آیا هوش مصنوعی صورت حساب ابری شما را منفجر کرد؟

شرکت ها باید علاقه خود به هوش مصنوعی را با هزینه های ابری متعادل کنند. زمان خوبی است که به ارزش واقعی هوش مصنوعی مبتنی بر ابر نگاه کنید.

اصطلاح هوش مصنوعی اولین بار در پیشنهادی در سال ۱۹۵۵ برای مطالعه ای که توسط جان مک کارتی از کالج دارتموث، ماروین مینسکی از دانشگاه هاروارد، ناتانیل روچستر در IBM و کلود شانون در آزمایشگاه تلفن بل ارائه شد، استفاده شد. . این اتفاق قبل از تولد من افتاد. به نظر من این موضوع بسیار مهم است که هوش مصنوعی مدتها قبل از اینکه ما قدرت محاسباتی و ذخیره سازی مورد نیاز برای کارکرد آن را داشته باشیم مورد بحث قرار گرفته است.

من به‌عنوان یک تحلیلگر پشتیبانی تصمیم که تازه از دانشگاه خارج شده‌ام، سیستم‌های هوش مصنوعی اولیه را ساختم که برای کار کردن خیلی گران بودند، بنابراین فقط در شرایط تخصصی مورد استفاده قرار می‌گرفتند. این یک فناوری خاص بود. به دلیل هزینه های بالای عملیاتی، هوش مصنوعی از اوایل دهه ۱۹۸۰ تا حدود ۵ تا ۷ سال پیش محبوبیت خود را کاهش داد. اکنون، مدل مصرف بر اساس تقاضای رایانش ابری و فناوری هوش مصنوعی بسیار بهتر، هزینه‌های عملیاتی را به میزان قابل توجهی کاهش داده‌اند و هوش مصنوعی مجدداً برای فناوری اطلاعات سازمانی مورد توجه قرار گرفته است.

ارائه‌دهندگان ابر عمومی، نیروی محرکه‌ی تجدید حیات فعلی هوش مصنوعی هستند. حتی اگر فناوری هوش مصنوعی اکنون بهتر بهینه شده است (و اجازه دهید بپذیریم که بازی کردن با آن سرگرم کننده است)، باید ارزش تجاری را که می تواند برگرداند و زمانی که ROI وجود ندارد، کاملاً درک کنید.

چه چیزی برای هوش مصنوعی ارزشمندتر از چرخه‌های محاسباتی ارزان‌تر و قدرتمندتر است؟ این واقعیت که ذخیره سازی یک کالا است. هوش مصنوعی قدرت خود را از یادگیری داده ها و درک الگوهای آن داده های یادگیری می گیرد، نه از الگوریتم های هوشمندانه نوشته شده. هرچه داده های بیشتری در دسترس یک مدل یادگیری باشد، داده ها متمرکزتر می شوند و دانش یا درک بهتری ایجاد می کند.

علیرغم هزینه‌های عملیاتی بسیار پایین‌تر و ارزش بالقوه‌ای که هوش مصنوعی و یادگیری ماشینی می‌توانند برای یک کسب‌وکار به ارمغان بیاورند، بازدهی در بسیاری از موارد کم است. سال ۲۰۲۲ سال افزایش عظیم هزینه های ابر بود. استفاده نادرست یک شرکت از منابع ابری به طور کلی باعث ایجاد بیشتر هزینه های ابری می شود. در برخی موارد، این به معنای انتخاب سیستم‌های AI/ML ابری است که جایگزین‌های عمل‌گرایانه‌تر می‌توانند ارزش بیشتری را برگردانند.

بسیاری از سیستم‌های AI/ML برای نگهداری بسیار گران‌تر هستند. مهارت های تخصصی برای ساخت و استقرار این سیستم ها و سپس راه اندازی آنها مورد نیاز است. “هوش مصنوعی ابری” فقط به این معنی است که پردازش و ذخیره سازی داده ها خارج از سازمان است. حجم عظیمی از داده‌های هدف کلی و هدف‌سازی شده برای به حرکت درآوردن موتورهای هوش مصنوعی مورد نیاز است و این داده‌ها باید به‌طور مداوم ذخیره، مدیریت و ایمن شوند. همچنین باید با انطباق داده ها مقابله کنید.

