تبدیل تبلیغات هوش مصنوعی به واقعیت

شرکت ها غرق رویاهای هوش مصنوعی و کارمندانی هستند که مهارت لازم برای تحقق آنها را ندارند. آیا می توانم یک هکاتون پیشنهاد کنم؟

ابرها نمی‌توانند هزینه‌های هوش مصنوعی را متوقف کنند، حتی اگر مشتریان آنها شروع به سوال سرمایه گذاری های خودشان. چنین ناامیدی ممکن است موقتی باشد، به عنوان اندی جاسی، مدیر عامل آمازون پیشنهاد می کند. به گفته وی، امروزه اکثریت قریب به اتفاق بارهای کاری سازمانی به مراکز داده داخلی متصل می‌شوند، اما هوش مصنوعی قول می‌دهد آن را تغییر دهد. او می‌گوید، «توانایی استفاده مؤثرتر از هوش مصنوعی یکی از محرک‌های بسیاری خواهد بود» که شرکت‌ها را متقاعد می‌کند تا برنامه‌ها را به فضای ابری منتقل کنند.

این موضوع روشن می‌کند که چرا فروشندگان ابر بر فعال کردن بارهای کاری هوش مصنوعی متمرکز هستند. آنها، همراه با متا، در مجموع بیش از ۱۰۰ میلیارد دلار در سال جاری صرف هزینه های سرمایه ای کرده اند، در حالی که از برنامه هایی برای هزینه های بیشتر خبر می دهند. به عنوان ساندار پیچای، مدیر عامل Alphabet/Google آن را قرار دهید< /a>، “زمانی که [صنعت] در حال گذراندن چنین تحولاتی است … خطر سرمایه گذاری کم [در هوش مصنوعی] به طور چشمگیری بیشتر از سرمایه گذاری بیش از حد است.” بسیار خوب، اما اگر چه بسیار خوب است که ابرها زیرساخت‌ها و خدمات بیشتری را ایجاد می‌کنند، آنچه مهم‌تر است راهنمایی در مورد نحوه استفاده موثر مشتریان از هوش مصنوعی است. هنوز تبلیغات زیادی در مورد احتمالات وجود دارد، و تقریباً محتوای کافی وجود ندارد.

واقعی ساختن هوش مصنوعی

«هنوز مشکلی برای تبدیل این فناوری به منافع اقتصادی واقعی و ملموس وجود دارد،» داریو مایستو، تحلیلگر ارشد Forrester استدلال می کند. من قطعاً این را در کار خود در حال اجرای روابط توسعه‌دهنده در MongoDB دیده‌ام. همانطور که با مدیرانی که به وال استریت می گویند چگونه کسب و کارشان را متحول می کند وقت نمی گذارم. رایج در تماس های درآمد شرکت. در عوض، من با توسعه دهندگانی کار می کنم که وظیفه دارند رویاها را به واقعیت تبدیل کنند.

همانطور که نوشتم در ژوئن در سال ۲۰۲۴، به نظر می‌رسید که اکثر شرکت‌ها با در مقیاس کوچکتر موفق بودند. سرمایه‌گذاری‌های نسل افزوده بازیابی (RAG). این امر با توجه به عدم بلوغ نسبی صنعت منطقی است. برای اینکه هوش مصنوعی را به خوبی انجام دهید، نه تنها نیاز دارید که داده های خود را شکل دهید، بلکه به کارمندان باتجربه نیز نیاز دارید. و حتی اگر لینکدین به شما بگوید که کاندیدای شغلی شما در سال گذشته یک تحلیلگر داده سطح پایین بود اما اکنون به یک دانشمند داده با تجربه تبدیل شده است، واقعیت متفاوت است. بیشتر مردم در موقعیت‌یابی خود به‌عنوان متخصص هوش مصنوعی بسیار بهتر از نشان دادن پیشینه لازم در هوش مصنوعی و یادگیری ماشین هستند.

به این ترتیب، برای یک شرکت کاملاً مناسب است که با برنامه‌های RAG یا سایر حجم‌های کاری جدول، عضله هوش مصنوعی را شروع کند. اینجاست که شما همچنین شروع به توسعه کارکنان خود خواهید کرد. باید از جایی شروع کنید، و با یک مطالعه Deloitte در یافتن شرکت‌های تازه‌کار هوش مصنوعی تنها ۰.۲% بازدهی هوش مصنوعی دریافت می‌کنند. سرمایه گذاری، بهتر است از هم اکنون شروع کنید، حتی اگر بازده واقعی ممکن است دیرتر باشد.

یک چیز دیگر که به طور شگفت انگیزی موثر بوده است؟ هکاتون ها.

تیم من تعدادی هکاتون اجتماعی اجرا کرده است، مانند این موردی که ما با AWS انجام دادیم، طراحی شده برای کمک به توسعه دهندگان برای شروع ساخت با جاسازی های برداری و موارد دیگر. ما چندین توسعه‌دهنده را دیده‌ایم که با موفقیت پروژه‌ها را می‌سازند، اما زمانی که مفهوم هکاتون را در یک شرکت متمرکز کرده‌ایم، موفقیت‌های بیشتری را شاهد بوده‌ایم. به جای رقابت افراد غریبه با داده های ساختگی برای شهرت و شکوه هوش مصنوعی، هکاتون های شرکتی به تیم های توسعه اجازه می دهد تا از داده های واقعی شرکت برای آزمایش با برنامه های واقعی هوش مصنوعی. در یک هکاتون شرکتی که تیم من اخیراً برگزار کرد، دیدیم که تیم‌ها از بازی تایر در روز اول به یک سیستم عامل پیچیده (که برنده هکاتون شد) در روز دوم رفتند. ما اکنون این هکاتون های شرکتی را برای طیف وسیعی از شرکت های Fortune 500 اجرا می کنیم و انتظار نتایج مشابهی داریم.

فضای رقابتی اما پرورش دهنده تنها راه برای توسعه مهارت های هوش مصنوعی ضروری در تیم های توسعه شما نیست، اما من دریافته ام که این یک راه عالی برای توسعه دهندگان برای از کنجکاوی به موفقیت واقعی حرکت کنید.