Ce qu'il faut pour créer un produit GPT-3


Lorsque Open-AI a présenté GPT-3 l'année dernière, il a été accueilli avec beaucoup d'enthousiasme. Peu de temps après la sortie de GPT-3, les gens ont commencé à utiliser le modèle de langage massif pour écrire automatiquement des e-mails et des articles, résumer du texte, composer de la poésie, créer des mises en page de sites Web et générer du code pour l'apprentissage en profondeur en Python. Il y avait une impression que tous les types de nouvelles entreprises émergeraient en plus de GPT-3.

Huit mois plus tard, GPT-3 continue d'être une expérience scientifique impressionnante dans la recherche sur l'intelligence artificielle. Mais il reste à voir si GPT-3 sera une plate-forme pour démocratiser la création d'applications basées sur l'IA.

Certes, une technologie de rupture peut nécessiter plus de temps pour créer un marché durable, et GPT-3 est sans précédent à bien des égards. Mais les développements jusqu'à présent montrent que ceux qui bénéficieront le plus de GPT-3 sont les entreprises qui exercent déjà une grande partie du pouvoir de l'IA, et non celles qui veulent repartir de zéro.

GPT-3 d'un point de vue scientifique

En ce qui concerne la recherche sur le traitement du langage naturel, GPT-3 n'est pas une percée. Comme d'autres modèles de langage basés uniquement sur l'apprentissage en profondeur, il lutte avec le bon sens et n'est pas bon pour traiter des connaissances abstraites. Mais c'est tout de même remarquable et montre que vous pouvez toujours faire bouger l'aiguille sur la PNL en créant des réseaux de neurones encore plus grands et en leur fournissant plus de données qu'auparavant. GPT-3 a dépassé son prédécesseur en taille de plus de deux ordres de grandeur et a été formé sur au moins dix fois plus de données.

Le résultat était un modèle de langage capable d'effectuer un apprentissage sans et avec peu de coups. Cela signifie essentiellement que vous pouvez utiliser GPT-3 pour de nombreuses applications sans écrire de code, sans perdre du temps et des ressources coûteuses à le recycler, et sans apporter de modifications à l'architecture. Et pour de nombreuses applications, il vous suffit de montrer au modèle d'IA un ou deux exemples de la sortie que vous attendez, et il commence à effectuer la tâche sur une nouvelle entrée avec une précision remarquable.

Cette performance a conduit à des spéculations selon lesquelles GPT-3 permettrait aux développeurs de créer des applications basées sur l'IA sans une connaissance approfondie de l'apprentissage en profondeur. Et cela conduirait finalement à une nouvelle génération d'entrepreneurs qui créeraient de nouvelles entreprises en plus de GPT-3.

Mais ce n’est pas ainsi que fonctionne l’intelligence artificielle.

GPT-3 d'un point de vue commercial

La décision d’OpenAI de commercialiser GPT-3 était en grande partie due au besoin de financement durable de la société. Le laboratoire de recherche sur l'IA brûle beaucoup d'argent pour former ses modèles d'IA et couvrir les salaires de ses scientifiques. Et il ne pouvait pas continuer à fonctionner grâce aux dons des fondateurs et des bailleurs de fonds. Il lui fallait une source de revenus durable. Et une partie de cela proviendra de la location de son immense modèle linguistique à d'autres entreprises.

L'un des avantages de la fourniture de GPT-3 en tant que service cloud est qu'elle supprime les défis techniques et financiers liés à l'exécution du modèle d'IA. Au lieu de subir les difficultés et les coûts de mise en place d'un cluster de serveurs pouvant exécuter GPT-3, les développeurs peuvent utiliser directement le modèle de langage via les API et payer au fur et à mesure qu'ils l'utilisent.

