Model veštačke inteligencije treniran na ogromnoj količini teksta da razume i generiše prirodni jezik.
Veliki jezički model (engl. Large Language Model, LLM) je model treniran na ogromnoj količini teksta koji predviđa sledeći token i tako generiše smislen jezik. Na njemu počivaju asistenti poput Claude, ChatGPT i Gemini. Model ne pretražuje bazu odgovora, već iz naučenih obrazaca svaki put iznova sastavlja tekst.
Kako radi u praksi
Obuka teče u dve faze. U prvoj model čita nepregledne količine teksta i uči da pogodi šta sledi, čime usput usvaja gramatiku, činjenice i način na koji se ideje povezuju. U drugoj fazi ga ljudi i dodatni postupci usmeravaju da odgovara korisno, jasno i bezbedno, pa se od modela koji samo nastavlja tekst dobija asistent koji sluša uputstva.
Kada mu pošaljete pitanje, model ceo razgovor pretvori u tokene i računa verovatnoću za sledeći token, pa za onaj posle njega, sve dok ne završi odgovor. Zato isti prompt ume da da dva različita odgovora, i zato model odgovara podjednako tečno i kada zna i kada ne zna. Sve što je model video u razgovoru staje u kontekstni prozor, a sve što je izvan njega za model ne postoji.
Zašto je bitno i gde se sreće
LLM je zajednički temelj gotovo svega što se danas naziva AI proizvodom: asistenata za pisanje i programiranje, pretrage sa odgovorima, prevoda, sažimanja dokumenata i podrške korisnicima. Kroz pozivanje alata isti model postaje osnova za AI agente, jer umesto teksta može da pokrene akciju.
U poslovnoj upotrebi model retko radi sam. Oko njega se gradi sloj koji dovlači podatke iz firme, čuva pravila ponašanja i beleži šta je model uradio. Izbor modela tada postaje odluka o ceni, brzini i pouzdanosti, a ne samo o tome ko je „najpametniji" na testovima.
Česta zabluda
Najveća zabluda je da model pretražuje internet ili proverava činjenice dok odgovara. Osnovni model radi po sećanju iz obuke, pa uverljivo iznese i netačan podatak, što se naziva halucinacija. Ako mu je potreban svež ili privatan podatak, treba mu ga dostaviti, najčešće tehnikom RAG ili alatom za pretragu.
Druga česta greška je verovanje da model „pamti" prethodne razgovore sam od sebe. Pamćenje je uvek nečiji sloj iznad modela koji prethodni tekst ubacuje nazad u kontekst. Treća je pretpostavka da je veći model uvek bolji: za veliki broj zadataka manji i brži model daje isti rezultat uz znatno nižu cenu.