还记得一年前，一直到去年十一月，那时我们还不知道 ChatGPT 的存在，机器学习主要致力于构建模型以解决单一任务，例如贷款审批或欺诈保护？随着通用大型语言模型的兴起，这种方法似乎被抛诸脑后，但事实是，通用模型并不适合所有问题，而基于任务的模型在企业中依然蓬勃发展。
在大型语言模型崛起之前，这些基于任务的模型一直是企业中最多数人工智能的基础，而且它们不会消失。亚马逊首席技术官 Werner Vogels 在本周的演讲中将这种模式称为“老派人工智能”，他认为这是仍在解决许多现实世界问题的人工智能类型。
Atul Deo 是 Amazon Bedrock 的总经理，该产品今年早些时候推出，旨在通过 API 接入各种大型语言模型，他也认为基于任务的模型不会简单地消失。相反，它们已成为武器库中的另一种人工智能工具。
Deo 告诉 TechCrunch：“在大型语言模型出现之前，我们主要处于特定任务的世界中。那里的想法是你从头开始为一个特定任务训练一个模型。”他表示，任务模型与大型语言模型之间的主要区别在于，前者是为该特定任务训练的，而后者可以处理超出模型边界的事物。
投资咨询公司 Madrona 的合伙人 Jon Turow 曾在 AWS 工作了近十年，他表示业界一直在讨论大型语言模型中涌现的能力，如推理能力和域外鲁棒性。“这些能力使您能够超越对模型最初预期功能的狭隘定义，”他说。但他补充说，这些能力能走多远仍然是一个备受争议的话题。
与 Deo 一样，Turow 也表示基于任务的模型不会突然消失。“显然，特定任务模型仍有其作用，因为它们可以更小、更快、更便宜，并且在某些情况下甚至表现更好，因为它们是为特定任务设计的，”他说。
但是，全能模型的吸引力很难忽视。“当你在公司层面进行整体审视时，如果有数百个机器学习模型被单独训练，这毫无意义，”Deo 说。“而如果你选择功能更强大的大型语言模型，你可以立即获得可重用的好处，同时允许你使用单个模型来解决多种不同的用例。”
对于亚马逊来说，SageMaker（该公司的机器学习运营平台）仍然是一个关键产品，它面向的是数据科学家，而不是像 Bedrock 那样面向开发人员。据报道，有数万名客户正在构建数百万个模型。放弃这一点将是愚蠢的，坦率地说，仅仅因为大型语言模型是当前流行的趋势，并不意味着之前的技术不会在一段时间内保持相关性。
尤其是企业软件，其运作方式并非如此。没有人会仅仅因为出现了新事物——哪怕是目前这批功能强大的大型语言模型——就轻易抛弃自己重大的投资。值得注意的是，亚马逊确实宣布了对 SageMaker 的升级本周，旨在直接用于管理大型语言模型。
在这些能力更强的大型语言模型出现之前，任务模型实际上是唯一的选择，公司也是通过组建数据科学家团队来帮助开发这些模型来应对这一挑战。在工具正面向开发者推出的大型语言模型时代，数据科学家的角色是什么？图罗认为，即使在专注于大型语言模型的公司中，他们仍然承担着关键职责。
“他们将批判性地思考数据，而这实际上是一个正在增长而非萎缩的角色，”他说。无论采用何种模型，图罗都认为数据科学家将帮助大型企业中的员工理解人工智能与数据之间的关系。
“我认为我们每个人都必须认真思考人工智能的能力与局限，以及数据的意义与无意义之处，”他说。无论你是在构建更通用的大型语言模型还是任务模型，这一点都成立。
这就是为什么这两种方法将在未来一段时间内继续并行发挥作用的原因：因为有时更大更好，而有时则不然。
