Introdução

À medida que as empresas buscam cada vez mais aproveitar Modelos de Linguagem de Grande Escala (LLMs) para diversas tarefas geradoras de valor, navegar pelo panorama legal em torno do seu uso é fundamental. Antes de integrar esses modelos em operações comerciais, é crucial compreender as licenças e estruturas legais que regem sua utilização. Este blog tem como objetivo eliminar quaisquer incertezas sobre o licenciamento de LLMs, garantindo uma jornada tranquila, livre de complicações legais ao empregá-los, adaptá-los ou distribuí-los.

Por que os LLMs são importantes para os negócios?

Os LLMs desempenham um papel crucial na melhoria das operações comerciais e no aumento do engajamento do cliente. Por exemplo, eles podem:

1. Desenvolver chatbots capazes de lidar com consultas de clientes e resolver problemas, resultando em maior satisfação do cliente e redução dos custos de serviço.
2. Produzir materiais de marketing personalizados que ressoam melhor com o público-alvo, melhorando assim o alcance e aumentando as taxas de conversão.
3. Auxiliar na qualificação de leads e suporte de vendas, facilitando o fechamento de mais negócios e a geração de receita.
4. Analisar dados para obter insights acionáveis, permitindo que as empresas tomem decisões informadas e aumentem a lucratividade.

Diferentes tipos de licenças e o que significam?

Aqui está uma tabela com algumas das licenças comuns que os LLMs possuem:

Entender o panorama das licenças de código aberto é crucial para empresas que desejam aproveitar modelos comercialmente viáveis. Em meio à variedade de licenças, algumas se destacam, cada uma com suas disposições e implicações distintas. Vamos simplificá-las:

• Apache 2.0: Esta licença permissiva permite uso, modificação e distribuição irrestritos, mesmo para fins comerciais, com a exigência de reconhecer as modificações. É como um amigo generoso compartilhando brinquedos, dizendo: “Divirta-se, apenas dê crédito.”
• Licença MIT: Outra opção permissiva, permite praticamente qualquer uso, incluindo comercial, com foco na simplicidade. Não possui concessões explícitas de patentes, mas exige atribuição. Imagine um bibliotecário dizendo: “Leia, compartilhe, apenas lembre-se de onde veio.”
• CC BY-SA-4.0: Creative Commons Atribuição-CompartilhaIgual 4.0 permite vários usos, incluindo comercial, mas exige que obras derivadas sejam compartilhadas sob a mesma licença. Imagine pegar uma receita emprestada com a condição de compartilhar quaisquer ajustes da mesma forma.
• OpenRAIL-M v1: Adaptado para modelos de IA, permite uso comercial com considerações éticas e de segurança, assemelhando-se a um ancião responsável que garante o uso sábio.
• Licenças BSD: BSD-2-Clause permite uso amplo, enquanto BSD-3-Clause adiciona uma cláusula para impedir o uso do nome do licenciante sem permissão. É como pegar ferramentas emprestadas com um lembrete educado de creditar o proprietário.
• MPL-2.0: Mozilla Public License 2.0 é uma licença copyleft fraca que permite integração em projetos proprietários, com alterações permanecendo sob a MPL. Pense em um amigo astuto compartilhando sua criação, esperando crédito pelas modificações.
• Ms-PL: Microsoft Public License é permissiva, mas com condições sobre obras maiores e agrupamento. É como um mentor compartilhando anotações, esperando respeito pelas origens.
• CC0: Creative Commons Zero é uma dedicação de domínio público, permitindo uso irrestrito sem restrições de direitos autorais. É como um filósofo compartilhando ideias para todos usarem livremente.
• Unlicense: Renuncia a todas as reivindicações de direitos autorais, concedendo liberdade absoluta para uso, modificação e distribuição. É como um jardineiro abrindo seu jardim para todos.

Compreender essas licenças é prático, orientando as empresas a selecionar modelos que se alinhem às suas necessidades em meio a várias restrições e permissões.

Quais são alguns casos de uso comercial para LLMs?

