Введение

По мере того как компании всё чаще стремятся использовать большие языковые модели (LLM) для разнообразных задач, приносящих ценность, навигация по правовому ландшафту их использования имеет первостепенное значение. Прежде чем интегрировать эти модели в коммерческие операции, крайне важно разобраться в лицензионных и правовых рамках, регулирующих их использование. Этот блог призван развеять неопределённости, связанные с лицензированием LLM, обеспечивая гладкий путь без юридических осложнений при их применении, адаптации или распространении.

Почему LLM важны для бизнеса?

LLM играют ключевую роль в улучшении бизнес-операций и повышении вовлечённости клиентов. Например, они могут:

1. Разрабатывать чат-ботов, способных отвечать на запросы клиентов и решать проблемы, что приводит к повышению удовлетворённости клиентов и снижению затрат на обслуживание.
2. Создавать персонализированные маркетинговые материалы, которые лучше резонируют с целевой аудиторией, улучшая охват и повышая коэффициент конверсии.
3. Помогать в квалификации лидов и поддержке продаж, способствуя увеличению числа закрытых сделок и росту выручки.
4. Анализировать данные для получения действенных инсайтов, позволяя компаниям принимать обоснованные решения и повышать прибыльность.

Различные типы лицензий и что они означают?

Ниже представлена таблица с некоторыми распространёнными лицензиями, которые встречаются у LLM:

Понимание ландшафта открытых лицензий критически важно для компаний, стремящихся использовать коммерчески жизнеспособные модели. Среди множества лицензий выделяются несколько, каждая со своими особыми положениями и последствиями. Давайте их упростим:

• Apache 2.0: Эта разрешительная лицензия позволяет неограниченное использование, модификацию и распространение, даже в коммерческих целях, с требованием указывать на внесённые изменения. Это похоже на щедрого друга, который делится игрушками со словами: «Пользуйся, просто отдай должное».
• Лицензия MIT: Ещё один разрешительный вариант, допускающий практически любое использование, включая коммерческое, с акцентом на простоту. В ней отсутствуют явные патентные отказы, но требуется указание авторства. Представьте библиотекаря, говорящего: «Читай, делись, просто помни, откуда это взялось».
• CC BY-SA-4.0: Creative Commons Attribution-ShareAlike 4.0 разрешает различное использование, включая коммерческое, но требует распространения производных работ под той же лицензией. Представьте, что вы берёте рецепт с условием делиться любыми изменениями в ответ.
• OpenRAIL-M v1: Специализированная лицензия для моделей ИИ, допускающая коммерческое использование с учётом этических соображений и требований безопасности, напоминает ответственного старшего, который следит за разумным использованием.
• Лицензии BSD: BSD-2-Clause разрешает широкое использование, а BSD-3-Clause добавляет пункт, запрещающий использование имени лицензиара без разрешения. Это как взять инструменты с вежливым напоминанием указать владельца.
• MPL-2.0: Mozilla Public License 2.0 — это слабая копилефт-лицензия, позволяющая интегрировать код в проприетарные проекты при условии, что изменения остаются под MPL. Напоминает изобретательного друга, который делится своим творением и ожидает указания авторства за изменения.
• Ms-PL: Microsoft Public License — разрешительная лицензия, но с условиями для более крупных работ и объединения. Похожа на наставника, который делится записями и ожидает уважения к их происхождению.
• CC0: Creative Commons Zero — это посвящение общественному достоянию, допускающее неограниченное использование без ограничений авторского права. Это как философ, который делится идеями для свободного использования всеми.
• Unlicense: Отказ от всех авторских прав, предоставляющий полную свободу использования, модификации и распространения. Это как садовник, открывающий свой сад для всех.

Понимание этих лицензий практично — оно помогает компаниям выбирать модели, соответствующие их потребностям, среди различных ограничений и разрешений.

Какие есть варианты коммерческого использования LLM?

