Con l’esplosione dei Modelli Linguistici (LLM), sia aperti che chiusi, il mercato è saturo di opzioni. Tuttavia, solo poche aziende riescono a trasformare questa abbondanza in applicazioni pratiche e tangibili.
Mentre la proliferazione dei LLM rappresenta un progresso significativo per l’IA, l’enorme quantità di modelli disponibili supera di gran lunga lo sviluppo di applicazioni pratiche. La maggior parte dei modelli non va oltre l’essere sperimentati dagli sviluppatori, senza tradursi in utilizzo reale.
La competizione nel settore è feroce. I nuovi modelli spesso soppiantano rapidamente quelli precedenti. Tuttavia, molti di essi finiscono per essere poco utilizzati nonostante le loro promesse iniziali.
Questa abbondanza di LLM di base, senza innovazioni significative, è ora nota come “inquinamento LLM”. Invece di promuovere innovazioni trasformative, il mercato è sommerso da modelli ridondanti o poco utilizzati.
Secondo Naveen Rao di Databricks, la maggior parte dei modelli di base fallirà perché mancano di differenziazione o capacità di risolvere problemi reali.
È ora di spostare l’attenzione dalle semplici capacità tecniche dei modelli verso la loro utilità pratica e le implicazioni sociali. Concentrarsi sulle applicazioni pratiche e sulla risoluzione dei problemi del mondo reale con i LLM è essenziale per guidare l’adozione diffusa.
Inoltre, è necessario definire con precisione i casi d’uso dei modelli prima di svilupparne ulteriori in diverse lingue. L’era dell’inquinamento LLM richiede una riflessione critica sulle priorità dell’innovazione nell’ambito dell’IA.