Hy4 néven új nagyméretű nyelvi modellt mutatott be a Tencent, amelynek egyik legfontosabb újdonsága a képi információk értelmezése és a számítógépes alkalmazások kezelése. A generatív mesterséges intelligencia már grafikus felületeken és parancssori környezetekben is végezhet feladatokat, miközben összetett, több lépésből álló munkafolyamatokat támogat. A vállalat a modell nyílt súlyainak közzétételét is bejelentette, de azokat a bemutatás időpontjában még nem tette elérhetővé.
A Tencent november 4-én jelentette be a Hy4 megjelenését, amely a vállalat saját modellcsaládjának újabb generációját képviseli. A fejlesztés egyik fő célja, hogy a mesterséges intelligencia ne kizárólag szöveges kérdések megválaszolására legyen alkalmas, hanem a felhasználók tényleges számítógépes munkájában is részt vehessen. Az új modell képes képeket és grafikonokat értelmezni, vizuális matematikai feladatokat feldolgozni, valamint különböző szoftveres eszközök használatát megtervezni. A Tencent emellett a hosszabb szövegkörnyezetek megértésében és az összetett utasítások követésében is fejlődésről számolt be.
A Hy4 egyik jelentős új képessége a grafikus és parancssori felületek kezelése. A rendszer elvileg képes lehet egy alkalmazás kezelőfelületét értelmezni, meghatározni a szükséges lépéseket, majd azokat megfelelő eszközkapcsolaton keresztül végrehajtani. A Tencent szerint a modellt olyan professzionális szoftvereken is tanították, mint a Blender és különböző CAD-tervezőrendszerek. Ez azért lehet fontos, mert egy műszaki vagy kreatív feladat gyakran nem oldható meg egyszerű szövegírással: különböző menüpontokat, dokumentumokat, objektumokat és beállításokat kell összehangoltan kezelni.
A Tencent saját WorkBuddy vállalati munkakörnyezetében is vizsgálta a Hy4 teljesítményét. A vállalat közlése szerint a modell a belső, kínai piaci értékelésben 83,18-as átlagpontszámot és 96,15 százalékos teljesítési arányt ért el, a tizenkét vizsgált feladattípus közül kilencben pedig első helyen végzett. Az értékelés dokumentumok, prezentációk, webes feladatok és más vállalati munkafolyamatok kezelését is érintette. Ezek ugyanakkor a Tencent által közölt mérések, nem nemzetközileg egységesített, független teszteredmények. A pontos teljesítmény a használt alkalmazásoktól és az adott munkafolyamat kialakításától is függhet.
Olvasd el: Nem kívánt webes műveleteket végeztek a Tencentnél tesztelt mesterséges intelligencia ügynökök
Átalakulhat a vállalati szoftverek használata, ha a mesterséges intelligencia már nemcsak elmagyarázza egy feladat elvégzését, hanem képes az alkalmazások kezelőfelületén ténylegesen végre is hajtani azt?
A fejlesztés üzleti szempontból a különálló alkalmazások összekapcsolását is elősegítheti. A Tencent a WorkBuddy és a WeCom rendszerekben olyan felhasználási lehetőségeket mutatott be, amelyeknél a mesterséges intelligencia különböző beszélgetésekből, dokumentumokból, naptárbejegyzésekből és e-mailekből is információt gyűjthet. Egy összetett projekt esetében így könnyebben követheti a korábban elvégzett feladatokat és az aktuális változásokat. A hosszabb munkafolyamatok kezelésére fejlesztett modell különösen akkor lehet értékes, ha nem szükséges minden következő lépésnél újra elmagyarázni a teljes feladat hátterét.
A nagyobb önállóság ugyanakkor fokozott biztonsági követelményeket is jelent. Egy olyan modell, amely hozzáférést kap számítógépes alkalmazásokhoz és vállalati dokumentumokhoz, hibás utasítás vagy téves következtetés esetén nemcsak rossz választ adhat, hanem nem kívánt műveletet is végrehajthat. A Tencent ezért a kiberbiztonsági és biológiai kockázatok kezelését is hangsúlyozta, és külön biztonsági dokumentációt ígért. Fontos pontosítás, hogy a modell bemutatásakor a súlyok még nem voltak nyilvánosan hozzáférhetők, így a nyílt használatra vonatkozó lehetőségeket akkor még nem lehetett teljes körűen ellenőrizni.
A Hy4 megjelenése jól illeszkedik a generatív mesterséges intelligencia piacának egyik fontos trendjébe: a modellek egyre inkább digitális munkatársakká próbálnak válni. A verseny már nemcsak a nyelvi képességekről vagy a legjobb tesztpontszámokról szól, hanem arról is, hogy egy rendszer mennyire megbízhatóan tud alkalmazások között dolgozni, hosszabb feladatokat végrehajtani és összetett információkat értelmezni. A következő fontos kérdés az lesz, hogy a most bejelentett képességekből mennyi válik széles körben hozzáférhetővé és függetlenül is igazolhatóvá.
Olvasd el ezt is: Valódi kódbázisokon tanult dolgozni a JetBrains új generatív mesterséges intelligencia modellje
Források: Tencent, Reuters, PR Newswire
CS.SZ.