Numerosas aplicações comerciais aproveitam Modelos de Linguagem de Grande Escala (LLMs). Aqui estão alguns exemplos:

1. Atendimento ao Cliente: A Autodesk utiliza o IBM Watson Assistant para alimentar seu chatbot de atendimento ao cliente, gerenciando mais de 100.000 casos de serviço mensalmente. O chatbot resolve rapidamente problemas simples e direciona os clientes para agentes humanos em casos complexos, melhorando os tempos de resposta e a satisfação.
2. Marketing: A Persado utiliza LLMs para criar linguagem de marketing que ressoa efetivamente com o público. Ao analisar a linguagem e as emoções em todos os canais de marketing, a Persado gera variações de conteúdo personalizadas e otimizadas para engajamento, levando a taxas de conversão mais altas.
3. Vendas: A Salesforce aprimora sua plataforma Salesforce Einstein com LLMs, ajudando os representantes de vendas a priorizar leads com maior potencial de conversão. O Einstein analisa as interações com os clientes, prevê comportamentos futuros e permite abordagens personalizadas para cada prospect.
4. Criação de Conteúdo: O Heliograf do The Washington Post gera automaticamente reportagens curtas e postagens em redes sociais usando tecnologia LLM, permitindo que os repórteres se concentrem no jornalismo aprofundado. O Heliograf produziu aproximadamente 850 artigos em seu primeiro ano, mostrando a eficiência dos LLMs na escalabilidade da produção de conteúdo.
5. Avaliação e Gerenciamento de Riscos: Em setores como finanças e seguros, os LLMs são empregados para avaliação e gerenciamento de riscos. A Lemonade, uma empresa de seguros orientada por tecnologia, utiliza LLMs para analisar grandes volumes de dados para subscrição e processamento de sinistros. Esses modelos avaliam fatores de risco a partir de informações textuais em pedidos ou relatórios de sinistros, aumentando a eficiência e precisão do processo de subscrição.

Potenciais Aspectos Negativos dos LLMs no Uso Comercial

A proliferação de desinformação em conteúdo comercial representa um risco significativo com a implantação de Modelos de Linguagem de Grande Escala (LLMs). Supervisão inadequada pode levar à geração de material de marketing impreciso ou exagerado, minando a confiança do consumidor e prejudicando a reputação da marca. Um exemplo tangível surgiu quando um site de viagens empregou um LLM para criar descrições de destinos, algumas das quais foram consideradas embelezadas ou incorretas, impactando a credibilidade do site.

Além disso, vieses inerentes aos dados de treinamento dos LLMs podem se perpetuar em modelos implantados comercialmente, como aqueles usados em chatbots de atendimento ao cliente ou recrutamento. Por exemplo, uma ferramenta de recrutamento de IA amplamente utilizada exibiu viés contra mulheres, refletindo disparidades históricas nos dados de contratação e potencialmente expondo as empresas a responsabilidades legais e reputacionais.

As preocupações com privacidade também são grandes no manuseio de dados de clientes por LLMs. Exemplos como o chatbot de atendimento ao cliente baseado em LLM de uma empresa de rastreadores de fitness que inadvertidamente vazou dados pessoais de saúde ressaltam a importância de medidas robustas de proteção de dados.

Além disso, a adoção de LLMs para várias tarefas pode levar ao deslocamento de empregos em setores específicos, como administração, suporte ao cliente e serviços de paralegal. Por exemplo, a implementação de um sistema baseado em LLM para geração de relatórios financeiros por um banco reduziu a necessidade de analistas financeiros, impactando o emprego no setor.

Para mitigar esses riscos, as empresas podem implementar medidas como validação rigorosa de conteúdo, auditorias de viés, protocolos rígidos de privacidade e estratégias de automação equilibradas que incluam iniciativas de requalificação para funcionários afetados. Ao reconhecer e se preparar para esses desafios, as empresas podem aproveitar os benefícios dos LLMs enquanto mitigam possíveis desvantagens.

Quais modelos posso usar?

O desafio de utilizar Modelos de Linguagem de Grande Escala (LLMs) para fins comerciais reside em sua potencial falta de abertura ou restrições ao uso comercial, particularmente modelos baseados no modelo LLaMA da Meta. Isso pode implicar que as empresas tenham que arcar com custos para uso ou sejam incapazes de utilizá-los completamente. Além disso, algumas empresas podem priorizar modelos de código aberto por razões como transparência e liberdade de personalizar o código.

