개요
BigScience는 1,000명 이상의 연구자가 참여하여 1년 동안 진행된 공개 연구 협력으로 최초의 진정한 다국어 공개 출시 대규모 언어 모델 중 하나인 BLOOM을 제작했습니다. 이는 Big Tech 외부에서 구축된 투명한 커뮤니티 중심 AI의 랜드마크로서 중요합니다.
BigScience와 BLOOM 모델은 전략, 모델 액세스, 플랫폼 결정 및 생태계 파트너십의 맥락에서 가장 잘 이해됩니다.
심층 분석
BigScience는 2021년부터 2022년까지 진행되는 1년 연구 워크숍으로, Hugging Face가 주최하고 60개 이상의 국가, 250개 기관에서 1,000명 이상의 자원 봉사 연구원이 모였습니다. 2022년 7월에 발표된 헤드라인 출력은 1,760억 매개변수 자동 회귀 언어 모델인 BLOOM이었습니다. BLOOM은 의도적으로 다국어를 사용했으며, 46개의 자연어와 13개의 프로그래밍 언어를 포괄하는 ROOTS 코퍼스에 대해 교육을 받았으며 여러 아프리카 및 남아시아 언어와 같이 잘 표현되지 않은 언어를 강력하게 표현했습니다. 훈련은 약 384개의 GPU를 사용하여 프랑스의 공공 자금 지원을 받는 Jean Zay 슈퍼컴퓨터에서 몇 달 동안 실행되었습니다. BLOOM은 데이터, 교육 및 사용 목적에 대한 전체 문서가 포함된 책임 있는 AI 라이선스에 따라 출시되었으며, 이는 유사한 모델의 폐쇄적 개발과 뚜렷한 대조를 이룹니다.
기술적 통찰력
BLOOM은 학습된 위치 벡터 대신 ALiBi 위치 임베딩을 사용하는 GPT-3와 유사한 규모의 디코더 전용 변환기로, 이는 훈련에서 볼 수 있는 것보다 더 긴 시퀀스로 추정하는 데 도움이 됩니다. 또한 대규모 훈련 안정성을 향상시키는 임베딩 레이어 정규화를 적용합니다. 다국어 ROOTS 코퍼스는 신중하게 수집되고 문서화되어 언어 혼합 및 데이터 소스가 투명하고 감사 가능하며 불투명하게 스크랩된 데이터 세트에서 의도적으로 벗어났습니다.
BigScience와 BLOOM 모델 익히기
BigScience는 1,000명 이상의 연구자가 참여하여 1년 동안 진행된 공개 연구 협력으로 최초의 진정한 다국어 공개 출시 대규모 언어 모델 중 하나인 BLOOM을 제작했습니다. 이는 Big Tech 외부에서 구축된 투명한 커뮤니티 중심 AI의 랜드마크로서 중요합니다. BigScience와 BLOOM 모델은 전략, 모델 액세스, 플랫폼 결정 및 생태계 파트너십의 맥락에서 가장 잘 이해됩니다. 깊은 이해를 구축하려면 BigScience와 BLOOM 모델을 단일 기능이 아닌 운영 모델로 취급하십시오. 원하는 결과를 정의하고, 가정을 명확히 하며, 시스템이 안정적으로 수행할 수 있는 작업과 여전히 전문가 판단이 필요한 작업을 분리하세요.
실제로 BigScience와 BLOOM 모델을 사용하는 강력한 팀은 커밋하기 전에 공급업체 전략, 로드맵 안정성 및 종속 위험을 평가합니다. 명시적인 성공 기준을 문서화하고, 현실적인 데이터 및 워크플로를 기준으로 테스트하며, 일회성 벤치마크 승리보다는 관찰된 실패 패턴을 기반으로 반복합니다. 이론적 이해가 제품, 정책, 운영 전반에 걸쳐 지속 가능한 역량으로 바뀌는 곳입니다.
공급업체 로드맵은 팀이 다음에 구축할 수 있는 기능에 영향을 미칩니다. 동시에 출시 발표는 실제 생산 워크플로의 안정성보다 앞설 수 있습니다. 가장 탄력적인 접근 방식은 실험 속도와 거버넌스 규율을 결합하는 것입니다. 즉, 파일럿 실행, 증거 캡처, 결정 로그 게시, 모델 동작, 사용자 기대 및 규제 요구 사항이 발전함에 따라 보호 장치를 지속적으로 업데이트합니다.
전략적 영향
공급업체 로드맵은 팀이 다음에 구축할 수 있는 기능에 영향을 미칩니다.
공급업체 로드맵은 팀이 다음에 구축할 수 있는 기능에 영향을 미칩니다. 고품질 배포에서는 이는 측정 가능한 운영 규칙, 소유권 경계 및 반복적인 검토 의식으로 변환되므로 팀은 모호성을 확장하는 대신 자신감을 확장할 수 있습니다.
상업적 조건과 배포 옵션은 장기적인 비용과 위험에 영향을 미칩니다.
상업적 조건과 배포 옵션은 장기적인 비용과 위험에 영향을 미칩니다. 고품질 배포에서는 이는 측정 가능한 운영 규칙, 소유권 경계 및 반복적인 검토 의식으로 변환되므로 팀은 모호성을 확장하는 대신 자신감을 확장할 수 있습니다.
