ما به کلاه قرمزی برای هوش مصنوعی نیاز داریم

ما هنوز منتظر یک فروشنده قابل اعتماد هستیم تا شرکت ها را از سردرگمی و حدس و گمان های هوش مصنوعی نجات دهد.

همه در حال انجام هوش مصنوعی هستند، اما هیچ کس دلیل آن را نمی داند. البته این یک اغراق است، اما به نظر می رسد که بازار بدون اوج بهره وری به اوج تبلیغات رسیده است. همانطور که مدیر عامل مونت کارلو، بار موزس از نظرسنجی اخیر ویکفیلد تأکید می‌کند، ۹۱ درصد از رهبران داده در حال ساخت هوش مصنوعی هستند. برنامه های کاربردی، اما دو سوم از همان گروه گفتند که به داده های خود به مدل های زبان بزرگ (LLM) اعتماد ندارند. به عبارت دیگر، آنها هوش مصنوعی را روی شن و ماسه می‌سازند.

برای موفقیت، باید فراتر از تبلیغات گیج کننده حرکت کنیم و به شرکت ها کمک کنیم هوش مصنوعی را درک کنند. به عبارت دیگر، ما به اعتماد بیشتر (مدل‌های باز) و قطعات متحرک کمتر (پلت‌فرم‌هایی که برای انتخاب و اعمال مدل‌ها نیاز به حدس و گمان دارند) نیاز داریم.

ممکن است برای هوش مصنوعی به کلاه قرمزی نیاز داشته باشیم. (همچنین این سوال را ایجاد می کند که چرا Red Hat به عنوان کلاه قرمزی هوش مصنوعی مطرح نمی شود؟)

مدلی که نیاز به پیچیدگی دارد

برایان استیونز، که در سال ۲۰۰۶ مدیر ارشد فناوری Red Hat بود، به من کمک کرد تا وابستگی کلیدی مدل تجاری Red Hat را درک کنم. همانطور که او در آن زمان اشاره کرد، “قرمز مدل کلاه به دلیل پیچیدگی فناوری کار می کند. یک پلت فرم عملیاتی دارای قطعات متحرک زیادی است و مشتریان مایلند هزینه ای بپردازند تا از این پیچیدگی عایق باشند. Red Hat توزیعی از لینوکس ایجاد می کند، بسته های خاصی را انتخاب می کند (پشته های شبکه، درایورهای چاپ و غیره) و سپس آن توزیع را برای مشتریان آزمایش/سخت می کند.

هر کس می تواند کد خام لینوکس را دانلود کند و توزیع خود را ایجاد کند و کارهای زیادی انجام دهد. اما نه شرکت های بزرگ. یا حتی شرکت های کوچک. آن‌ها خوشحالند که به Red Hat (یا فروشنده دیگری مانند AWS) پرداخت می‌کنند تا پیچیدگی کامپایل کردن مؤلفه‌ها را از بین ببرد و همه آنها را یکپارچه با هم کار کنند. نکته مهم این است که Red Hat همچنین به انواع بسته های منبع باز که یک توزیع لینوکس را تشکیل می دهند کمک می کند. این به شرکت‌های بزرگ این اطمینان را می‌دهد که در صورت انتخاب (بیشتر آنها) می‌توانند از لینوکس Red Hat Enterprise به روشی دور شوند که هرگز نمی‌توانند از یونیکس اختصاصی دور شوند.

این فرآیند ابهام زدایی از لینوکس، همراه با منبع باز که باعث ایجاد اعتماد در کد شد، Red Hat را به یک شرکت چند میلیارد دلاری تبدیل کرد. بازار به چیزی مشابه برای هوش مصنوعی نیاز دارد.

مدلی که پیچیدگی ایجاد می کند

OpenAI، هر چقدر هم که امروزه محبوب باشد، راه حل نیست. این فقط مشکل را با مدل های در حال تکثیر ترکیب می کند. OpenAI بیشتر و بیشتر از داده های شما را در LLM های خود پرتاب می کند، و آنها را بهتر می کند، اما استفاده از آن برای شرکت ها در تولید آسان تر نمی شود. تنها نیست. Google، Anthropic، Mistral، و غیره و غیره، همه دارای LLM هایی هستند که می خواهند شما از آنها استفاده کنید، و به نظر می رسد هر کدام بزرگتر/بهتر/سریعتر از قبلی هستند، اما برای شرکت های متوسط ​​واضح تر نیستند.

ما شروع به مشاهده شرکت‌ها کرده‌ایم که از هیاهوها فاصله می‌گیرند و کارهای مفیدتری را برای پیاده‌روی با نسل افزوده بازیابی (RAG) انجام می‌دهند. این دقیقاً همان کاری است که یک شرکت به سبک کلاه قرمزی باید برای شرکت ها انجام دهد. ممکن است چیزی را از دست بدهم، اما هنوز ندیده ام که Red Hat یا هرکس دیگری برای دسترسی بیشتر به هوش مصنوعی برای استفاده سازمانی وارد عمل شود.

شما انتظار دارید که فروشندگان ابری این نقش را ایفا کنند، اما آنها تا حد زیادی به کتابهای بازی قبلی خود پایبند بوده اند. به عنوان مثال، AWS با صرفه جویی در مشتریان از «حمله سنگین غیرمتمایز» مدیریت پایگاه های داده، سیستم عامل ها و غیره، یک کسب و کار با نرخ اجرا ۱۰۰ میلیارد دلاری ایجاد کرده است. به صفحه هوش مصنوعی مولد AWS و خواهید دید که آنها برای ارائه خدمات مشابه به مشتریان دارای هوش مصنوعی صف می کشند. اما LLM ها سیستم عامل یا پایگاه داده یا عنصر شناخته شده دیگری در محاسبات سازمانی نیستند. آنها هنوز هم گرد و غبار و جادو هستند.

“حمل کردن غیرمتمایز سنگین” فقط تا حدی مربوط به مدیریت آن به عنوان یک سرویس ابری است. نیاز مبرم‌تر، درک چگونگی و زمان استفاده مؤثر از همه این مؤلفه‌های هوش مصنوعی است. AWS فکر می‌کند با ارائه «انتخاب مدل گسترده و ابزارهای هوش مصنوعی مولد» در Amazon Bedrock به مشتریان کمک می‌کند، اما امروزه بیشتر شرکت‌ها به «انتخاب گسترده» به انتخاب معنادار همراه با راهنمایی نیاز ندارند. همین امر در مورد Red Hat نیز صادق است که «آرایه انتخاب‌ها» را تبلیغ می‌کند رویکرد هوش مصنوعی آن ارائه می‌دهد، بدون اینکه این انتخاب‌ها برای شرکت‌ها در دسترس‌تر باشد.

شاید این انتظار که ارائه دهندگان زیرساخت از DNA خود فراتر می روند تا راه حل های واقعی ارائه دهند، دور از ذهن باشد. به اندازه کافی منصفانه شاید مانند چرخه‌های فناوری گذشته، برنده‌های اولیه در پایین‌ترین سطوح پشته (مانند انویدیا) و به دنبال آن‌هایی که یک یا دو پله بالاتر از پشته قرار می‌گیرند، داشته باشیم، و بزرگترین برنده‌ها ارائه‌دهندگان برنامه‌هایی هستند که همه را حذف می‌کنند. پیچیدگی برای مشتریان اگر این درست باشد، ممکن است زمان آن رسیده باشد که به فکر فرو رفته و منتظر بمانید تا «انتخاب آفرینان» جای خود را به فروشندگانی بدهند که بتوانند هوش مصنوعی را برای مشتریان معنادار کنند.