Mentionsy

To jest podcast AI Codziennie.

Ja nazywam się Michał Dobrzański i w dzisiejszym odcinku przygotowałem dla Ciebie następujące newsy.

nowy model Vault Gema od Google i DeepMind, otwarto-źródłowy model Cadwa Think ze Zjednoczonych Emiratów Arabskich oraz pilotażową funkcję Personal Shopping Agent od Microsoftu.

Google wspólnie z DeepMind zaprezentowały model językowy Vault Gema 1B, który został wytrenowany w taki sposób, aby wbudowana była w niego prywatność danych.

W praktyce oznacza to, że nawet jeśli model uczył się na ogromnych zbiorach danych, nie da się z niego wyciągnąć pojedynczych przykładów ani prywatnych informacji.

Vault Gemma ma około miliarda parametrów i radzi sobie z podstawowymi zadaniami językowymi.

Potrafi odpowiadać na pytania czy rozumieć instrukcje.

Nie jest to może poziom najbardziej zaawansowanych modeli, bo ochrona prywatności wiąże się z lekkim spadkiem dokładności, ale jego wartość polega na czymś innym.

Na tym, że można go bezpiecznie stosować w branżach wrażliwych, takich jak zdrowie, bankowość czy administracja publiczna.

To ważny krok, bo pokazuje, że sztuczna inteligencja może rozwijać się w sposób odpowiedzialny i zgodny z wymogami regulacyjnymi.

W dłuższej perspektywie Volt Gemma może stać się wzorem dla innych modeli, które będą musiały spełniać rosnące wymagania dotyczące ochrony danych.

Przechodzę teraz do Ka-Dwa-Thing.

To model stworzony w Zjednoczonych Emiratach Arabskich przez Uniwersytet MBZ u AI i firmę GI-42.

Liczy 32 miliardy parametrów, ale jego największa zaleta to wydajność w zadaniach wymagających logicznego myślenia i planowania.

Dzięki specjalnym technikom uczenia, takim jak Chain of Thought, Reinforcement Learning z jasno weryfikowalnymi nagrodami czy agentowe planowanie, Cardway Think potrafi rozwiązywać złożone problemy szybciej i taniej niż niektóre większe modele.

Twórcy podkreślają, że model osiąga bardzo dobre wyniki przy mniejszym zużyciu mocy obliczeniowej, co ma ogromne znaczenie w czasach, gdy koszty trenowania AI rosną.

Warto też zwrócić uwagę na fakt, że K2Think jest otwarto źródłowy.

Każdy ma dostęp do wag i danych, co sprzyja dalszym badaniom i adaptacji do różnych zastosowań.

To otwiera drzwi dla mniejszych firm i zespołów badawczych, które mogą korzystać z tego modelu bez konieczności ponoszenia gigantycznych kosztów.

Co więcej, model działa bardzo szybko.

Potrafi przetwarzać ponad 2000 tokenów na sekundę przy użyciu procesorów od firmy Cerebras.

To czyni go praktycznym narzędziem nie tylko do eksperymentów, ale i do realnych wdrożeń w biznesie.

Następnie opowiem o agencie Personal Shopping od Microsoftu.

To pilotażowe rozwiązanie, które ma zrewolucjonizować zakupy online.

Zamiast tradycyjnej wyszukiwarki, użytkownik rozmawia z agentem, który zna ofertę konkretnej marki i potrafi doradzić w wyborze produktów.

Już teraz marka Ralph Lauren testuje funkcję o nazwie AskRalph, która działa w oparciu o Azure OpenAI i integruje się z platformą Copilot Studio.

Dzięki temu każda firma będzie mogła stworzyć własnego agenta zakupowego, dostosowanego do swojego stylu komunikacji i zasad obsługi klienta.

Taki agent nie tylko odpowiada na pytania, ale także proponuje produkty zgodne z preferencjami klienta, co sprawia, że zakupy stają się bardziej spersonalizowane.

To rozwiązanie może w przyszłości zmienić sposób, w jaki robimy zakupy, od dużych marek odzieżowych przez elektronikę, aż po mniejsze sklepy internetowe.

Firmy zyskają narzędzie, które pozwoli im budować bliższe relacje z klientami i zwiększać sprzedaż, a konsumenci dostaną asystenta, który rozumie ich potrzeby.

To jeden z pierwszych przykładów tego, jak sztuczna inteligencja wychodzi poza generowanie treści i zaczyna realnie wspierać handel oraz obsługę klienta.

Dziękuję za wysłuchanie i zapraszam na kolejny odcinek już jutro.