TL;DR

ด้วยการเพิ่มขึ้นของโมเดลภาษาขนาดใหญ่ความต้องการการปรับเปลี่ยนในแบบของคุณในซอฟต์แวร์จึงเพิ่มขึ้นอย่างที่ไม่เคยมีมาก่อน แพลตฟอร์ม Honcho ที่เพิ่งเปิดตัวใหม่ของ Plastic Labs ใช้วิธีการ "plug-and-play" ที่ออกแบบมาเพื่อช่วยนักพัฒนาจากการคิดค้นวงล้อใหม่เมื่อต้องสร้างโปรไฟล์ผู้ใช้ที่ลึกล้ํา

ในวันที่ 11 เมษายน (ตามเวลาปักกิ่ง) บริษัท Startup ด้าน AI ชื่อ Plastic Labs ประกาศว่าได้จัดทำการระดมทุนรอบ Pre-Seed ในจำนวน 5.35 ล้านเหรียญสหรัฐฯ รอบนี้ได้รับการนำโดย Variant, White Star Capital, และ Betaworks มีการเข้าร่วมด้วย Mozilla Ventures, Seed Club Ventures, Greycroft, และ Differential Ventures นักลงทุนแห่งทีม มี Scott Moore, NiMA Asghari, และ Thomas Howell ในเวลาเดียวกัน แพลตฟอร์ม AI identity ที่ปรับใช้ตัวตนของตน Honcho ได้เปิดให้บริการล่วงหน้า

เนื่องจากโครงการยังอยู่ในช่วงเริ่มต้น ทัวร์คริปโตชุมชนทั้งหลายรู้มาน้อยเกี่ยวกับ Plastic Labs พร้อมกับประกาศของ Plastic ใน X เกี่ยวกับการระดมทุนและการเปิดตัวผลิตภัณฑ์ ดาเนียล บาราบันเดอร์ — ผู้ร่วมก่อตั้งและที่ปรึกษาทั่วไปที่ Variant ผู้ลงทุนหลัก — ได้แบ่งปันการวิเคราะห์อย่างละเอียดเกี่ยวกับโครงการและแพลตฟอร์ม Honcho ของมัน ส่วนเนื้อหาต้นฉบับคือดังนี้

ด้วยการเพิ่มขึ้นของแอปพลิเคชันโมเดลภาษาขนาดใหญ่ (LLM) ความต้องการการปรับเปลี่ยนในแบบของคุณในซอฟต์แวร์จึงเพิ่มขึ้นอย่างไม่เคยปรากฏมาก่อน แอปพลิเคชันเหล่านี้อาศัยภาษาธรรมชาติซึ่งเปลี่ยนแปลงไปตามบุคคลที่คุณกําลังพูดด้วยเช่นเดียวกับวิธีที่คุณจะอธิบายแนวคิดทางคณิตศาสตร์ที่แตกต่างจากปู่ย่าตายายของคุณมากกว่าพ่อแม่หรือลูก ๆ ของคุณ คุณปรับแต่งการสื่อสารของคุณกับผู้ชมของคุณโดยสัญชาตญาณและแอปพลิเคชัน LLM ต้อง "เข้าใจ" ในทํานองเดียวกันว่าพวกเขากําลังโต้ตอบกับใครเพื่อมอบประสบการณ์ที่มีประสิทธิภาพและเป็นส่วนตัวมากขึ้น ไม่ว่าจะเป็นผู้ช่วยบําบัดที่ปรึกษากฎหมายหรือเพื่อนร่วมทางช้อปปิ้งแอปพลิเคชันเหล่านี้ต้องการความเข้าใจที่แท้จริงของผู้ใช้เพื่อส่งมอบคุณค่าที่แท้จริง