در بسیاری از موارد، کسب‌وکار نیازهای سفارشی دارد که به داده‌های آموزشی سفارشی نیاز دارد که بخشی از پایگاه داده تجاری معاملاتی همه‌منظوره نیست، اما برای پشتیبانی از یک نیاز خاص سیستم هوش مصنوعی یکباره است. این به معنای فضای ذخیره‌سازی بیشتر، برچسب‌گذاری بیشتر، پخش جریانی بیشتر و هزینه‌های عملیاتی بیشتر است.

همه اینها ممکن است ارزش آن را داشته باشد اگر مورد استفاده تجاری قوی وجود داشته باشد. در بسیاری از موارد، وجود ندارد. در دسترس بودن آسان هوش مصنوعی منجر به استفاده از آن در جاهایی شد که نیازی به آن نیست.

برای مثال، یک مورد استفاده از صدا برای هوش مصنوعی ممکن است یک سیستم ثبت سفارش فروش باشد که از یادگیری ماشینی برای تعیین توصیه‌هایی استفاده می‌کند که به‌طور خودکار به مشتریانی که سفارش آنلاین سفارش می‌دهند ارائه می‌شوند. هوش مصنوعی می تواند فروش را افزایش دهد و در نتیجه ارزش تجاری را بازگرداند. با این حال، هوش مصنوعی اغلب در سیستم‌های تراکنش سنتی استفاده می‌شود، جایی که فقط یک مزیت جزئی را فراهم می‌کند. یک مثال از سوء استفاده، اجرای هوش مصنوعی برای بررسی آدرس حمل و نقل معتبر برای کاهش خطاهای حمل و نقل است.

به یاد داشته باشید، هر مورد استفاده از هوش مصنوعی دو جنبه دارد. در مثال دوم، پس انداز حمل و نقل می تواند چند هزار در ماه باشد، که خوب است. اما هزینه توسعه و راه اندازی سیستم هوش مصنوعی مبتنی بر ابر می تواند تا ۲۰ برابر این مقدار در ماه باشد که بد است. راه‌حل‌های درخواستی وجود دارد که از هوش مصنوعی استفاده نمی‌کنند، اما به همان اندازه مؤثر یا مؤثر هستند و می‌توان آن را با چند صد دلار در سال تهیه کرد.

مشکل در گیتینگ است. ارائه دهندگان و مشاوران Cloud اغلب هوش مصنوعی را برای موارد استفاده توصیه می کنند که ROI مورد نیاز برای کسب و کار را فراهم نمی کند. اگر کسی سؤالات سخت‌تر را نپرسد یا اگر یک مورد تجاری محکم هرگز ساخته نشود، از بین می‌رود.

این مهم نیست که آیا هوش مصنوعی کار می‌کند یا خیر، همیشه کار می‌کند. این استفاده نادرست از سیستم های هوش مصنوعی در فضای ابری است که ارزش را از کسب و کار حذف می کند. به اندازه کافی این اشتباه را انجام دهید و کسب و کار دیگر وجود نخواهد داشت.

من از هوش مصنوعی یا هوش مصنوعی در فضای ابری عقب نشینی نمی کنم. من برنامه‌های شگفت‌انگیزی ساخته‌ام که از مفاهیم و فناوری‌های هوش مصنوعی استفاده می‌کنند، و در آینده خیلی بیشتر خواهم ساخت. این فناوری می تواند کارهای باورنکردنی انجام دهد. با این حال، مانند هر فناوری دیگری، هوش مصنوعی جایگاه خود را دارد. ما باید بیشتر مراقب بازگشت سرمایه استفاده از آن باشیم.