın gelecekte, her kararın belirli bir SLM tarafından verileceğine inanıyoruz. Her kullanım durumu, ihtiyaç duyulan herhangi bir durum için yardım eden bir "AI asistan arkadaşı" bulmayı son derece kolaylaştıran küçük bir modele sahip olacak. Burada bir ağ etkisinin gücünü görüyoruz; çünkü SLM'lerin sayısı arttıkça, ağ son kullanıcı için daha güçlü ve daha değerli hale gelecektir. Assisterr Hakkında Daha Fazla Bilgi Alın. Cointelegraph, bu sayfadaki herhangi bir içerik veya ürünü onaylamamaktadır. Bu sponsorluk makalesinde elde edebildiğimiz tüm önemli bilgileri sağlama hedefimiz olmakla birlikte, okuyucuların şirketle ilgili herhangi bir eylemde bulunmadan önce kendi araştırmalarını yapmaları ve aldıkları kararlardan tamamen sorumlu olmaları gerektiğini belirtmeliyiz; bu makale yatırım tavsiyesi olarak da değerlendirilemez.

Küçük Dil Modelleri, Merkeziyetsiz AI ve Blockchain: Assisterr CEO'su Nick Havryliak ile Bir Röportaj