อย่างไรก็ตาม แม้จะมีความสำคัญอย่างมากในเรื่องของการปรับใช้ส่วนตัว แต่ในปัจจุบันยังไม่มีทางเลือกที่พร้อมใช้งานให้ LLM applications สามารถผสานเข้าไปได้อย่างง่ายดาย นักพัฒนามักต้องรวมระบบที่แตกต่างกันมาเก่าบกเก้าเพื่อเก็บข้อมูลผู้ใช้ (โดยทั่วไปเป็นรูปแบบของบันทึกการสนทนา) และดึงข้อมูลนั้นออกมาเมื่อจำเป็น ผลลัพธ์ที่ตามมาคือทีมละทีมจะต้องสร้างโครงสร้างการจัดการสถานะผู้ใช้ของตนเองขึ้นมาใหม่ แย่อีกที เทคนิคเช่นการจัดเก็บปฏิสัมพันธุ์ของผู้ใช้ในฐานข้อมูลเวกเตอร์ และการใช้เทคนิคการค้นหาและสร้าง (RAG) สามารถเรียกความสนทนาในอดีตเท่านั้น แต่ไม่สามารถจับรากธรรมของผู้ใช้เช่นความสนใจ วิธีการสื่อสาร หรือความอ่อนไหวต่อลักษณะของเสียงได้

Plastic Labs เปิดตัว Honcho ซึ่งเป็นแพลตฟอร์มแบบ plug-and-play ที่ช่วยให้นักพัฒนาสามารถใช้การปรับเปลี่ยนในแบบของคุณในแอปพลิเคชัน LLM ได้อย่างง่ายดาย แทนที่จะสร้างแบบจําลองผู้ใช้ตั้งแต่เริ่มต้นนักพัฒนาสามารถรวม Honcho เพื่อเข้าถึงโปรไฟล์ผู้ใช้ที่สมบูรณ์และถาวรได้ทันที โปรไฟล์เหล่านี้นอกเหนือไปจากวิธีการแบบดั้งเดิมที่สามารถนําเสนอได้ด้วยการใช้เทคนิคที่ทันสมัยของทีมจากวิทยาศาสตร์ความรู้ความเข้าใจ นอกจากนี้ยังรองรับการสืบค้นภาษาธรรมชาติทําให้ LLM สามารถปรับพฤติกรรมของพวกเขาแบบไดนามิกตามโปรไฟล์ของผู้ใช้

ด้วยการขจัดความซับซ้อนของการจัดการสถานะผู้ใช้ Honcho เปิดประตูสู่ระดับใหม่ของประสบการณ์ที่เป็นส่วนตัวมากเกินไปสําหรับแอปพลิเคชัน LLM แต่ความสําคัญของมันไปไกลกว่านั้น: โปรไฟล์ผู้ใช้ที่หลากหลายและเป็นนามธรรมที่สร้างโดย Honcho ยังปูทางไปสู่ "เลเยอร์ข้อมูลผู้ใช้ที่ใช้ร่วมกัน" ที่เข้าใจยาก

ในอดีต พยายามที่จะสร้างเลเยอร์ข้อมูลผู้ใช้ร่วมกันล้มเหลวเนื่องจากเหตุผลหลัก 2 ประการ

• ขาดความสามารถในการทํางานร่วมกัน: ข้อมูลผู้ใช้แบบดั้งเดิมมักจะจับคู่กับบริบทของแอปพลิเคชันที่เฉพาะเจาะจงอย่างแน่นหนาทําให้ยากต่อการโยกย้ายข้ามแอป ตัวอย่างเช่นแพลตฟอร์มโซเชียลเช่น X อาจจําลองผู้ใช้ตามผู้ที่ติดตาม แต่ข้อมูลนั้นให้คุณค่าเพียงเล็กน้อยสําหรับเครือข่ายมืออาชีพบน LinkedIn ในทางกลับกัน Honcho จับลักษณะผู้ใช้ที่สูงขึ้นและเป็นสากลมากขึ้นซึ่งสามารถให้บริการแอปพลิเคชัน LLM ใด ๆ ได้อย่างราบรื่น ตัวอย่างเช่นหากแอปติวเตอร์พบว่าผู้ใช้เรียนรู้ได้ดีที่สุดผ่านการเปรียบเทียบผู้ช่วยบําบัดสามารถใช้ประโยชน์จากข้อมูลเชิงลึกเดียวกันนั้นเพื่อสื่อสารได้อย่างมีประสิทธิภาพมากขึ้นแม้ว่ากรณีการใช้งานทั้งสองจะแตกต่างกันโดยสิ้นเชิง