Mais si le service GPT-3 d'OpenAI évite la complexité des modèles de langage assis, il ne supprime pas les autres défis liés à la création de produits à succès:

  • Prouvez que vous résolvez un problème réel avec lequel les gens sont aux prises
  • Prouvez que vous le résolvez au moins dix fois mieux que d'autres sur le marché
  • Prouvez que vous pouvez fournir vos services à grande échelle
  • Avoir une feuille de route pour la rentabilité, où le coût d'acquisition d'un client est inférieur au revenu moyen par client
  • Avoir un modèle commercial qui ne peut pas être copié par les concurrents

Ce dernier point est important. Prenons, par exemple, Amazon. Créer un clone Amazon n'est pas impossible. Alors pourquoi aucun autre produit n'a détrôné le géant du commerce électronique? Amazon a construit un gros «fossé» autour de sa plate-forme grâce à des effets de réseau: les acheteurs continuent de se rendre sur Amazon parce que c'est là que se trouvent les vendeurs. Les vendeurs continuent de vendre leurs produits sur Amazon, car c'est là que se trouvent les acheteurs. Ainsi, quelle que soit la qualité d'un clone Amazon que vous créez, à moins que vous ne puissiez amener une masse critique d'acheteurs et de vendeurs sur votre plate-forme, vous ne pourrez pas arracher la concurrence au «magasin de tout» de manière rentable et durable. .

Créer des applications rentables sur GPT-3

Lorsqu'il s'agit de lancer des produits basés sur l'apprentissage automatique, la concurrence est définie non seulement par les effets et les fonctionnalités de réseau, mais également par les usines d'IA:

  • Vous devez disposer d'une infrastructure solide qui consolide les données nécessaires pour entraîner vos modèles d'IA
  • Vous devez avoir les moyens de collecter de nouvelles données de qualité pour apprendre en permanence des interactions des utilisateurs avec votre produit et affiner vos algorithmes

Par exemple, Amazon dispose de nombreuses données historiques sur les achats des clients. Cela permet à l'entreprise de développer des algorithmes d'apprentissage automatique qui peuvent fournir des suggestions pertinentes aux clients ou rendre sa chaîne d'approvisionnement plus efficace. Ces algorithmes améliorent les ventes, optimisent l'expédition et la livraison et réduisent les coûts d'exploitation, donnant à Amazon un avantage sur les autres plates-formes de commerce électronique. Cet avantage apporte plus d'utilisateurs à Amazon. Les utilisateurs génèrent à leur tour plus de données, offrant à Amazon encore plus d'opportunités d'apprendre, d'améliorer ses algorithmes et d'essayer de nouvelles fonctionnalités basées sur l'IA. Tant qu'Amazon pourra maintenir ce cycle, il continuera de dominer le paysage du commerce électronique.

Les entreprises qui souhaitent concurrencer Amazon doivent non seulement répliquer ses produits, mais également surmonter l'énorme barrière de données d'Amazon.

C'est là que GPT-3 devient un peu problématique. Le modèle de langage est sa propre usine d'IA. Un système d'apprentissage zéro-shot fourni en tant que service d'API cloud n'est pas destiné à apprendre de nouvelles choses. Tout ce qu'il contient sort de la boîte et vous ne pouvez pas changer le modèle d'IA sous-jacent. Et si OpenAI améliore GPT-3 au fil du temps (ce qu'il fera probablement), il fournira immédiatement le modèle mis à niveau à tous les clients API en même temps.

Le modèle de langage nivelle le terrain pour tout le monde. Toute application que vous créez sur GPT-3 peut facilement être clonée par un autre développeur.

Cela m'amène à mon point principal: vous ne pouvez pas compter sur GPT-3 pour créer un produit complet et un modèle commercial fonctionnel sans prendre de mesures supplémentaires pour consolider votre position sur le marché. D'autre part, GPT-3 peut être une bonne plate-forme pour ajouter des éléments cruciaux à des applications qui ont déjà une part de marché importante.

Startups GPT-3

Depuis le lancement de la version bêta de GPT-3, nous avons vu un certain nombre de nouvelles startups qui visent à utiliser le modèle de langage pour créer différentes applications. Alex Schmitt, investisseur chez Cherry Ventures, a compilé une belle liste de projets GPT-3, y compris plusieurs produits allant de la génération automatisée de copies Web et publicitaires à la rédaction de CV et à la création de sites Web.

