لکه څنګه چې LLMs ډیر پیاوړي شوي، هیلوسینیشنونه په کلکه ثابت شوي چې مخنیوی یې ستونزمن دی. تېروتنې حتی په غوره ماډلونو کې پاپ اپ کیږي، او پداسې حال کې چې د دې غلطیو د نیولو لپاره لارې شتون لري، صنعت لاهم د دې کولو لپاره غوره لاره په ګوته کوي.
شاید، کوم چې یوازې د انډریسسن هورویټز څخه د تخمونو تمویل کې 9 ملیون ډالر راټول کړي، هڅه کوي چې د دې غلطیو د نیولو لپاره خورا سخته لاره جوړه کړي.
لکه څنګه چې بنسټ ایښودونکی پیټر الیاس (پورته انځور شوی) دا بیانوي، د شرکت هدف دا دی چې د هیلو او ساده حقیقتي غلطیو مخه ونیسي چې تل کاروونکي ته ورسیږي، او د 99.99٪ دقت ترلاسه کول دي چې په تعدیلاتي سیسټمونو کې عام دي مګر د AI سره رسیدل خورا ستونزمن دي. لکه څنګه چې دا معلومه شوه، د دقت دې کچې ته د LLMs راوستل د AI انجینرۍ ډیری لومړني انګیرنې بیا غور کولو ته اړتیا لري.
د احتمال لومړی محصول د ډیټا ساینس وسیله ده چې د پیچلو ډیټاسیټونو څخه د ګړندي ځوابونو تولید لپاره رامینځته شوی. هره پایله د حوالې او د پلټنې ټریل سره راځي چې دا څنګه رامینځته شوی ، د AI وسیلو ترمینځ مخ په ډیریدونکي عام عمل.
مګر په دې لنډیزونو کې د تیریدو څخه د غلطیو ساتل د هارنس پراخه سیسټم ته اړتیا لري چې الیاس د "ډیټا ساینس میک سوټ" په توګه تشریح کوي. د LLM لومړی پاس ځوابونه د ثابت اعتبار کونکي سیسټم په وړاندې چک شوي، کوم چې کومې پایلې بیرته راګرځوي چې د ډیټاسیټ سره سمون نه لري. په مهمه توګه، LLM د تایید کونکي په وړاندې روزل شوی، او ټول سیسټم د ګړندي او سم ځوابونو لپاره مطلوب دی، شرکت وویل.
الیاس وايي: "هغه څه چې موږ د دې په جوړولو کې زده کړل هغه دا دي چې ستاسو د هارنس انجینرۍ څومره ښه وي، موډل یې کمزوری وي." "که تاسو کولی شئ شرایط په کافي اندازه اصلاح کړئ، ماډل د سم کار کولو لپاره خورا سخت کار ته اړتیا نلري. اساسا، دا د ابهام کمولو کې تمرین دی."
دا د احتمالي ډیټا ساینس وسیلې ته اجازه ورکوي چې د پام وړ کوچني AI ماډلونو پرمخ بوځي. الیاس وايي اوسنۍ نسخه په داسې ماډل کې روانه ده چې "د فرنټیر ماډلونو په پرتله څلور ټولګي ضعیف دي" ، پدې معنی چې دا په محلي هارډویر (یعنې د ډیټا سینټر پرځای ډیسټاپ کمپیوټر) کې پرمخ وړل کیدی شي ، کوم چې د AI کارولو پورې اړوند د ټوکن لګښتونو لوی مقدار کموي.
دا په داسې وخت کې د ښه راغلاست نظر دی کله چې د ټوکن لګښتونه لوړیږي او ډیری پیرودونکي د دوی د AI بودیجې بیا ارزونه کوي. او، د الیاس مفکوره د ډیټا ساینس سره پای ته نه رسیږي، ځکه چې ورته انجن د محاسبې یا طبي خدماتو په څیر د کارونې قضیې پوښلو لپاره پراخ کیدی شي - لکه څنګه چې الیاس دا بیانوي، "د دقیق حساس کارولو قضیه."
"زه فکر کوم چې دا واقعیا په زړه پوري ده چې د AI لوی لابراتوار حتی د دې کولو هڅه نه ده کړې ،" الیاس وايي. "دوی هڅول شوي نه دي، ځکه چې دوی هرڅومره پیسې ګټي چې تاسو موډل سم کړئ."
