چگونه یک تیم رویایی مولد هوش مصنوعی را جمع آوری کنیم

برای ایجاد یک سیستم genAI که بتواند بیشترین کار را برای کسب و کار شما انجام دهد، به مهارت های مختلف زیادی نیاز است. در اینجا نقش های مهم شرح داده شده است.

سوال روز دیگر این نیست که “بهترین ابر چیست؟” اکنون این است که “چگونه تیمی از افراد بسازیم تا یک سیستم هوش مصنوعی مولد خالص جدید بسازیم؟”

بودجه ها کاهش یافته است. هیئت مدیره یکی از این سیستم‌های هوش مصنوعی مولد که همه درباره آن صحبت می‌کنند می‌خواهند تا اساساً نحوه عملکرد تجارت را تغییر دهد. انتظاری که توسط بسیاری از مقالات تجاری تقویت شده است، این است که این سیستم جدید تجارت را دوباره تعریف کند. آنها به شدت یکی را می خواهند، و شما وظیفه دارید تیمی را بسازید و رهبری کنید که بتواند آن را به پایان برساند. بنابراین، چگونه این کار را انجام می دهید؟

مشکل جدیدی نیست

ده سال پیش، ما با مشکل مشابهی مواجه شدیم که ناشی از علاقه به رایانش ابری و نیاز به جمع آوری تیمی برای مهاجرت شما به این دنیای زیبای ابری بود. کسانی که می‌دانستند چه چیزی برای حرفه‌شان خوب است، می‌خواستند گواهینامه مارک‌های ابری خاص را دریافت کنند، شاید یکی از دوره های ابری من، یا همان کاری را انجام داد که بسیاری از مردم انجام دادند: به اندازه کافی آنلاین آموختند تا از طریق مصاحبه با فردی که کمتر می دانستند.

اگرچه موفقیت‌هایی وجود داشته است، در اکثر موارد، تیم‌های معماری، طراحی و استقرار ابر، چه بر روی مهاجرت‌ها و چه در سیستم‌های جدید نت کار می‌کردند، به درجه D دست یافتند. بسیاری از مهاجرت‌ها ارزش تولید نکردند، زیرا آنها برنامه هایی که به ابر منتقل می شوند را دوباره مهندسی نکرده بود.

همچنین، برخی از تصمیمات معماری می توانست بهتر باشد. بسیاری از آنها فناوری را به دلایل اشتباه انتخاب کردند و اکنون در آن فناوری قفل شده اند تا زمانی که پولی برای نقل مکان به جای دیگری وجود داشته باشد. اکنون می دانیم که تحول دیجیتال با استفاده از منابع مبتنی بر ابر ارزشی را که ما فکر می کردیم ارائه نمی کند. هوش مصنوعی مولد فقط ادامه آن داستان است.

A who’s who از اعضای تیم

چند چیز را باید به خاطر بسپارید و درس هایی از شکست ها و موفقیت های ابری آموخته شد. گردآوری استعدادهای مناسب، چه برای محاسبات ابری یا هوش مصنوعی مولد، تفاوتی نخواهد داشت.

ابتدا، بیایید یک تیم توسعه و معماری مولد هوش مصنوعی ایجاد کنیم و درک کنیم که هر تیم نیازهای یک کسب و کار خاص را منعکس خواهد کرد. من در اینجا فرضیات کلی را مطرح می کنم. همچنین، ترکیب تیم بر اساس صنعت متفاوت خواهد بود. توسعه هوش مصنوعی مولد برای خدمات مالی کمی با مراقبت های بهداشتی متفاوت است. بله، پاسخ «بستگی دارد» که مردم از آن متنفرند.

در اینجا نقش‌هایی است که احتمالاً در این تیم خواهیم دید، چه به‌عنوان استخدام‌کنندگان جدید، چه در داخل آموزش دیده یا از یک شرکت مشاوره خارجی. بیایید یک پروژه توسعه هوش مصنوعی مولد را فرض کنیم که احتمالاً شش ماه تا یک سال طول خواهد کشید.

مدیر پروژه بر پروژه نظارت می‌کند، اما آن را هدایت نمی‌کند، و اطمینان حاصل می‌کند که با اهداف تجاری مطابقت دارد و به موقع و در چارچوب بودجه ارائه می‌شود. این شخص در دور نگه داشتن شما از مشکلات بودجه و مدیریت تحویل بسیار پیچیده بسیار ارزشمند است. برای مثال، پلتفرم سیستم هوش مصنوعی مولد باید قبل از استقرار انتخاب شود. یک مدیر پروژه خوب به شما کمک می کند از اشتباهات احمقانه جلوگیری کنید.

محققان هوش مصنوعی و دانشمندان داده وظیفه دارند “مدل های پیشرفته” را متناسب با نیازهای تجاری خاص ایجاد کنند. آنها همچنین به طور مداوم عملکرد مدل ها را بهبود می بخشند. این افراد مغزهای پروژه هستند و به فکر راه‌هایی برای ساخت و استقرار مدل‌هایی با بیشترین احتمال موفقیت هستند.

