Modellbürger, Google aktualisiert Vertex AI

Wie die menschliche Intelligenz entwickeln sich auch KI-Modelle weiter.

Intelligenz entwickelt sich. In allen menschlichen Wissenslandschaften und beim maschinellen Lernen (ML), das wir zur Förderung der künstlichen Intelligenz (KI) nutzen, beginnen wir mit einem grundlegenden Verständnisniveau und erweitern dann unsere Fähigkeit zum Verstehen, Ableiten, Begründen und Berechnen. Da die gleichen grundlegenden Lernkonstrukte sowohl für Maschinengehirne als auch für unser eigenes gelten, müssen wir Systeme entwickeln, um Wissen zu vermitteln, wenn es sich im Laufe der Zeit erweitert.

Für uns komplexe Menschen denken wir vielleicht an unser Schul- und Hochschulsystem, die Nutzung von Büchern und die grenzenlosen Weiten von Wiki-Seiten, die heute das Internet bevölkern. Bei Maschinen und KI sprechen wir über die Verwendung von „Modellen“, also einem Mittel zur Architektur der Beziehung zwischen verschiedenen Informationen, um ihnen Ordnung, Struktur, Wert und eine festgelegte Beziehung zu anderen Datenelementen zu verleihen. Das Geflecht aus Verbindungen innerhalb eines KI-Modells ähnelt einem spaghettiartigen Strudel der Logik – und in der Geometrie bezeichnen wir einen Treffpunkt zwischen diesen Linien und Kanten als Scheitelpunkt.

Die Softwareentwickler von Google zollten ihren Lieblingsgeometrielehrern Tribut, als sie die Plattform für maschinelles Lernen (ML) des Unternehmens Google Vertex nannten. Google Vertex wurde entwickelt, um Datenwissenschaftlern und Datentechnikspezialisten das Trainieren und Bereitstellen von ML-Modellen und KI-Anwendungen zu ermöglichen. Es arbeitet an der Anpassung von Large Language Models (LLMs), die in KI-gestützten Anwendungen verwendet werden.

Wenn man bedenkt, dass ML-Modelle als Basismodelle beginnen (manchmal auch als Basismodell oder Basismodell geschrieben), muss sich diese Intelligenz wie jede andere weiterentwickeln. Wie bereits hier erläutert, beschrieb das Stanford Institute for Human-Centered Artificial Intelligence (HAI) grundlegende Modelle als „von entscheidender Bedeutung, aber dennoch unvollständig.“ Was hat das Google Cloud-Team also getan, um die Vertex-Intelligenz intelligenter zu machen?

Wie fast jeder andere Anbieter von Unternehmenstechnologie einiger angemessener Größe und Statur hat Google Generative AI-Unterstützung für Vertex AI hinzugefügt (in diesem Fall hat das Unternehmen dies vor etwa sechs Monaten getan). Jetzt erweitert das Unternehmen die Fähigkeiten von Vertex AI, um das Experimentieren und Erstellen mit Basismodellen zu erleichtern, sie mit unternehmenseigenen Datensätzen anzupassen und ihre Integration und Bereitstellung in Anwendungen zu vereinfachen. All dies muss auch mit Datenschutz- und Sicherheitsfunktionen im Bereich dessen geschehen, was wir heute gerne als verantwortungsvolle KI bezeichnen, also ist das alles integriert.

Wo bewahrt ein Dateningenieur seine Modelle für maschinelles Lernen auf, wenn sie organisch sein und in der Lage sein sollen, neue Triebe und Wedel hervorzubringen? In einem Mustergarten, oder? Google Vertex Model Garden ist eine „kuratierte Sammlung“ von Modellen und Softwaretools für maschinelles Lernen. Es umfasst derzeit über 100 unternehmenstaugliche Basismodelle für Anwendungsprogrammierschnittstellen (APIs), Open-Source-Modelle und aufgabenspezifische Modelle, die sowohl von Google als auch von Drittanbietern stammen.

„Viele Kunden beginnen ihre generative KI-Reise im Model Garden von Vertex AI und greifen auf eine vielfältige Sammlung kuratierter großer Modelle zu, die über APIs verfügbar sind. Entwickler und Datenwissenschaftler können durch Model Garden navigieren, um die richtigen Modelle für ihre Anwendungsfälle basierend auf Funktionen, Größe, Anpassungsmöglichkeiten usw. auszuwählen. So wird sichergestellt, dass sie nicht nur Zugriff auf leistungsstarke Modelle, sondern auch die Auswahl und Flexibilität haben, die für die Optimierung erforderlich sind und Modelle in großem Maßstab bereitstellen“, bemerkten Amin Vahdat, VP/GM ML für Systeme und Cloud-KI bei Google, und June Yang, VP für Cloud-KI und Branchenlösungen, in einem technischen Blog, der im Rahmen der Google Cloud Next-Veranstaltung veröffentlicht wurde.