회사 인센티브는 제품 기본값, 안전 태세 및 개방성을 형성합니다.
회사 인센티브는 제품 기본값, 안전 태세 및 개방성을 형성합니다. 고품질 배포에서는 이는 측정 가능한 운영 규칙, 소유권 경계 및 반복적인 검토 의식으로 변환되므로 팀은 모호성을 확장하는 대신 자신감을 확장할 수 있습니다.
실제 구현
상업용 모델에서 제대로 지원되지 않는 언어를 포함하여 수십 개의 언어로 텍스트 생성 및 완성
편견, 다국어 전달 및 확장 행동을 연구하기 위한 공개 연구 기준선 역할을 합니다.
영어가 아닌 커뮤니티를 위한 BLOOMZ와 같은 작업별 또는 지침에 따른 변형으로 미세 조정
훈련 데이터 출처와 책임 있는 AI 라이선스를 연구하는 학자들을 위해 완벽하게 문서화된 모델 제공
구현 패턴
BigScience와 BLOOM 모델의 실제 사례
상업용 모델에서 제대로 지원되지 않는 언어를 포함하여 수십 개의 언어로 텍스트를 생성하고 완성합니다.
상용 모델에서 서비스가 부족한 언어를 포함하여 수십 가지 언어로 텍스트를 생성하고 완성합니다. 팀은 일반적으로 품질 임계값을 미리 정의하고, 극단적인 경우에 대한 인적 에스컬레이션 경로를 유지하고, 시간이 지남에 따라 생산성 향상과 오류 비용을 모두 추적할 때 더 나은 결과를 얻습니다.
BigScience와 BLOOM 모델의 실제 사례
편견, 다국어 전달 및 확장 행동을 연구하기 위한 공개 연구 기준선 역할을 합니다.
편향, 다국어 전송 및 확장 동작을 연구하기 위한 개방형 연구 기준으로 사용됩니다. 팀은 일반적으로 품질 임계값을 미리 정의하고, 극단적인 경우에 대한 인적 에스컬레이션 경로를 유지하고, 시간이 지남에 따라 생산성 향상과 오류 비용을 모두 추적할 때 더 나은 결과를 얻습니다.
BigScience와 BLOOM 모델의 실제 사례
영어가 아닌 커뮤니티를 위한 BLOOMZ와 같은 작업별 또는 지침에 따른 변형으로 미세 조정합니다.
영어가 아닌 커뮤니티를 위한 BLOOMZ와 같은 작업별 또는 지침에 따른 변형으로 미세 조정 팀은 일반적으로 품질 임계값을 미리 정의하고, 극단적인 경우에 대한 인적 에스컬레이션 경로를 유지하고, 시간이 지남에 따라 생산성 향상과 오류 비용을 모두 추적할 때 더 나은 결과를 얻습니다.
BigScience와 BLOOM 모델의 실제 사례
훈련 데이터 출처와 책임 있는 AI 라이선스를 연구하는 학자들을 위해 완벽하게 문서화된 모델을 제공합니다.
교육 데이터 출처 및 책임 있는 AI 라이센싱을 연구하는 학자들을 위해 완벽하게 문서화된 모델을 제공합니다. 팀은 일반적으로 품질 임계값을 미리 정의하고, 극단적인 경우에 대한 인적 에스컬레이션 경로를 유지하고, 시간이 지남에 따라 생산성 향상과 오류 비용을 모두 추적할 때 더 나은 결과를 얻습니다.
위험 및 가드레일
출시 발표는 실제 생산 워크플로의 안정성보다 앞설 수 있습니다.
API 가격 책정이나 정책 변경으로 인해 하룻밤 사이에 가정이 깨질 수 있습니다.
단일 공급업체 종속성은 종속 및 마이그레이션 비용을 증가시킵니다.
구현 로드맵
자체 작업과 데이터 세트를 사용하여 공급자를 평가합니다.
자체 작업과 데이터 세트를 사용하여 공급자를 평가합니다. 각 단계를 증거 게이트로 처리합니다. 기준이 충족되지 않으면 롤아웃을 일시 중지하고 간격을 좁힌 다음 사용을 확장합니다.
통합하기 전에 개인정보 보호, 보안, 법적 약관을 검토하세요.
통합하기 전에 개인정보 보호, 보안, 법적 약관을 검토하세요. 각 단계를 증거 게이트로 처리합니다. 기준이 충족되지 않으면 롤아웃을 일시 중지하고 간격을 좁힌 다음 사용을 확장합니다.
모델이나 공급업체 전반에 걸쳐 대체 계획을 유지합니다.
모델이나 공급업체 전반에 걸쳐 대체 계획을 유지합니다. 각 단계를 증거 게이트로 처리합니다. 기준이 충족되지 않으면 롤아웃을 일시 중지하고 간격을 좁힌 다음 사용을 확장합니다.
로드맵 변경으로 인해 팀이 놀라지 않도록 릴리스 노트를 모니터링하세요.
로드맵 변경으로 인해 팀이 놀라지 않도록 릴리스 노트를 모니터링하세요. 각 단계를 증거 게이트로 처리합니다. 기준이 충족되지 않으면 롤아웃을 일시 중지하고 간격을 좁힌 다음 사용을 확장합니다.