Vysvětlení velkých tabulkových modelů: Porozumění nové formě generativní AI

Large tabular model je typ systému generativní AI, který dokáže analyzovat rozsáhlé tabulky a další druhy uspořádaných datových sad, jako jsou miliardy platebních transakcí přehledně uložených v pevných řádcích a sloupcích. Pomocí těchto datových sad může vyhledávat vzorce a vytvářet předpovědi. Tímto způsobem může pomoci odhalit trendy a chování, které by bylo pro lidi nebo jiné typy softwaru těžké odhalit. 

Velké jazykové modely, které pohánějí systémy ChatGPT od OpenAI a Gemini od Google, se trénují na textu, obrázcích a videích, což se označuje jako nestrukturovaná data. Jsou obzvlášť dobré v vytváření podobných typů obsahu, jako jsou povídky nebo obrázky, a dají se použít i k vývoji softwarového kódu.

Model LTM je trénován na strukturovaných datech, jako jsou řádky a sloupce záznamů o transakcích. Modely LTM excelují v nacházení vzorců, předpovídání chování a potenciálním vylepšování systémů v zákulisí.

Oba typy modelů generativní AI se trénují pomocí obrovských objemů dat – ať už se jedná o psaný text pro LLM, nebo o organizované datové sady pro LTM. Oba typy modelů pak mohou toto trénování využít k analýze a předpovídání.

Pro LLM to může znamenat předpovězení, jaké bude další slovo ve větě poté, co analyzovalo miliony a miliony vět. Díky tomu dokáže napsat nový příběh nebo text písně.

Pro LTM to může znamenat předpovězení další platební transakce dané osoby poté, co analyzovalo miliardy předchozích transakcí. Tímto způsobem může modely prevence podvodů informovat o tom, co je pravděpodobně legitimní transakce a co by mohl být podvod.

Zatímco modely LLM nejsou tak silné ve strukturovaných datech, modely LTM mívají vynikající výsledky při zpracování a analýze tohoto typu informací. Protože se modely LTM a LLM učí z různých typů dat, jeden nenahrazuje druhý. Spíše dělají každé něco jiného a mohou se vzájemně doplňovat. 

Modely LTM lze použít k analýze různých datových sad a strukturovaných dat, což uživatelům umožňuje nalézat nová spojení a získávat nové poznatky napříč velkými a různorodými tabulkami s mnoha řádky dat.

Ve finančních službách a platbách by model LTM mohl pomoci odhalovat podezřelé aktivity dříve a přesněji díky tomu, že se naučí vzorce z velkého množství transakčních dat. Dokázal by rozpoznat typické vzorce výdajů a rychle identifikovat, když něco náhle do daného vzorce nezapadá. Protože se model LTM učí, jak vypadá normální chování v mnoha situacích, může pomoci systémům pro odhalování podvodů také zabránit označování legitimních nákupů za podvody, čímž omezí zbytečné odmítání karet a zároveň bude nadále vyhledávat skutečná rizika.

Společnost Mastercard začala vyvíjet vlastní modely LTM vyškolené na miliardách anonymizovaných transakcí, aby mohla zkoumat přesně tyto druhy scénářů a využití. Věříme, že naše modely LTM by se daly použít pro kybernetickou bezpečnost, programy věrnosti a odměn, personalizační modely, optimalizaci portfolia a nástroje pro datovou analytiku. Navíc, protože je model LTM flexibilnější než stávající tradiční systémy umělé inteligence založené na strojovém učení, možná budeme moci používat hrstku modelů LTM namísto budování a údržby tisíců tradičnějších modelů strojového učení dnes.

Kromě plateb a finančních služeb by LTM bylo možné využít v jakémkoliv odvětví, které spravuje velké množství strukturovaných dat – od farmacie přes energetiku až po dopravu a logistiku –, aby organizace mohly ve svých datech odhalit nové poznatky.

Na základě veřejně dostupných informací k datu vydání tohoto článku se zdá, že v současné době existuje jen velmi málo – pokud vůbec nějaké – modelů LTM v ostrém provozu. Mnoho společností však dosud oznámilo pozitivní výsledky z výzkumu a vývoje vlastních modelů LTM a zdá se, že mnohé z nich směřují k jejich nasazení do výroby. Každý den se objevují nové zprávy o možnostech generativní umělé inteligence, takže lze očekávat rychlé změny a nové objevy týkající se LTM.

Zatím se zdá, že na rozdíl od velkých jazykových modelů (LLM) pracují velké tabulkové modely (LTM) spíše v zákulisí, kde posilují systémy prevence podvodů, analyzují velké soubory dat a vylepšují schopnosti datové vědy v rámci organizací.

Zatím nevíme, jak by modely LTM mohly interagovat s agenty AI. Modely LLM se dnes používají jako základ pro fungování mnoha typů agentů AI, jako je ChatGPT, ale u modelů LTM nejsou stejné případy použití tak očividné, protože se více využívají ke zlepšení a zefektivnění provozu a systémů organizací. Můžeme si však představit budoucnost, ve které by agent mohl spolupracovat s modelem LTM na řešení problémů reálného světa podobným způsobem, jakým to dnes probíhá u modelů LLM.

Agent by například mohl jednoho dne využít analýzu z LTM k tomu, aby vytvořil personalizovaná doporučení pro někoho, kdo nakupuje prostřednictvím chatbota s generativní umělou inteligencí. LTM by tak mohly v budoucnu pomáhat s rozvojem autonomního obchodu – nové a rozvíjející se formy maloobchodu, která k nakupování, vyhledávání a nákupům využívá tyto agenty.