Mistral-ი „საკუთარი AI-ს შექმნაზე“ დებს ფსონს: კომპანია OpenAI-სა და Anthropic-ს კორპორაციულ სექტორში უპირისპირდება

კორპორაციული ხელოვნური ინტელექტის პროექტების უმეტესობა მარცხდება არა იმიტომ, რომ კომპანიებს ტექნოლოგია არ გააჩნიათ, არამედ იმიტომ, რომ მათ მიერ გამოყენებულ მოდელებს არ ესმით კონკრეტული ბიზნესის სპეციფიკა. მოდელები ხშირად ინტერნეტში არსებულ მონაცემებზეა გაწვრთნილი და არა ათწლეულების განმავლობაში დაგროვილ შიდა დოკუმენტებზე, სამუშაო პროცესებსა თუ ინსტიტუციურ ცოდნაზე. სწორედ ამ ხარვეზში ხედავს შესაძლებლობას ფრანგული AI სტარტაპი Mistral-ი.

კომპანიამ Mistral Forge-ის პლატფორმა წარადგინა, რომელიც საწარმოებს საშუალებას აძლევს, შექმნან პერსონალიზებული მოდელები საკუთარ მონაცემებზე დაყრდნობით. პლატფორმის შესახებ განცხადება Nvidia-ს ყოველწლიურ ტექნოლოგიურ კონფერენციაზე, Nvidia GTC-ზე გაკეთდა, რომელიც წელს განსაკუთრებულ ყურადღებას უთმობს ხელოვნურ ინტელექტსა და კორპორაციულ აგენტურ მოდელებს. ეს ნაბიჯი ხაზს უსვამს Mistral-ის სტრატეგიას, რომელიც ორიენტირებულია კორპორაციულ კლიენტებზე, მაშინ როდესაც მისი კონკურენტები — OpenAI და Anthropic — მომხმარებელთა ფართო მასებში პოპულარობის მოპოვებით არიან დაკავებულნი.

Mistral-ის აღმასრულებელი დირექტორი, არტურ მენში, აცხადებს, რომ კომპანიის ფოკუსი კორპორაციულ სექტორზე ამართლებს: მიმდინარე წელს კომპანია გეგმავს, რომ წლიურმა განმეორებადმა შემოსავალმა (ARR) 1 მილიარდ დოლარს გადააჭარბოს. Mistral-ის განმარტებით, კორპორაციულ სექტორზე ფსონის გაორმაგება გულისხმობს კომპანიებისთვის საკუთარ მონაცემებსა და AI სისტემებზე მეტი კონტროლის გადაცემას.

Mistral Forge: პერსონალიზაცია და კონტროლი

Mistral-ის პროდუქტების ხელმძღვანელმა, ელისა სალამანკამ, TechCrunch-თან საუბრისას აღნიშნა, რომ Forge საშუალებას აძლევს საწარმოებსა და სამთავრობო უწყებებს, მოარგონ AI მოდელები მათ სპეციფიკურ საჭიროებებს. მიუხედავად იმისა, რომ ბაზარზე რამდენიმე კომპანია უკვე სთავაზობს მსგავს შესაძლებლობებს, მათი უმეტესობა ფოკუსირებულია არსებული მოდელების დახვეწაზე (fine-tuning) ან საკუთარი მონაცემების დამატებაზე ისეთი ტექნიკით, როგორიცაა Retrieval Augmented Generation (RAG).

ეს მიდგომები ფუნდამენტურად არ ცვლის მოდელების წვრთნის პროცესს; ნაცვლად ამისა, ისინი ახდენენ მოდელების ადაპტაციას ან მათთან გამოთხოვნას სამუშაო პროცესში. Mistral-ი კი აცხადებს, რომ კომპანიებს მოდელების ნულიდან გაწვრთნის შესაძლებლობას აძლევს. თეორიულად, ამან შესაძლოა გადაჭრას გავრცელებული მიდგომების შეზღუდვები, მაგალითად:

• არასამთავრობო ენებისა და ვიწრო სპეციფიკური სფეროების მონაცემების უკეთესი დამუშავება;
• მოდელის ქცევაზე მეტი კონტროლი;
• აგენტური სისტემების გაწვრთნა განმამტკიცებელი სწავლების (reinforcement learning) გამოყენებით;
• მესამე მხარის პროვაიდერებზე დამოკიდებულების შემცირება, რაც თავიდან აცილებს მოდელების ცვლილებასთან ან გაუქმებასთან დაკავშირებულ რისკებს.