بسیاری از سازمان‌ها برای این نقش‌ها درخواست دکترا دارند. این کمی کوته بینانه است. من با افراد با استعداد زیادی کار می کنم که مدرک پیشرفته ندارند. شما افرادی را می خواهید که موثر باشند زیرا به عنوان یک بازیکن تیمی خوب کار می کنند. این فقط یک قضاوت حکایتی از جانب من است.

مهندسین AI متخصصانی هستند که مدل‌ها را از مرحله تحقیق خارج کرده و به تولید می‌رسانند و بر مقیاس‌پذیری و قابلیت نگهداری تمرکز دارند. آنها به درک عمیقی از چارچوب‌های هوش مصنوعی (از جمله چارچوب‌های هوش مصنوعی مولد) و اکوسیستم‌هایی که از آنها پشتیبانی می‌کنند، نیاز دارند.

چالش در اینجا استخدام فردی است که در چارچوب های مختلف آموزش دیده است. افراد دیگر به راه‌حل‌هایی محدود می‌شوند که بر اساس آنچه می‌دانند تنظیم شود. این در بیشتر مواقع اشتباه است.

مهندسین داده مسئول طراحی خطوط لوله و تغذیه داده‌های با کیفیت بالا به مدل‌ها هستند. در پایان، سیستم‌های هوش مصنوعی مولد فقط سیستم‌های داده‌گرا هستند. بنابراین، این شخص ضروری است.

دوباره، افرادی را که بر روی یک پایگاه داده یا اکوسیستم واحد متمرکز شده اند (به عنوان مثال، فقط پایگاه های داده بومی AWS) به همان دلایلی که مهندسان هوش مصنوعی دارند، استخدام نکنید. یک پونی با یک ترفند، بهترین راه حل نهایی را از دست خواهد داد.

مهندسین پلتفرم پلتفرم را انتخاب و طراحی می‌کنند. آنها گزینه های پلتفرم ابری و غیر ابری و همچنین حافظه، ذخیره سازی و پردازنده ها را درک می کنند. داشتن مهندسانی که تفاوت‌های بین CPU، TPU و GPU را درک می‌کنند و می‌توانند راه‌حلی ایجاد کنند که بیشترین ارزش را داشته باشد، خوب است.

پیدا کردن این افراد دشوار است، همانطور که احتمالاً کشف کرده اید. برخی ممکن است ظاهر شوند و اعلام کنند که فقط از این ارائه دهنده ابر یا آن خوشه سرور استفاده می کنند. آره، نه باز هم، معماری شما به تعصبات شما اهمیتی نمی دهد.

نقش متخصص اخلاق هوش مصنوعی تضمین می‌کند که سیستم هوش مصنوعی به استانداردهای اخلاقی و شیوه‌های منصفانه پایبند است و در عین حال به طور فعال به سوگیری در مجموعه داده‌ها و مدل‌ها می‌پردازد. این نیست که اگر از شما شکایت شود. آن زمانی است این افراد می‌توانند سخت‌گیری کنند تا مطمئن شوند که با اسباب‌بازی هوش مصنوعی جدید خود کارهای زشت انجام نمی‌دهید.

مدیران/صاحبان محصول هوش مصنوعی الزامات تجاری را به مشخصات فنی ترجمه می‌کنند و اطمینان می‌دهند که توسعه محصول با اهداف شرکت مطابقت دارد.

افسران امنیت و انطباق آسیب‌پذیری‌های امنیتی بالقوه در سیستم‌های هوش مصنوعی را برطرف می‌کنند و اطمینان می‌دهند که شرکت از تمام قوانین مربوط به حفاظت از داده‌ها و مقررات صنعت پیروی می‌کند.

طراحان تجربه کاربر (UX) اطمینان حاصل می کنند که خروجی سیستم genAI برای کاربران و ذینفعان قابل درک و مفید است.

متخصصان ادغام توسعه دهندگان یا مهندسانی هستند که سیستم genAI را در زیرساخت های فناوری اطلاعات و جریان های کاری موجود ادغام می کنند.

سایر نقش‌ها عبارتند از کارکنان پشتیبانی و نگهداری، تحلیل‌گران کسب‌وکار، مهندسین توسعه‌دهنده، و مشاوران حقوقی. این شبیه به توسعه سنتی تر است، اما هنوز در این پروژه های genAI مورد نیاز است.

اوه، آره، معمار هوش مصنوعی مولد. این شخص پروژه و تیم را رهبری می‌کند و برای موفقیت تلاش می‌کند.

البته، تیمی که شرکت شما برای موفقیت نیاز دارد، احتمالاً کمی متفاوت از این تیم است. با این حال، فکر می کنم بیشتر نقش های اصلی را بازی کردم. اکنون فقط باید استعداد را پیدا کنید. این برای پست دیگری است.