Множество коммерческих приложений используют большие языковые модели (LLM). Вот несколько примеров:

1. Обслуживание клиентов: Компания Autodesk использует IBM Watson Assistant для своего чат-бота службы поддержки, обрабатывающего более 100 000 обращений в месяц. Чат-бот быстро решает простые вопросы и перенаправляет клиентов к живым операторам для сложных проблем, повышая скорость ответа и удовлетворённость.
2. Маркетинг: Persado использует LLM для создания маркетинговых текстов, которые эффективно находят отклик у аудитории. Анализируя язык и эмоции в маркетинговых каналах, Persado генерирует персонализированные варианты контента, оптимизированные для вовлечения, что приводит к повышению коэффициента конверсии.
3. Продажи: Salesforce улучшает свою платформу Salesforce Einstein с помощью LLM, помогая торговым представителям расставлять приоритеты для лидов с наибольшим потенциалом конверсии. Einstein анализирует взаимодействия с клиентами, прогнозирует будущее поведение и позволяет применять индивидуальный подход к каждому потенциальному клиенту.
4. Создание контента: Система Heliograf от The Washington Post автоматически генерирует короткие отчёты и посты в социальных сетях с помощью технологии LLM, позволяя журналистам сосредоточиться на углублённых материалах. За первый год Heliograf создала около 850 статей, демонстрируя эффективность LLM в масштабировании производства контента.
5. Оценка и управление рисками: В таких отраслях, как финансы и страхование, LLM используются для оценки рисков и управления ими. Lemonade, технологическая страховая компания, использует LLM для анализа больших объёмов данных при андеррайтинге и обработке страховых случаев. Эти модели оценивают факторы риска на основе текстовой информации из заявлений или отчётов о происшествиях, повышая эффективность и точность процесса андеррайтинга.

Потенциальные негативные стороны LLM в коммерческом использовании

Распространение дезинформации в коммерческом контенте представляет значительный риск при развёртывании больших языковых моделей (LLM). Недостаточный контроль может привести к созданию неточных или преувеличенных маркетинговых материалов, что подрывает доверие потребителей и наносит ущерб репутации бренда. Реальный пример: когда туристический сайт использовал LLM для создания описаний направлений, некоторые из них оказались приукрашенными или неверными, что сказалось на доверии к сайту.

Кроме того, предвзятость, заложенная в обучающих данных LLM, может сохраняться в коммерчески развёрнутых моделях, например, используемых в чат-ботах службы поддержки или рекрутинга. В частности, широко используемый ИИ-инструмент для подбора персонала проявил предвзятость по отношению к женщинам, отражая исторические диспропорции в данных о найме, что потенциально подвергает компании юридическим и репутационным рискам.

Проблемы конфиденциальности также приобретают масштаб при обработке данных клиентов с помощью LLM. Случаи, подобные тому, когда чат-бот на основе LLM от компании-производителя фитнес-трекеров случайно раскрыл личные медицинские данные, подчёркивают важность надёжных мер защиты данных.

Кроме того, внедрение LLM для различных задач может привести к потере рабочих мест в отдельных секторах, таких как административная работа, поддержка клиентов и услуги юридических помощников. Например, внедрение банком системы на основе LLM для генерации финансовых отчётов снизило потребность в финансовых аналитиках, что повлияло на занятость в этом секторе.

Чтобы смягчить эти риски, компании могут внедрять такие меры, как тщательная валидация контента, аудит предвзятости, строгие протоколы конфиденциальности и сбалансированные стратегии автоматизации, включающие программы переквалификации для затронутых сотрудников. Признавая и готовясь к этим вызовам, компании могут использовать преимущества LLM, одновременно смягчая потенциальные недостатки.

Какие модели можно использовать?

Проблема с использованием больших языковых моделей (LLM) в коммерческих целях заключается в их потенциальной закрытости или ограничениях на коммерческое использование, особенно моделей, основанных на LLaMA от Meta. Это может означать, что компаниям придётся либо платить за использование, либо вообще не иметь возможности их использовать. Кроме того, некоторые компании могут отдавать предпочтение моделям с открытым исходным кодом по причинам, таким как прозрачность и возможность свободной настройки кода.

