L

Learn AI

Відстежуй прогрес · навчайся офлайн

Відкрити

Урок 4 із 6

Фундаментальні моделі як платформа

7 хв читання

Старе машинне навчання означало нову модель на кожну задачу. Сьогодні одна модель пише код, відповідає на пошту й читає зображення. Що змінилося — і як на цьому будувати?

Класичне ML проти фундаментальної моделі

У класичному машинному навчанні доводилося будувати одну вузьку модель на задачу: класифікатор спаму, прогноз відтоку, кожну тренуючи на власних розмічених даних. [Фундаментальна модель](glossary://foundation-model) це перевертає — це єдина загальна модель, натренована на величезних даних, що вже з коробки тягне тисячі задач. Ти не тренуєш нову; ти керуєш тією, що вже є.

Класичне ML: одна вузька модель на задачу. Фундаментальні моделі: один загальний рушій на багато задач — ти ним керуєш, а не тренуєш.

Модель як платформа

Бо вона загальна, фундаментальна модель поводиться менш як програма й більш як платформа — процесор нового типу комп'ютера. Навколо цього рушія ти приєднуєш частини: його [контекстне вікно](glossary://context-window) як робочу пам'ять, файли як сховище, інструменти й живий вебʼяк периферію. Торкнись кожної частини, щоб побачити, чому вона відповідає.

Фундаментальна модель — це платформа: загальний рушій, який ти розширюєш пам'яттю, файлами, інструментами й вебом — а не програма одного призначення.

Ось чому «AI-інженерія» — справжня дисципліна. Класичне ML було переважно тренуванням; будувати на фундаментальній моделі — переважно інтеграція: під'єднати рушій до пам'яті, даних та інструментів.

Суть коротко

Чим будування на фундаментальній моделі відрізняється від класичного машинного навчання?

Продовжити в застосунку

Пройди весь курс «Стати AI-інженером» — з відстеженням

Отримай персональний план, прогрес і стріки в застосунку — цей урок і кожен наступний, по порядку.