还记得一年前，也就是去年11月，在我们知道ChatGPT之前，机器学习还只是建立模型来解决贷款审批或欺诈保护等单一任务吗?随着广义法学硕士的兴起，这种方法似乎已经过时了，但事实是，广义模型并不适合所有问题，基于任务的模型仍然存在，并且在企业中表现良好。
在法学硕士兴起之前，这些基于任务的模型一直是企业中大多数人工智能的基础，而且它们不会消失。这就是亚马逊首席技术官沃纳·沃格尔斯在本周的主题演讲中所说的“优秀的老式人工智能”，在他看来，这种人工智能仍在解决许多现实世界的问题。
亚马逊Bedrock的总经理阿图尔•迪奥(Atul Deo)也认为，任务模型不会轻易消失。今年早些时候，亚马逊推出了该产品，目的是通过api插入各种大型语言模型。相反，它们已经成为武器库中的另一种人工智能工具。
“在大型语言模型出现之前，我们主要处于特定于任务的世界。我们的想法是，你可以从零开始训练一个模型来完成一项特定的任务，”Deo告诉TechCrunch。他说，任务模型和法学硕士之间的主要区别在于，一个是针对特定任务进行训练的，而另一个可以处理模型边界之外的事情。
投资公司Madrona的合伙人乔恩•图罗(Jon Turow)曾在AWS工作了近10年。他表示，业界一直在讨论大型语言模型中的新兴能力，比如推理和域外健壮性。他说:“这使你能够超越对模型最初预期的狭隘定义。”但是，他补充说，这些能力能走多远还有待商榷。
和Deo一样，Turow也认为任务模型不会突然消失。他说:“任务特定模型显然仍有一席之地，因为它们可以更小、更快、更便宜，在某些情况下甚至性能更高，因为它们是为特定任务设计的。”
但通用模式的诱惑不容忽视。迪奥说:“当你从一个公司的整体层面来看，当有数百个机器学习模型被单独训练时，这是没有任何意义的。”“然而，如果你选择一个功能更强大的大型语言模型，你可以立即获得可重用性的好处，同时允许你使用一个模型来处理一堆不同的用例。”
对于亚马逊来说，该公司的机器学习运营平台SageMaker仍然是一个关键产品，它的目标客户是数据科学家，而不是像Bedrock那样的开发人员。该公司报告称，数以万计的客户正在制造数百万款车型。放弃这一点将是鲁莽的，坦率地说，仅仅因为法学硕士是当下的潮流，并不意味着以前的技术在未来一段时间内不会保持相关性。
企业软件尤其不会以这种方式工作。没有人会因为新事物的出现而抛弃他们的重大投资，即使是像当前大型语言模型那样强大的新事物。值得注意的是，亚马逊本周宣布了对SageMaker的升级，旨在管理大型语言模型。
在这些功能更强大的大型语言模型出现之前，任务模型实际上是唯一的选择，这就是公司如何通过建立一个数据科学家团队来帮助开发这些模型的方法。在面向开发人员的大型语言模型时代，数据科学家的角色是什么?图罗认为，即使在专注于法学硕士的公司，他们仍然有一项关键的工作要做。
他说:“他们将对数据进行批判性思考，这实际上是一个正在增长而不是缩小的角色。”不管模型是什么，Turow认为数据科学家将帮助人们理解大公司内部人工智能和数据之间的关系。
他说:“我认为我们每个人都需要真正批判性地思考人工智能能做什么和不能做什么，以及数据能做什么和不能做什么。”不管你是在建立一个更广义的大型语言模型还是一个任务模型，这都是正确的。
这就是为什么这两种方法将在未来一段时间内继续同时工作，因为有时越大越好，有时则不然。
