Hype AI Tertutup: Pemerintahan Sementara

Sementara raksasa AI sumber tertutup seperti OpenAI dan Anthropic mendominasi sorotan, masa depan ada pada sumber terbuka. Daya tarik sistem properti tidak dapat dipungkiri, tetapi mata yang tajam harus melihat ke arah sumber terbuka untuk manfaat yang langgeng.

Bahaya Outsourcing Intelejensi

Bagi beberapa orang, menggunakan API AI tertutup mungkin merupakan jalan yang harus ditempuh. Namun, bagi perusahaan yang sangat terkait dengan AI, ini sama dengan bermain dengan api. Strateginya? Memulai dengan AI tertutup, tetapi dengan cepat beralih ke pengembangan model internal.

Mitos Kepemilikan Pemikiran

Berlawanan dengan kepercayaan populer, tugas-tugas bernilai tinggi seperti ringkasan dan tanya jawab tidak bergantung pada pemikiran. Model sumber terbuka sudah menjadi juara di bidang ini. Yang benar-benar mengubah permainan? Konteks yang luas dan kemampuan untuk menghasilkan konten dengan presisi.

Mantra Sumber Terbuka: Kontrol adalah Raja

AI sumber terbuka adalah sinonim dari kustomisasi yang tak tertandingi. Baik itu menyesuaikan laten, mengoptimalkan throughput, membangun output, atau menyempurnakan dengan data unik, sumber terbuka adalah kunci. Sebaliknya, model tertutup seperti kameleon yang tidak dapat diprediksi, selalu berubah tanpa pemberitahuan.

Mendekripsi Kotak Hitam: Kepercayaan Melalui Transparansi

Sifat enigmatik dari model tertutup adalah kelemahan mereka. Model sumber terbuka, di sisi lain, mengundang perhatian global, mempromosikan budaya peer review dan audit yang ketat. Kepercayaan berasal dari pemahaman, dan pemahaman berasal dari penyelidikan mendalam ke dalam kerja inner AI.

Ilusi Kemudahan: Fase yang Berlalu

Ya, API tertutup saat ini memenangkan perlombaan kemudahan penggunaan. Tetapi seiring dengan perkembangan sumber terbuka, ia menawarkan tidak hanya kemudahan tetapi juga kustomisasi yang tak tertandingi. Pesannya jelas: hindari daya tarik yang sementara dari sistem tertutup dan letakkan dasar dengan sumber terbuka.

1. “Mengenai Peluang dan Risiko Model Dasar” by Bommasani, R., et al. (2021) here.
2. “Mengapa Anda Tidak Seharusnya Membangun Sistem Autentikasi Pengguna Sendiri” by Bosworth, M. (2010) from Coding Horror Blog¹.
3. “Pendekatan Umum untuk Menambahkan Privasi Diferensial ke Prosedur Pelatihan Berulang” by McMahan, H. B., et al. (2018) here.
4. “Loras Meningkatkan Kualitas dan Koherensi Generasi Gambar” by Raposo, D., et al. (2023) here.
5. “Axiom: Pelatihan Model Bahasa Besar & Raksasa yang Cepat, Fleksibel, dan Efisien” by Sinitsin, I., et al. (2023) here.