К счастью, существует множество больших языковых моделей, доступных для коммерческого использования:

1. Bloom: Открытая многоязычная LLM с 176 миллиардами параметров, лицензированная под bigscience-bloom-rail-1.0. На неё накладываются ограничения на некоторые варианты использования, например, медицинские консультации.

   

2. Dolly 2.0: LLM с 12 миллиардами параметров на основе семейства моделей EleutherAI Pythia, доработанная на наборе инструкций, созданных человеком. Полностью открытый исходный код, подходит как для исследований, так и для коммерческого использования.

   

3. Cerebras LLMs: Cerebras выпустила семь открытых LLM от 111 миллионов до 13 миллиардов параметров, предназначенных как для исследовательских, так и для коммерческих целей. Лицензировано под Apache 2.0.

   

4. Модели Eleuther AI (Polyglot, GPT Neo, GPT NeoX, GPT-J, Pythia): EleutherAI обучила и выпустила несколько LLM вместе с их кодовыми базами для обучения, широко используемыми в исследовательских приложениях с открытым исходным кодом.

   

5. H2O GPT: Крупная LLM с 20 миллиардами параметров, подходящая для коммерческого использования, обученная на различных наборах данных и обеспечивающая современную производительность.

   

6. Google FLAN: Модели Google FLAN-T5, включая FLAN-UL2, имеют открытый исходный код и доступны для коммерческого использования под лицензией Apache 2.0.

   

7. StableLM: Выпущен Stability AI, включает модели StableLM-Alpha и StableVicuna, построенные на наборе данных The Pile. Контрольные точки базовой модели лицензированы под CC BY-SA-4.0, а доработанные контрольные точки — под CC BY-NC-SA-4.0, в соответствии с рекомендациями лицензии Stanford Alpaca.

   

8. novita.ai: Novita AI LLM предлагает вам неограниченные беседы через мощные API вывода. Благодаря самым низким ценам и масштабируемым моделям, Novita AI LLM Inference API обеспечивает вашу LLM невероятную стабильность и довольно низкую задержку (менее 2 секунд). Производительность LLM может быть значительно улучшена с помощью Novita AI LLM Inference API.

   

Эти модели предлагают широкий спектр возможностей и вариантов лицензирования для компаний, стремящихся использовать LLM в различных приложениях.

Заключение

В заключение, по мере того как компании ориентируются в пространстве больших языковых моделей (LLM) для коммерческого использования, необходимо учитывать различные факторы, включая лицензирование, потенциальные преимущества и связанные риски. Хотя LLM предлагают огромный потенциал для улучшения операций, вовлечения клиентов и стимулирования роста во многих секторах, они также создают проблемы, такие как юридические сложности, распространение дезинформации, сохранение предвзятости, проблемы конфиденциальности и замещение рабочих мест.

Чтобы эффективно использовать преимущества LLM, смягчая риски, компании должны применять проактивные меры, такие как тщательная валидация контента, аудит предвзятости, строгие протоколы конфиденциальности и инклюзивные стратегии автоматизации. Кроме того, доступность открытых LLM предлагает альтернативы для компаний, стремящихся к прозрачности и возможностям настройки.

Поскольку область LLM продолжает развиваться, компаниям следует быть в курсе лицензионных соглашений, технологических достижений и лучших практик, чтобы принимать обоснованные решения, соответствующие их целям и ценностям. Находя баланс между инновациями и ответственностью, компании могут использовать преобразующий потенциал LLM для обеспечения устойчивого роста и успеха в цифровую эпоху.

novita.ai — универсальная платформа для безграничного творчества, предоставляющая доступ к более чем 100 API. От генерации изображений и обработки языка до улучшения аудио и манипуляции видео, с недорогой оплатой по мере использования, она освобождает вас от забот по обслуживанию GPU, пока вы строите свои собственные продукты. Попробуйте бесплатно.

Рекомендуемое чтение

В чем разница между LLM и GPT

Прогнозы лидерборда LLM на 2024 год раскрыты

Novita AI LLM Inference Engine: самая высокая пропускная способность и самый дешёвый инференс