ЧетГПТ против ЈугоГПТ: Кој е подобар во локален контекст?

Ако вештачката интелигенција денес може да пишува кодoви, анализира правни документи и да разговара на десетици јазици, зошто и понатаму е екстремно тешко да се направи голем јазичен модел што ќе го разбира локалниот јазик, култура и бизнис контекстот?

Одговорот на ова прашање најдобро го илустрира ЈугоГПТ (YugoGPT)  - најголемиот јазичен модел што е развиен за јужнословенскитејазици, но и проект што, и покрај техничкиот успех, е ставен на чекање.

ЈугоГПТ: технички успех без пазарно продолжение

ЈуготГПТ е голем јазичен модел со седум милијарди параметри, обучен специфично за српски, хрватски и босански јазик. Го развил Алекса Гордич, инженер со искуство од работа во „Мајкрософт“ (Microsoft) и „Гугл Дипмајнд“ (Google DeepMind).

Моделот е објавен како проект со отворен на платформата „Хагинг фејс“ (HuggingFace) и во тестовите покажал подобро разбирање на локалните јазици од глобалните модели како што се Мистрал (Mistral) и Лама (LLaMA 2).

На задачите кои бараат разбирање на локални идиоми, граматички нијанси и културолошки контекст, ЈугоГПТ бил попрецизен од моделите што се обучувани примарно на англиски јазик. Меѓутоа, токму тука завршува приказната за техничките предности, а започнува онаа за реалните ограничувања.

За разлика од глобалните компании кои ги развиваат своите модели со инвестиции тешки милијарди, државна поддршка и огромни пазари, ЈугоГПТ е создаден во сосема различни услови.

„Се промени динамиката во светот на вештачката интелигенција (ВИ). Кон крајот на 2023-та започнаа да се појавуваат национални играчи низ светот кои собираа 50 до 100 милиони долари за развој на локални јазични модели“, објаснува Гордич за „Блумберг Адрија“. Тој додава: „Таквите проекти имаат предност затоа што доаѓаат од поголеми пазари, со посилна институционална поддршка и јасни комерцијални цели. Балканот, од друга страна, претставува мал и фрагментиран простор. Поголемите компании често работат на англиски јазик, додека е речиси ограничена подготвеноста на пазарот да плаќа за локални ВИ алатки. Тоа значително го стеснува потенцијалот за технички квалитетен модел да се претвори во одржлив производ.“

„Постојат уште неколку важни чекори од правењето на квалитетен голем јазичен модел до тоа тој модел да стане вистински корисен за компаниите“, истакнува Гордич. Без континуирано финансирање и јасен пазарен сигнал, тие чекори стануваат тешко остварливи.

Затоа, ЈугоГПТ е ставен на мирување кон крајот на 2024-та, со можност проектот во иднина да го преземат академски или цивилни иницијативи. „Апсолутно ги поддржувам и лиценцата е направена да биде со отворен код и пермисивна“, вели тој. „Постојат и шанси во слободно време повторно да обучам многу подобар модел“, изјави Гордич за „Блумберг Адрија“.

Главни јазични модели денес, и како се разликуваат

Големиот јазичен модел е ВИ-систем обучен на огромни количини податоци. Се разликуваат по големина (број на параметри), количина на податоци и архитектура. Модел со седум милијарди параметри ги разбира основите на јазикот, додека моделите со стотици милијарди параметри разбираат нијанси и сложени концепти.

„Опен еј-ај“ (ChatGPT) е најдобар за општа употреба и креативност. Тој е најпознатиот и најкористен модел со најбогат екосистем на додатоци и интеграции. Предничи во генерирањето креативна содржина и пишување маркетиншки материјали. Негативност: повисоки цени и чести проблеми со капацитетот – понекогаш не можете да пристапите до услугата. „Опен еј-ај“ (OpenAI) очекува приходи од 29,4 милијарди долари до крајот на 2026 година.

„Антропик“ (Клод) е најдобар за кодирање и бизнис-употреба. Тој се истакнува во пишувањето код и анализа на техничка документација благодарение на контекстниот прозорец од 200.000 „токени“ – може да запамети и процесира документи што се долги како цела книга. Фокусиран е на „ентерпрајз“ клиенти што бараат сигурност. Компанијата бележи приходи од околу 3 милијарди долари и неодамна ги намали цените за 66 отсто.

„Гугл“ (Џеминај) е најдобар за мултимодална содржина и интеграција со екосистем. Работи со текст, слики, видео и код истовремено. Интегриран е со алатки на Гугл воркплејс (Google Workspace), како Џимејл (Gmail), Гугл докс (Google Docs) и Гугл фотос (Google Photos). Предност е контекстниот прозорец од 2 милиони „токени“. Негативност: побавна иновација и перцепција дека заостанува зад ЧетГПТ и Клод.

Кинеските модели (Дипсик, Жипу) се најдобри по цена. Дипсик (DeepSeek V3.2) чини од десет до педесет пати помалку од западните конкуренти, а перформансите се задоволителни. Моделот е целосно отворен под МИТ (MIT) лиценцата. Проектот го финансира „Хај флајер“ (High-Flyer), хеџ-фонд од Кина вреден осум милијарди долари. Жипу (Zhipu AI GLM-4.7) постигнува 73,8 отсто прецизност на тестот СВЕ (SWE-bench Verified), најдобар резултат меѓу моделите со отворен код.

Лекција од ЈугоГПТ

ЈугоГПТ не е доказ дека локална ВИ не може да функционира. Напротив, покажува дека локалните модели можат да бидат попрецизни и поинтелигентни во контекстот од глобалните системи. Но исто така покажува дека техничката извонредност не е доволна без пазар, капитал и институционална поддршка.

Во светот на вештачката интелигенција, како што беше некогаш во автомобилската индустрија, добар производ не гарантира успех. Победниците нема да бидат тие што најдобро го разбираат јазикот  - туку тие што ќе успеат да ги поврзат технологијата, пазарот и долгорочната стратегија.