„Mistral“ lažinasi už „sukurk savo dirbtinį intelektą“, nes įmonėje jis perima OpenAI, Anthropic

Dauguma įmonių AI projektų žlunga ne todėl, kad įmonėms trūksta technologijų, o todėl, kad jų naudojami modeliai nesupranta jų verslo. Modeliai dažnai mokomi internetu, o ne dešimtmečius vidaus dokumentais, darbo eigomis ir institucijų žiniomis.

Ši spraga yra ta vieta, kur Mistral, prancūzų AI startuolis, mato galimybę. Antradienį bendrovė paskelbė apie „Mistral Forge“ – platformą, leidžiančią įmonėms kurti pasirinktinius modelius, parengtus pagal jų pačių duomenis. „Mistral“ apie platformą paskelbė „Nvidia GTC“, kasmetinėje „Nvidia“ technologijų konferencijoje, kuri šiais metais daug dėmesio skiria AI ir verslo modeliams.

Tai ryškus žingsnis „Mistral“ – įmonei, kuri savo verslą kūrė remdamasi verslo klientais, o konkurentai „OpenAI“ ir „Anthropic“ išaugo į priekį pagal vartotojų pritaikymą. Generalinis direktorius Arthuras Menschas sako, kad „Mistral“ lazerinis dėmesys įmonei veikia: bendrovė šiais metais siekia viršyti 1 mlrd. USD metines pasikartojančias pajamas.

„Mistral“ teigia, kad didžioji dalis įmonių padvigubinimo suteikia įmonėms daugiau galimybių valdyti savo duomenis ir dirbtinio intelekto sistemas.

„Forge“ leidžia įmonėms ir vyriausybėms pritaikyti dirbtinio intelekto modelius pagal savo specifinius poreikius“, – „TechCrunch“ pasakojo „Mistral“ produktų vadovė Elisa Salamanca.

Kai kurios įmonės dirbtinio intelekto erdvėje jau teigia siūlančios panašias galimybes, tačiau dauguma jų sutelkia dėmesį į esamų modelių tobulinimą arba patentuotų duomenų sluoksniavimą ant viršaus, naudodamos tokias technologijas kaip išplėstinė generacija (RAG). Šie metodai iš esmės neperkvalifikuoja modelių; Vietoj to, jie pritaiko arba pateikia užklausas vykdymo metu naudodami įmonės duomenis.

„Mistral“, priešingai, teigia, kad tai leidžia įmonėms mokyti modelius nuo nulio. Teoriškai tai galėtų išspręsti kai kuriuos įprastesnių metodų apribojimus, pvz., geresnį ne anglų kalbos arba labai specifinių domeno duomenų tvarkymą ir didesnę modelio elgesio kontrolę. Tai taip pat galėtų leisti įmonėms mokyti agentų sistemas naudojant sustiprinimo mokymąsi ir sumažinti priklausomybę nuo trečiųjų šalių modelių teikėjų, išvengiant tokių rizikų kaip modelio keitimas ar nusidėvėjimas.

„Forge“ klientai gali sukurti savo pasirinktinius modelius naudodami plačią „Mistral“ atviro svorio AI modelių biblioteką, kurią sudaro nedideli modeliai, pvz., neseniai pristatytas „Mistral Small 4“. Pasak „Mistral“ įkūrėjo ir vyriausiojo technologo Timothée Lacroix, „Forge“ gali padėti išgauti daugiau naudos iš esamų modelių.

„Kurdami mažesnius modelius darome kompromisus, nes jie tiesiog negali būti tokie geri visomis temomis kaip didesni jų atitikmenys, todėl galimybė juos pritaikyti leidžia mums pasirinkti, ką akcentuojame ir ko atsisakome“, – sakė Lacroix.

„Mistral“ pataria, kokius modelius ir infrastruktūrą naudoti, tačiau abu sprendimai lieka klientui, sakė Lacroix. O komandoms, kurioms reikia daugiau nei nurodymų, Forge ateina kartu su Mistral pažangių inžinierių komanda, kuri tiesiogiai su klientais pateikia reikiamus duomenis ir prisitaiko prie jų poreikių – modelis pasiskolintas iš IBM ir Palantir.

„Kaip produktas, Forge jau yra su visais įrankiais ir infrastruktūra, kad galėtumėte generuoti sintetinius duomenų vamzdynus“, – sakė Salamanka. „Tačiau suprasti, kaip sukurti tinkamus įvertinimus ir įsitikinti, kad turite reikiamą duomenų kiekį, įmonės paprastai neturi tinkamos patirties, o būtent tai pateikia FDE.

„Mistral“ jau padarė „Forge“ prieinamą partneriams, įskaitant „Ericsson“, Europos kosmoso agentūrą, Italijos konsultacijų bendrovę „Reply“ ir Singapūro DSO bei HTX. Ankstyvieji vartotojai taip pat yra ASML, Olandijos lustų gamintojas, kuris praėjusį rugsėjį vadovavo Mistral serijos C turui, kurio vertė buvo 11,7 mlrd. eurų (tuo metu maždaug 13,8 mlrd. USD).

Šios partnerystės simbolizuoja tai, ką „Mistral“ tikisi pagrindiniais „Forge“ naudojimo atvejais. Pasak „Mistral“ vyriausiosios pajamų pareigūnės Marjorie Janiewicz, tai apima vyriausybes, kurioms reikia pritaikyti modelius pagal savo kalbą ir kultūrą; finansų žaidėjai, turintys aukštus atitikties reikalavimus; gamintojams, turintiems pritaikymo poreikių; ir technologijų įmonės, kurios turi suderinti modelius pagal savo kodų bazę.