Az előadás az MI-infrastruktúra jelenlegi átalakulását mutatja be, amelynek motorja a megerősítéses tanulás (reinforcement learning, RL). Felvetődik a kérdés, mi lehet az a megújuló adathalmaz, amely újabb áttörésekhez vezethet, mivel a hagyományos – például internetről származó – adatok már kimerülőben vannak.
Részletesen szó esik a nagy nyelvi modellek finomhangolásának fejlődéséről: az algoritmusok új generációi, például a különféle RL-alapú módszerek, egyre hatékonyabban szabják testre az MI-ügynökök működését. Kitérnek arra is, hogy a specializált, kis méretű modellek – megfelelő tanítással – képesek jelentősen felülmúlni a nagyobb, általános modelleket bizonyos feladatokban.
Bemutatnak egy esettanulmányt, amely egy e-mail kereső ügynök finomhangolására koncentrál. A példán keresztül megvizsgálják az MRL hatását a megbízhatóságra, költségekre és válaszidőkre, kiemelve az egyedi felhasználói igényekhez igazított ügynökök előnyeit.
Végül az előadás piaci és üzleti szemszögből is elemzi, hogyan rajzolhatja át az utólagos tanítás és a lekérdezés – vagyis a post-training és az inference – kategóriáinak összemosódása az MI-szolgáltatók ökoszisztémáját.