Vahdat und Yang weisen auf neue Modelle in Model Garden hin, die das Engagement des Unternehmens für die Kunden verstärken sollen, Wahlmöglichkeiten in einem vielfältigen und offenen Ökosystem zu bieten. Neben Aktualisierungen mehrerer First-Party-Grundlagenmodelle von Google stellt das Unternehmen seinen Nutzern auf dieser Ebene auch die Expertise von Google DeepMind (dem Dienst für tiefe neuronale Intelligenz des Unternehmens) zur Verfügung. In diesem Zusammenhang ist es wichtig, dass Vertex AI Extensions es Modellen ermöglichen, Echtzeitdaten abzurufen und reale Aktionen durchzuführen. Darüber hinaus bieten Vertex AI-Datenkonnektoren die Datenerfassung und den schreibgeschützten Zugriff über verschiedene Quellen hinweg.

Model Garden wurde von Google entwickelt, um genügend Vielfalt zu bieten, damit Unternehmen Modelle an ihre spezifischen betrieblichen Anforderungen anpassen können. Es besteht auch die Möglichkeit, das zu erreichen, was Google „vollständige Transparenz“ nennt, in die Gewichtungen eines Modells (wie stark ein Datenelement definiert ist, um eine Beziehung zu einem anderen zu haben) und Artefakte (die Eingabe oder Ausgabe eines Modells oder ein erzeugtes Zwischenergebnis). durch die Softwaretools im Modell) für Compliance- und Auditunterstützungszwecke.

„Obwohl grundlegende Modelle leistungsstark sind, werden sie nach dem Training eingefroren, was bedeutet, dass sie nicht aktualisiert werden, wenn neue Informationen verfügbar werden, und daher möglicherweise veraltete Ergebnisse liefern“, erklären Vahdat und Yang. „Vertex AI Extensions ist eine Reihe vollständig verwalteter Entwicklertools.“ für Erweiterungen, die Modelle mit APIs für Echtzeitdaten und reale Aktionen verbinden. Mit Erweiterungen können Entwickler vorgefertigte Erweiterungen für beliebte Unternehmens-APIs verwenden oder eigene Erweiterungen für private und öffentliche APIs erstellen. Entwickler können Erweiterungen verwenden, um leistungsstarke Gen-KI-Anwendungen wie digitale Assistenten, Suchmaschinen und automatisierte Arbeitsabläufe zu erstellen.“

Beispielsweise kann ein Entwickler vorgefertigte Erweiterungen für eine Human Resources (HR)-Datenbank und Vertex AI Search verwenden, um einen Chatbot zu erstellen, der Mitarbeitern dabei hilft, HR-Aufgaben in natürlicher Sprache zu erledigen, z. B. das Nachschlagen von Leistungsfristen oder Reiserichtlinien, die möglicherweise betroffen sind sich im Laufe der Zeit ändern. Ein weiteres Beispiel könnte eine Anwendung sein, die dazu dient, Softwarecode auf Schwachstellen zu analysieren. Fachleute für die Entwicklung von Softwareanwendungen können Erweiterungen verwenden, um interne Codebasen aufzunehmen und sich entwickelnde Sicherheitsbedrohungen in Echtzeit zu erkennen.

„Die sofort einsatzbereite KI- und API-Unterstützung von Google Cloud hat unseren Workflow revolutioniert. Die von Google Cloud angebotene integrierte KI-Umgebung ist ein wichtiger Bestandteil unserer Anwendungsarchitektur, die grundlegende und proprietäre ML-Modelle verbindet, um die Skalierbarkeitsherausforderungen der Personalisierung von Inhalten in Echtzeit zu lösen“, sagte Tommaso Vaccarella, Mitbegründer von Connected Stories. „Über die Innovation hinaus geben die strengen Datensicherheitsmaßnahmen uns und unseren Kunden die Gewissheit, dass sensible Informationen geschützt bleiben. Google Cloud bietet die Leistung und Geschwindigkeit, die wir benötigen, um hochmoderne unternehmensfähige Lösungen auf den Markt zu bringen.“

All diese Entwicklungen geben uns hoffentlich zusätzliche Einblicke nicht nur in die Gründe, warum sich die KI verändert, sondern auch darin, wie ihre Mechanismen funktionieren, warum wir die Fähigkeit haben, mit neuen Techniken neue Dinge zu tun, und was dies für die nun insgesamt intelligenteren Anwendungen bedeuten wird, die wir nutzen werden alle täglich genutzt.

Thomas Kurian, CEO von Google Cloud, nennt es: „Eine völlig neue Ära der Cloud, angetrieben durch generative KI.“

Es wäre möglicherweise zutreffender gewesen, anzunehmen, dass dies eine völlig neue Ära der Data-Engineering-Architektur und der Application-Intelligence-Wissenschaft ist, die ihrerseits von Cloud-Backbones und deren Fähigkeit, sie zu unterstützen, angetrieben wird. Aber hey, im Wesentlichen läuft es auf das Gleiche hinaus, nämlich auf eine intelligentere, elegantere und reibungslosere Technologie, die unser Leben verbessern kann.

Wie in der Mode ist es auch in der KI: Das diesjährige Modell ist möglicherweise nicht das Modell des nächsten Jahres, also bleiben wir alle im Trend.