• ขาดคุณค่าในทันที: เลเยอร์ที่ใช้ร่วมกันก่อนหน้านี้พยายามดึงดูดผู้ใช้แอปพลิเคชันรายแรกๆ เนื่องจากไม่ได้ให้ประโยชน์ที่จับต้องได้ล่วงหน้า แม้ว่าผู้ใช้รายแรกๆ เหล่านี้จะเป็นกุญแจสําคัญในการสร้างข้อมูลที่มีค่าก็ตาม Honcho ใช้วิธีการที่แตกต่างกัน: ก่อนอื่นจะแก้ปัญหา "หลัก" ของการจัดการสถานะผู้ใช้สําหรับแต่ละแอปพลิเคชัน เมื่อมีแอปเข้าร่วมมากขึ้นเอฟเฟกต์เครือข่ายที่เกิดขึ้นจะจัดการกับ "ปัญหารอง" ตามธรรมชาติ แอปพลิเคชันใหม่จะไม่เพียง แต่รวมเข้าด้วยกันเพื่อการปรับเปลี่ยนในแบบของคุณ แต่ยังจะได้รับประโยชน์จากโปรไฟล์ผู้ใช้ที่ใช้ร่วมกันที่มีอยู่ตั้งแต่เริ่มแรกโดยข้ามปัญหาที่เริ่มต้นเย็นอย่างสมบูรณ์

ปัจจุบันแอปพลิเคชันหลายร้อยรายการอยู่ในรายชื่อรอเบต้าแบบปิดของ Honcho ซึ่งครอบคลุมกรณีการใช้งานเช่นการฝึกสอนการกู้คืนการเสพติดเพื่อนทางการศึกษาผู้ช่วยอ่านและเครื่องมืออีคอมเมิร์ซ กลยุทธ์ของทีมคือการมุ่งเน้นไปที่การแก้ปัญหาความท้าทายหลักของการจัดการสถานะผู้ใช้สําหรับแอปก่อน จากนั้นจึงค่อยๆ เปิดตัวชั้นข้อมูลที่แชร์ไปยังแอปที่เข้าร่วม เลเยอร์นี้จะได้รับการสนับสนุนโดยสิ่งจูงใจที่เข้ารหัส: ผู้รวมระบบในช่วงต้นจะได้รับส่วนแบ่งความเป็นเจ้าของในชั้นข้อมูลและได้รับประโยชน์จากการเติบโต นอกจากนี้กลไกบล็อกเชนจะช่วยให้มั่นใจได้ว่าระบบยังคงกระจายอํานาจและเชื่อถือได้บรรเทาความกังวลเกี่ยวกับหน่วยงานส่วนกลางที่ดึงมูลค่าหรือสร้างผลิตภัณฑ์ที่แข่งขันกัน

Variant เชื่อว่าทีมงาน Plastic Labs มีตำแหน่งที่ดีในการแก้ปัญหาในการจำแนกแบบจำลองผู้ใช้ในซอฟต์แวร์ที่ขับเคลื่อนด้วย LLM ทีมงานได้ประสบปัญหานี้โดยตรงขณะกำลังสร้าง Bloom แอปพลิเคชันสอนพิเศษที่ใช้แชท และเข้าใจว่าแอปนั้นไม่สามารถเข้าใจนักเรียนหรือสไตล์การเรียนของพวกเขาจริงๆ Honcho เกิดขึ้นจากความรู้สึกนี้ - และตอนนี้กำลังแก้ไขปัญหาที่ทุกนักพัฒนาแอปพลิเคชัน LLM จะต้องเผชิญ

ข้อความปฏิเสธความรับผิดชอบ:

1. บทความนี้ถูกเผยแพร่ใหม่จาก [ PANews]. ลิขสิทธิ์เป็นของผู้เขียนต้นฉบับ [Zen]. หากคุณมีข้อกังวลเรื่องการเผยแพร่ซ้ำ โปรดติดต่อGate Learnทีม ที่จะช่วยเหลือแก้ไขปัญหาผ่านช่องทางที่เหมาะสม

2. คำประกาศ: มุมมองและความคิดเห็นที่แสดงในบทความนี้เป็นเพียงของผู้เขียนเท่านั้น และไม่ใช่คำแนะนำในการลงทุน

3. เวอร์ชันภาษาอื่นของบทความนี้ได้รับการแปลโดยทีม Gate Learn อย่าทำสำเนา แจกจ่าย หรือลอกเลียนแบบเวอร์ชันที่แปลนี้โดยไม่มีการให้เครดิตถูกต้องGate.io.