Bien que certaines de ces applications semblent résoudre un problème réel, je ne vois pas la plupart d’entre elles avoir un modèle commercial durable.

Par exemple, une entreprise commercialise son application comme «le premier générateur de CV optimisé par GPT-3» qui complète automatiquement le contenu du CV au fur et à mesure que vous tapez. Cela pourrait être une application utile, mais je ne vois pas comment cela pourrait être une entreprise durable.

D'une part, l'une des principales sources de revenus des applications basées sur le cloud est les revenus récurrents des utilisateurs abonnés. Et par conséquent, le générateur de CV GPT-3 propose plusieurs plans d'abonnement mensuels. Mais les gens n'ont pas besoin de rédiger des CV tous les mois, le produit aura donc probablement un taux de désabonnement très élevé, car la plupart des utilisateurs partiront dans le premier mois suivant leur inscription.

De plus, je ne vois pas pourquoi Microsoft, qui possède déjà une licence GPT-3 exclusive et possède LinkedIn, n'ajouterait pas cette fonctionnalité à sa suite Office gratuitement ou à faible coût si elle s'avère être un véritable changeur de jeu. .

Un autre exemple est Copysmith, une entreprise qui utilise GPT-3 pour "rédiger des annonces, des descriptions, des métadonnées, des pages de destination, des articles de blog et plus en quelques secondes." C'est un domaine dans lequel GPT-3 pourrait avoir des résultats prometteurs. Je ne pense pas que GPT-3 soit un bon outil pour rédiger des analyses approfondies et des articles d'opinion sur des sujets complexes. Mais il peut certainement prendre des tâches plus simples telles que l'aide à la rédaction d'une copie Web.

Vous fournissez à Copysmith une invite telle que le nom de votre entreprise, le public cible et une brève description, et il génère du texte pour les annonces, les descriptions de produits, le texte marketing, etc.

Il est à noter que le texte généré par GPT-3 n'est pas parfait et a encore besoin d'être peaufiné, mais il pourrait améliorer la productivité et réduire les coûts. Par exemple, une personne peut utiliser l'outil pour faire le travail de plusieurs rédacteurs de contenu et réduire les coûts de personnel (au grand dam des rédacteurs de contenu). Le prix mensuel comprend des forfaits de 19 $, 60 $ et 500 $, qui fournissent respectivement environ 500, 2 500 et 20 000 éléments de contenu original. Ainsi, il conviendrait aux entreprises individuelles ainsi qu'aux grandes usines de contenu qui desservent plusieurs clients.

Mais encore une fois, compte tenu de la faible barrière d'entrée liée à l'utilisation de GPT-3, je ne vois pas pourquoi d'autres entreprises ne copieraient pas le même modèle (Headlime est une autre entreprise qui fournit des fonctionnalités similaires). Alternativement, les grandes usines de contenu pourraient créer leur propre version interne de l'outil avec peu d'effort.

Une entreprise qui semble avoir gagné du terrain est OthersideAI, qui utilise GPT-3 pour générer des messages électroniques. Vous fournissez à OthersideAI des puces clés et cela génère un e-mail complet pour vous. L'IA utilise également la chaîne d'e-mails et la correspondance passée comme entrée pour personnaliser davantage le ton de l'e-mail.

Aucun plan tarifaire n'est disponible pour OthersideAI, et il est actuellement en phase bêta privée.

L'entreprise a levé 2,6 millions de dollars de financement pour créer son application, ce qui signifie qu'elle est sur quelque chose. Mais ce qui est intéressant, c'est que OthersideAI sait également que simplement mettre une bonne interface utilisateur au-dessus de GPT-3 n'est pas une bonne stratégie commerciale. La société a tweeté le 22 janvier: «Nous avons besoin de votre aide pour apprendre à notre générateur d'e-mails à rédiger une plus grande variété d'e-mails.»