Felizmente, existem numerosos modelos de linguagem de grande escala disponíveis para uso comercial:

1. Bloom: Um LLM multilíngue de acesso aberto com 176 bilhões de parâmetros, licenciado sob bigscience-bloom-rail-1.0. É restrito de certos casos de uso, como aconselhamento médico.

2. Dolly 2.0: Um LLM de 12B parâmetros baseado na família de modelos EleutherAI Pythia, ajustado em um conjunto de dados de instruções gerado por humanos. Totalmente open source e adequado para uso em pesquisa e comercial.

3. Cerebras LLMs: A Cerebras lançou sete LLMs de código aberto, variando de 111 milhões a 13 bilhões de parâmetros, projetados para casos de uso comercial e de pesquisa com fins lucrativos. Licenciados sob Apache 2.0.

4. Modelos Eleuther AI (Polyglot, GPT Neo, GPT NeoX, GPT-J, Pythia): A EleutherAI treinou e lançou vários LLMs juntamente com suas bases de código de treinamento, amplamente utilizados em aplicações de pesquisa de código aberto.

5. H2O GPT: Um grande LLM com 20 bilhões de parâmetros, adequado para uso comercial, treinado em vários conjuntos de dados e oferecendo desempenho de última geração.

6. FLAN do Google: Os modelos FLAN-T5 do Google, incluindo FLAN-UL2, são de código aberto e disponíveis para uso comercial sob a licença Apache 2.0.

7. StableLM: Lançado pela Stability AI, o StableLM inclui os modelos StableLM-Alpha e StableVicuna, construídos sobre o conjunto de dados The Pile. Os checkpoints do modelo base são licenciados sob CC BY-SA-4.0, enquanto os checkpoints ajustados estão sob CC BY-NC-SA-4.0, alinhando-se com as diretrizes de licença do Alpaca de Stanford.

8. novita.ai: O Novita AI LLM oferece conversas ilimitadas por meio de APIs de Inferência poderosas. Com preços mais baixos e modelos escaláveis, a API de Inferência LLM da Novita AI oferece incrível estabilidade e latência muito baixa em menos de 2 segundos. O desempenho do LLM pode ser altamente aprimorado com a API de Inferência LLM da Novita AI.

Esses modelos oferecem uma gama de capacidades e opções de licenciamento para empresas que desejam aproveitar LLMs para diversas aplicações.

Conclusão

Em conclusão, à medida que as empresas navegam pelo panorama dos Modelos de Linguagem de Grande Escala (LLMs) para uso comercial, é essencial considerar vários fatores, incluindo licenciamento, benefícios potenciais e riscos associados. Embora os LLMs ofereçam imenso potencial para melhorar operações, engajar clientes e impulsionar o crescimento em vários setores, eles também apresentam desafios como complexidades legais, disseminação de desinformação, perpetuação de vieses, preocupações com privacidade e deslocamento de empregos.

Para aproveitar efetivamente os benefícios dos LLMs enquanto mitigam riscos, as empresas devem adotar medidas proativas, como validação rigorosa de conteúdo, auditorias de viés, protocolos rígidos de privacidade e estratégias de automação inclusivas. Além disso, a disponibilidade de LLMs de código aberto oferece alternativas para empresas que buscam transparência e oportunidades de personalização.

À medida que o campo dos LLMs continua a evoluir, as empresas devem se manter informadas sobre acordos de licenciamento, avanços tecnológicos e melhores práticas para tomar decisões informadas que estejam alinhadas com seus objetivos e valores. Ao equilibrar inovação e responsabilidade, as empresas podem aproveitar o potencial transformador dos LLMs para impulsionar o crescimento sustentável e o sucesso na era digital.

novita.ai, a plataforma completa para criatividade ilimitada que oferece acesso a mais de 100 APIs. Da geração de imagens e processamento de linguagem ao aprimoramento de áudio e manipulação de vídeo, pagamento conforme o uso barato, libera você das preocupações com manutenção de GPU enquanto constrói seus próprios produtos. Experimente gratuitamente.

Leitura recomendada

Qual é a diferença entre LLM e GPT

Previsões do LLM Leaderboard 2024 Reveladas

Novita AI LLM Inference Engine: a maior taxa de transferência e a inferência mais barata disponível