A TechCrunch által megkérdezett szakértők szerint 2026 egy átmeneti év lesz az AI területén. Ez az év elmozdulást jelent a nyers erővel való skálázástól az új architektúrák kutatása felé, a látványos demóktól a célzott alkalmazások felé, és az autonómiát ígérő ügynököktől azok felé, amelyek valóban kiegészítik az emberek munkáját. A buli nem ért véget, de az iparág kezd kijózanodni.
Ez a folyamat 2020 körül tetőzött, amikor az OpenAI bemutatta a GPT-3-at, amely megmutatta, hogy a modell egyszerű, százszoros méretűvé tétele olyan képességeket szabadít fel, mint a kódolás és az érvelés, anélkül, hogy explicit képzésre lenne szükség. Ez a Workera AI ügynök platform vezérigazgatója és alapítója, Kian Katanforoosh által „a skálázás korszakának” nevezett átmenetet jelentette: egy olyan időszakot, amelyet az a hit határoz meg, hogy több számítási kapacitás, több adat és nagyobb transzformátor modellek elkerülhetetlenül a következő jelentős áttöréseket fogják eredményezni az AI-ban.
Ma sok kutató úgy gondolja, hogy az AI iparág kezdi kimeríteni a skálázási törvények határait, és ismét a kutatás korszakába lép. „Azt hiszem, a következő öt évben nagy valószínűséggel találunk egy jobb architektúrát, amely jelentős javulást jelent a transzformátorokhoz képest” – mondta Katanforoosh. „És ha nem, akkor nem várhatunk sok javulást a modellekben.”
A nagyméretű nyelvi modellek kiválóan alkalmasak az ismeretek általánosítására, de sok szakértő szerint a vállalati AI bevezetésének következő hullámát a kisebb, agilisabb nyelvi modellek fogják vezérelni, amelyek finomhangolhatók a területspecifikus megoldásokhoz. „A finomhangolt SLM-ek lesznek a nagy trend, és a kiforrott AI vállalatok alapvető eszközeivé válnak 2026-ban, mivel a költség- és teljesítményelőnyök a használatot a dobozból kivett LLM-ek fölé emelik” – mondta Andy Markus, az AT&T adattisztje a TechCrunch-nak. „Már láttuk, hogy a vállalkozások egyre inkább támaszkodnak az SLM-ekre, mert ha megfelelően finomhangolják őket, akkor a nagyobb, általános modellek pontosságát is elérik a vállalati üzleti alkalmazásokhoz, és kiválóak a költségek és a sebesség tekintetében.”
„Az SLM-ek hatékonysága, költséghatékonysága és alkalmazkodóképessége ideálissá teszi őket a személyre szabott alkalmazásokhoz, ahol a pontosság kiemelten fontos” – mondta Jon Knisley, az ABBYY, egy austini székhelyű vállalati AI vállalat AI stratégája. Míg Markus úgy gondolja, hogy az SLM-ek kulcsfontosságúak lesznek az ügynöki korszakban, Knisley szerint a kis modellek jellege azt jelenti, hogy jobban megfelelnek a helyi eszközökön való telepítésre, „egy olyan trend, amelyet a peremszámítás fejlődése felgyorsít.”
Az emberek nem csak a nyelven keresztül tanulnak; megtapasztalják, hogyan működik a világ. Az LLM-ek azonban valójában nem értik a világot; csak a következő szót vagy ötletet jósolják meg. Ezért sok kutató úgy véli, hogy a következő nagy ugrás a világmodellekből fog származni: olyan AI rendszerekből, amelyek megtanulják, hogyan mozognak és hatnak egymásra a dolgok 3D-s terekben, hogy előrejelzéseket készíthessenek és cselekedhessenek.
Míg a kutatók hosszú távú potenciált látnak a robotikában és az autonómiában, a rövid távú hatás valószínűleg először a videojátékokban lesz látható. A PitchBook előrejelzése szerint a világmodellek piaca a játékokban 2022 és 2025 között 1,2 milliárd dollárról 2030-ra 276 milliárd dollárra nőhet, ami a technológia azon képességének köszönhető, hogy interaktív világokat és élethűbb nem játékos karaktereket generál.
Pim de Witte, a General Intuition alapítója a TechCrunch-nak elmondta, hogy a virtuális környezetek nemcsak a játékipart alakíthatják át, hanem a következő generációs alapmodellek kritikus tesztkörnyezetévé is válhatnak. Az ügynökök 2025-ben nem váltották be a hozzájuk fűzött reményeket, de ennek egyik fő oka az, hogy nehéz összekapcsolni őket azokkal a rendszerekkel, ahol a munka valójában történik. Az eszközök és a kontextus elérésének módja nélkül a legtöbb ügynök kísérleti munkafolyamatokban rekedt.
Mivel az MCP csökkenti az ügynökök valós rendszerekhez való csatlakoztatásának súrlódását, 2026 valószínűleg az az év lesz, amikor az ügynöki munkafolyamatok végre a demókból a napi gyakorlatba kerülnek. Rajeev Dham, a Sapphire Ventures partnere szerint ezek a fejlesztések ahhoz vezetnek, hogy az ügynök-központú megoldások „nyilvántartási rendszer szerepet” töltenek be az iparágakban.
„Ahogy a hangügynökök több végponttól végpontig tartó feladatot kezelnek, mint például a bevitel és az ügyfélkommunikáció, elkezdenek alapul szolgáló rendszereket is alkotni” – mondta Dham. „Ezt számos ágazatban látni fogjuk, mint például a háztartási szolgáltatások, a proptech és az egészségügy, valamint olyan horizontális funkciókban, mint az értékesítés, az IT és a támogatás.”
Míg a több ügynöki munkafolyamat felvetheti az elbocsátásokkal kapcsolatos aggodalmakat, a Workera-nál dolgozó Katanforoosh nem biztos benne, hogy ez az üzenet: „2026 az emberek éve lesz” – mondta. 2024-ben minden AI vállalat azt jósolta, hogy automatizálja a munkahelyeket, így nincs szükség emberekre. De a technológia még nem tart itt, és egy instabil gazdaságban ez nem igazán népszerű retorika. Katanforoosh szerint jövőre rájövünk, hogy „az AI nem működött olyan autonóm módon, mint gondoltuk”, és a beszélgetés inkább arra fog összpontosítani, hogy az AI hogyan használható az emberi munkafolyamatok kiegészítésére, nem pedig azok helyettesítésére. „És azt hiszem, sok vállalat el fog kezdeni felvenni” – tette hozzá, megjegyezve, hogy új szerepekre számít az AI irányítás, az átláthatóság, a biztonság és az adatkezelés területén. „Elég optimista vagyok azzal kapcsolatban, hogy a munkanélküliség jövőre átlagosan 4% alatt lesz.”
Hozzászólások
Szólj hozzá te is!
vagy