GPT-3 est un modèle fermé et vous ne pouvez pas l'entraîner, ce qui signifie qu'il se passe plus sous le capot qu'une simple façade sur l'API GPT-3. Pour être clair, vous pouvez améliorer les performances de GPT-3 en lui fournissant un ou plusieurs exemples d’invites et de réponses. Le modèle de langage mappe ces nouveaux exemples à son vaste corpus de connaissances codées et l'applique à votre nouvelle invite pour créer une sortie plus spécialisée. Et l'entreprise compte probablement sur cela comme facteur de différenciation.

Ainsi, OthersideAI crée un fossé autour de son produit en rassemblant un large corpus d'exemples d'emails. Il peut ensuite utiliser ces données de différentes manières pour améliorer GPT-3 au-delà de sa configuration de base. Par exemple, l'entreprise peut créer un modèle d'apprentissage automatique beaucoup plus simple qui fait correspondre l'entrée de l'utilisateur à l'exemple le plus pertinent, puis alimente les deux vers GPT-3 pour générer le nouvel e-mail. Cela pourrait être une stratégie de travail. Mais cela peut aussi être un chemin dangereux qui engagera l'entreprise dans les problèmes de traitement des données des utilisateurs privés.

L'un des avantages d'AutresideAI est qu'il peut être intégré dans différentes applications de messagerie. Mais il sera intéressant de voir si des produits tels que Gmail ou Microsoft Outlook envisageront d'ajouter des fonctionnalités similaires à l'avenir.

Où se situe GPT-3 dans l'écosystème des applications?

Comme le montrent ces cas (je vous suggère d'explorer la liste complète des projets sur le site Web de Schmitt), GPT-3 n'est pas un moyen simple de créer une startup. Je m'attends certainement à ce que le modèle de langage et ses successeurs améliorent les applications existantes et deviennent une bonne plate-forme pour créer des outils internes de créativité. (Je suis particulièrement intéressé de voir comment Microsoft intégrera GPT-3 dans Office, Teams, Dynamics et Bing.)

Mais la création de nouvelles entreprises et de nouveaux produits rentables en plus de GPT-3 nécessite une planification minutieuse pour repousser les imitateurs et les concurrents. Et il est intéressant de noter que la façon de le faire n'est pas très différente de ce que font les autres entreprises d'IA: collecter des données de qualité, apprendre de nouvelles choses et créer de meilleurs modèles d'apprentissage automatique.

Ben Dickson est ingénieur logiciel et fondateur de TechTalks. Il écrit sur la technologie, les affaires et la politique.

Cette histoire est apparue à l'origine sur Bdtechtalks.com. Droits d'auteur 2021

VentureBeat

La mission de VentureBeat est d'être une place de ville numérique permettant aux décideurs techniques d'acquérir des connaissances sur la technologie transformatrice et d'effectuer des transactions.

Notre site fournit des informations essentielles sur les technologies de données et les stratégies pour vous guider dans la conduite de vos organisations. Nous vous invitons à devenir membre de notre communauté, pour accéder:

  • des informations à jour sur les sujets qui vous intéressent
  • nos newsletters
  • contenu de leader d'opinion fermé et accès à prix réduit à nos événements prisés, tels que Transform
  • fonctionnalités de mise en réseau, et plus

Devenir membre



Source link

On voit clairement qu’il est probable de se lancer rapidement sans argent et sans connaissance technique particulière. Je vous conseille de vous jeter rapidement en dropshipping indispensablement ne pas mettre trop d’argent sur votre site. Il vous faut principalement avoir un budget marchéage pour fabriquer venir internautes sur votre boutique : c’est le ligament de la guerre. Car tel que nous-mêmes l’ai dit, vous avez la possibilité avoir la plus belle boutique. Sans trafic, vous ne ferez ne de chiffre d’affaires. Une que vous aurez testé, votre marché vous pourrez alors commercer un stock.