Podejście Meta do generatywnej sztucznej inteligencji charakteryzuje się podwójnym poleganiem na zastrzeżonym modelu Llama i GPT-4 OpenAI.
Fortune donosi, że Meta wykorzystuje pragmatyczną strategię dla Metamate, wewnętrznego asystenta kodowania AI firmy Meta, wprowadzonego na początku 2024 roku. Narzędzie wykorzystuje GPT-4 OpenAI w funkcjonalności hybrydowej. Uwydatnia to wyzwania związane z osiągnięciem samowystarczalności w zakresie generatywnej sztucznej inteligencji, nawet jeśli Meta postrzega Llamę jako kamień węgielny swoich wysiłków innowacyjnych.
Mark Zuckerberg, dyrektor generalny Meta, konsekwentnie zachwalał możliwości Lamy, twierdząc, że jest ona „konkurencyjna z najbardziej zaawansowanymi modelami, a w niektórych przypadkach prowadzi i prognozuje, że Lama będzie w przyszłym roku „najbardziej zaawansowanym otwartym modelem w branży”. Jednak integracja GPT-4 z kluczowymi narzędzia takie jak Metamate odzwierciedlają rzeczywistą złożoność wdrażania zaawansowanych systemów sztucznej inteligencji na dużą skalę.
Metamate: hybrydowe narzędzie AI dla programistów
Metamate jest przykładem polegania Meta na wielu modelach w celu zaspokojenia różnorodnych potrzeb jego twórców narzędzie dynamicznie przełącza się między GPT-4 a Lamą w zależności od złożoności zapytań kodujących.
Pracownicy zaznajomieni z Metamate opisują go jako przydatnego asystenta do podstawowych zadań, ale zdają sobie sprawę z jego ograniczeń związanych z bardziej zaawansowaną inżynierią.. Jeden z pracowników określił go jako „co najmniej tak dobry jak stażysta”, podkreślając jego użyteczność w programowaniu powtarzalnym, ale ograniczone zastosowanie w rozwiązywaniu skomplikowanych wyzwań.
Chociaż integracja GPT-4 Metamate zapewnia solidną wydajność, podkreśla to również ograniczenia autorskiego modelu Llama firmy Meta Stoi to w sprzeczności z ambitnymi twierdzeniami wysuwanymi podczas premiery Code Llama, specjalistycznego rozszerzenia Llama 2 wprowadzonego w sierpniu. 2023.
Code Llama została zaprojektowana do obsługi zadań takich jak debugowanie, generowanie kodu i dokumentacja. Obsługuje języki programowania, w tym Python, Java i C++, oraz przetwarza do 100 000 tokenów kontekstu, umożliwiając jego efektywną pracę. z rozbudowanymi bazami kodu.
Code Llama wypadła konkurencyjnie w branżowych testach porównawczych, osiągając wyniki 53,7% w HumanEval i 56,2% w Mostly Basic Python Programowanie (MBPP). Pomimo tych osiągnięć, ciągłe poleganie przez Meta na GPT-4 w przypadku narzędzi takich jak Metamate, uwypukla trudności w skalowaniu Lamy w celu zaspokojenia praktycznych potrzeb użytkowników korporacyjnych.
Powiązane: Supermaven dołącza do Cursor, aby konkurować z GitHub Copilot w zakresie edycji kodu AI
Gemini firmy Google i rozwijający się krajobraz narzędzi kodowania AI
Podczas gdy Meta udoskonala swoją strategię hybrydową, konkurenci tacy jak Google również czynią postępy w obszarze kodowania sztucznej inteligencji. GitHub należący do Microsoftu jest obecnie liderem w dziedzinie kodowania AI dzięki GitHub Copilot na rynku, który Google również stara się przejąć.
Niedawno GitHub uruchomił nowe narzędzie do przeglądania kodu oparte na sztucznej inteligencji dla GitHub Copilot, oferując programistom szybszy i wydajniejszy sposób iteracji kodu. Firma Microsoft w dalszym ciągu włącza GitHub Copilot do swojego ekosystemu narzędzi dla programistów, ogłaszając niedawno mnóstwo nowych integracji i funkcji.
Z drugiej strony Google, niedawno uruchomiło Gemini Code Assist Enterprise, narzędzie AI zaprojektowane w celu wspierania rozwoju oprogramowania dla przedsiębiorstw.
Podobnie jak GitHub Copilot, Gemini integruje się z popularnymi zintegrowanymi środowiskami programistycznymi (IDE), takimi jak Visual Studio Code i JetBrains, gdzie oferuje zaawansowane funkcje, takie jak sugestie kodu uwzględniające kontekst, generowanie funkcji i tworzenie testów jednostkowych.
To, co wyróżnia Gemini, to zdolność do analizowania kontekstu lokalnego kodu programisty. Ta funkcja umożliwia bardziej dostosowane wskazówki w porównaniu do ogólnych narzędzi do uzupełniania kodu.
Gemini obsługuje również dostosowywanie dla organizacji, umożliwiając dostosowanie sugestii kodu do wewnętrznych standardów. Programiści mogą korzystać z Gemini w usługach Google Cloud, w tym Firebase i BigQuery, gdzie pomaga on w zapytaniach SQL i Python w celu przyspieszenia analizy danych.
Przy cenach zaczynających się od 19 USD za użytkownika rocznie, Gemini ma na celu przyciągnięcie przedsiębiorstw ze wszystkich rozmiary. Agresywne działania Google w tej przestrzeni pokrywają się z prognozami branżowymi firmy Gartner, które sugerują, że do 2028 r. prawie wszyscy programiści w przedsiębiorstwach będą polegać na narzędziach AI do kodowania.
Powiązane: Modele kodowania AI: Alibaba rozszerza serię Qwen2.5-Coder w obliczu globalnego nacisku na sztuczną inteligencję
Krytyka otwartości i przejrzystości sztucznej inteligencji
Meta zajęła pozycję Lama jako alternatywa typu open source dla wiodących modeli, takich jak GPT-4. Jednak twierdzenie to zostało poddane analizie. W badaniu przeprowadzonym na Uniwersytecie Radboud skrytykowano Meta za promowanie otwartości przy jednoczesnym zatajaniu kluczowych danych szkoleniowych, stwierdzając, że Llama 2 nie spełnia większości kryteriów otwartości.
Ta krytyka podkreśla szerszy trend branżowy, w którym firmy selektywnie udostępniają informacje o swojej sztucznej inteligencji modeli przy jednoczesnym zachowaniu ścisłej kontroli nad kluczowymi zbiorami danych.
Napięcie między twierdzeniami o przejrzystości a zastrzeżonymi strategiami nie jest wyłącznie cechą Meta. OpenAI, Google i Amazon spotkały się z podobną krytyką, gdy równoważą innowacje z presją konkurencyjną. Jednak poleganie Meta na GPT-4, pomimo jej retoryki o otwartym kodzie źródłowym, podkreśla praktyczne ograniczenia w osiągnięciu w pełni otwartego ekosystemu sztucznej inteligencji.
Podwójne poleganie Meta na GPT-4 i Lamie może odzwierciedlać pragmatyczne i mądre podejście podejście w obliczu złożoności we wdrażaniu narzędzi generatywnej sztucznej inteligencji. Podczas gdy wizja Zuckerberga dotycząca Lamy kładzie nacisk na niezależność i innowacyjność, włączenie GPT-4 do narzędzi takich jak Metamate ujawnia wyzwania związane z zaspokajaniem różnorodnych potrzeb przedsiębiorstw.
