В продолжение этих двух разговоров:

▪️ https://t.me/ecworldai/76
▪️ https://t.me/ecworldai/89

- то есть в большей степени про:

Минус в том, что каждый следующий, кто будет делать то же самое, что делаете вы, но после вас (на более новой модели / модели другой компании-конкурента OpenAI), - будет иметь техническое преимущество перед вами. Техническое преимущество. Его модель будет "умнее".

Самый большой минус современных LLM (нейросетей) в том, что для динамичных (которым постоянно требуются свежие данные либо быть "умнее" с каждым годом) больших проектов они пока не подходят:

1️⃣ если вы используете локальные модели, которые можно дообучать, то вашим минусом всегда будет то, что ваша модель будет "тупее" всех последующих, в том числе новых конкурентов;

2️⃣ если вы используете облачные модели (например, через API у той же OpenAI), то вашим минусом всегда будет то, что у модели не будет свежих данных (скажу от себя по опыту - это жесть как влияет в тех же финансах).

То есть перед каждым, кто запускает большой не статичный сложный проект (с потенциалом на годы), всегда будет стоять дилемма:

▪️ выбрать модель, которая через несколько лет будет "тупее", чем у [каждый день появляющихся] новых конкурентов;

▪️ выбрать подход, который будет подразумевать использование данных, которые будут "стареть".

Другими словами. Пока можно развивать:

▪️ либо "статичные" проекты, в которых новых данных уже не будет и они не нужны (аля миром достигнут предел знаний по теме / "этот мир мне абсолютно понятен"),

▪️ либо хайповые совсем простые проекты,

▪️ либо проекты, где смена модели нейрросети со временем (облачной, скорее) не повлияет на качество / объективность / приемлемость / преемственность / ... выходного результата.

Ну, либо надо ждать ... "своей" - модели достаточного "ума" и локальной (которую будете просто дообучать каждый условно месяц / квартал / год):

▪️ https://t.me/ecworldai/89

| подписывайтесь на @ecworldai
| нейросети (AI)