მოდელების ბიბლიოთეკა და ტექნიკური მხარდაჭერა

Forge-ის მომხმარებლებს შეუძლიათ შექმნან პერსონალიზებული მოდელები Mistral-ის ღია წონის (open-weight) AI მოდელების ფართო ბიბლიოთეკის გამოყენებით, რომელიც მოიცავს მცირე ზომის მოდელებსაც, როგორიცაა ახლახან წარდგენილი Mistral Small 4. Mistral-ის თანადამფუძნებლისა და მთავარი ტექნოლოგიური ოფიცრის, ტიმოთე ლაკრუას თქმით, Forge ეხმარება არსებული მოდელებიდან მეტი სარგებლის მიღებაში.

„მცირე მოდელების შექმნისას ჩვენ მივდივართ გარკვეულ დათმობებზე — ისინი ვერ იქნება ისეთივე ეფექტური ყველა თემაზე, როგორც მათი დიდი ანალოგები. ამიტომ, მათი პერსონალიზაციის შესაძლებლობა საშუალებას გვაძლევს ავირჩიოთ, რაზე გავაკეთოთ აქცენტი და რაზე ვთქვათ უარი“, — განმარტავს ლაკრუა.

Mistral-ი გასცემს რეკომენდაციებს, თუ რომელი მოდელები და ინფრასტრუქტურა გამოიყენონ კლიენტებმა, თუმცა საბოლოო გადაწყვეტილებას თავად მომხმარებელი იღებს. იმ გუნდებისთვის, რომლებსაც მხოლოდ კონსულტაცია არ აკმაყოფილებთ, Forge სთავაზობს Mistral-ის საინჟინრო მხარდაჭერას (Forward-Deployed Engineers - FDE). ეს ინჟინრები უშუალოდ ერთვებიან კლიენტის გუნდში საჭირო მონაცემების მოსაძიებლად და სისტემის მათ საჭიროებებზე მოსარგებად — ეს არის მოდელი, რომელიც ნასესხებია ისეთი გიგანტებისგან, როგორიცაა IBM და Palantir.

ელისა სალამანკას თქმით, Forge უკვე აღჭურვილია ყველა საჭირო ხელსაწყოთი და ინფრასტრუქტურით სინთეზური მონაცემების მილსადენების შესაქმნელად. თუმცა, საწარმოებს ხშირად არ ჰყოფნით გამოცდილება სწორი შეფასების სისტემების (evals) შესაქმნელად და მონაცემების ოპტიმალური რაოდენობის განსასაზღვრად, რაშიც მათ სწორედ FDE ინჟინრები ეხმარებიან.

პარტნიორები და გამოყენების სფეროები

Mistral-მა Forge უკვე ხელმისაწვდომი გახადა ისეთი პარტნიორებისთვის, როგორიცაა Ericsson, ევროპის კოსმოსური სააგენტო (ESA), იტალიური საკონსულტაციო კომპანია Reply, ასევე სინგაპურის DSO და HTX. ადრეულ მომხმარებლებს შორისაა ჰოლანდიური ჩიპების მწარმოებელი ASML, რომელიც გასული წლის სექტემბერში Mistral-ის C სერიის დაფინანსების რაუნდს ხელმძღვანელობდა, სადაც კომპანია 11.7 მილიარდ ევროდ (დაახლოებით 13.8 მილიარდი დოლარი) შეფასდა.

Mistral-ის შემოსავლების დირექტორის, მარჯორი იანიევიჩის თქმით, Forge-ის ძირითადი გამოყენების შემთხვევები მოიცავს:

• მთავრობები: მოდელების მორგება კონკრეტულ ენასა და კულტურაზე;
• ფინანსური სექტორი: შესაბამისობის (compliance) მაღალი მოთხოვნების დაკმაყოფილება;
• წარმოება: სპეციფიკური პერსონალიზაციის საჭიროებები;
• ტექნოლოგიური კომპანიები: მოდელების მორგება საკუთარ კოდის ბაზაზე.