موردی برای متوقف کردن هوش مصنوعی مولد

صحبت های زیادی وجود دارد، اما پیاده سازی واقعی هوش مصنوعی مولد در فضای ابری زیاد نیست. بهتر است قبل از راه اندازی پروژه های گران قیمت، همه قطعات را در جای خود داشته باشید.

ابر چندین مزیت برای پیاده‌سازی مدل‌های هوش مصنوعی مولد ارائه می‌دهد، و ما در اینجا تا حد مرگ در مورد آن بحث کرده‌ایم. به طور خلاصه، ابر قدرت محاسباتی مقیاس‌پذیر، انعطاف‌پذیری و دسترسی را فراهم می‌کند و شرکت‌ها را قادر می‌سازد تا پتانسیل کامل هوش مصنوعی مولد را پیدا کنند.

زیرساخت های ابری امکان دسترسی یکپارچه به داده های آموزشی گسترده را فراهم می کند. اگرچه می تواند گران باشد، اما توسعه و پالایش مدل را نیز تسهیل می کند. علاوه بر این، آموزش و استنتاج مدل را سریع‌تر و کارآمدتر می‌کند و هوش مصنوعی تولیدی را برای طیف وسیع‌تری از کاربران قابل دسترس‌تر می‌کند.

پذیرش کندتر از حد انتظار

بر اساس آنچه در مطبوعات می‌بینیم، فکر می‌کنید که یک مهمانی مولد AI در آنجا وجود دارد. با این حال، واقعیت فرزندخواندگی کمی متفاوت است. علیرغم مزایای واضح هوش مصنوعی مولد در فضای ابری، من به این زودی شاهد حرکت عظیمی با حجمی که بسیاری معتقدند در حال وقوع است، نیستم. و چند دلیل خوب وجود دارد:

شکاف مهارت‌ها یک مسئله مهم است. پیاده‌سازی مدل‌های هوش مصنوعی در فضای ابری به مهارت‌های یادگیری ماشین، محاسبات ابری و مهندسی داده نیاز دارد که در سطح مورد نیاز برای موفقیت با این فناوری وجود ندارد. .

شرکت‌ها به متخصصان ماهر بیشتری نیاز دارند که هم درک عمیقی از فناوری هوش مصنوعی مولد داشته باشند و هم اینکه چگونه می‌تواند ارزش را به تجارت بازگرداند. بنابراین، بیشتر شرکت‌ها درباره هوش مصنوعی مولد بحث می‌کنند اما هنوز هیچ کاری انجام نمی‌دهند.

هوش مصنوعی مولد و به طور کلی هوش مصنوعی چیزی نیست که بتوانید در آخر هفته جذب کنید. درک داده‌ها، پیاده‌سازی و تنظیم مدل، و دانستن اینکه چه زمانی درست کار می‌کند، ماه‌ها طول می‌کشد. من کسانی را که اجرا را تا زمانی که مهارت های خود را به دست نیاوردند به تاخیر انداخته اند تحسین می کنم. ما از استقرار ابر آموختیم که فقدان معماران و توسعه دهندگان واجد شرایط معمولاً باعث شکست پروژه ها می شود.

گفته شد، تعداد کمی از شرکت‌ها بدون مهارت‌های مورد نیاز پیش می‌روند. با فرا رسیدن خماری غیرقابل اجتناب هوش مصنوعی، در مورد آن شکست‌ها در یک سال خواهیم شنید. من در اینجا به آن اشاره خواهم کرد.

داده‌ها هنوز آماده نیستند. مدل‌های هوش مصنوعی مولد برای یادگیری و ایجاد نتایج معنی‌دار به داده‌های باکیفیت نیاز دارند، و بیشتر شرکت‌ها هنوز روی آن نظارتی ندارند. به دست آوردن، تمیز کردن و پیش پردازش داده ها یک چالش مهم است، به ویژه هنگامی که با منابع داده ناهمگن، نگرانی های حفظ حریم خصوصی و مقررات مدیریت داده ترکیب شود.

سازمان‌ها باید زمان و منابعی را برای اطمینان از در دسترس بودن و کیفیت داده‌ها سرمایه‌گذاری کنند تا هوش مصنوعی مولد در ابر بتواند منبع مفیدی باشد. این زمان و پول بیشتری از آنچه که بیشتر شرکت ها می دانند، می طلبد. فشار دادن به جلو بدون پرداختن به داده ها، راه مطمئن دیگری برای شکست است، و خوب است که اجرای هوش مصنوعی مولد در فضای ابری را تا زمانی که این مشکل حل شود به تعویق بیندازید.

تنظیم خط‌مشی‌ها سخت و از نظر سیاسی سنگین است. چگونه در برابر تعصبی که از شما شکایت می‌کند محافظت می‌کنید؟ آیا با گرفتن داده های غیرقانونی، استفاده از هوش مصنوعی مولد و بیرون آمدن داده های تنظیم شده، مسائل مربوط به تنظیم داده را ایجاد می کنید؟ سیاست در مورد آواره شدن مردم توسط این فناوری چیست؟

استفاده از هوش مصنوعی مولد در فضای ابری هزینه بر است، به خصوص اگر به اندازه کافی بهینه نشده باشد. سازمان ها باید منابع ابری مورد نیاز برای آموزش مدل و استنتاج را به دقت ارزیابی کنند تا تعادلی بین هزینه و عملکرد ایجاد شود. اکثرا مایلند شیر محاسبات ابری را باز کنند، که منجر به افزایش هزینه‌های قابل توجه و بازگشت ارزش کمی به کسب‌وکار می‌شود. ما این اشتباهات را با اکثر نوآوری های ابری در تولید، از جمله محاسبات بدون سرور و هماهنگ سازی کانتینر انجام داده ایم. این یک شرط مطمئن است که اگر مراقب نباشیم، در اینجا همین کار را انجام خواهیم داد.

چه چیزی باید انتظار داشت

اگر بخواهیم هوش مصنوعی مولد آهسته در ابر داشته باشیم، چه زمانی در سطحی ظاهر می‌شود که سوزن را حرکت می‌دهد؟ برای اکثر افراد، بسیار طولانی تر از حد انتظار خواهد بود.

من گمان می‌کنم که در سال آینده شاهد بسیاری از شواهد مفهومی باشیم که قابلیت‌های این فناوری را به نمایش بگذارند. با این حال، POC ها فقط تا آنجا پیش می روند که ارزش را به کسب و کار باز می گرداند. برای آن، شما به سیستم‌های تولیدی نیاز دارید که کارهای با ارزشی مانند ارائه تجربه بهتر برای مشتری، خودکارسازی هوشمند زنجیره تامین، یافتن خطر واقعی بیمه کردن راننده، یا تشخیص بیماری با میزان قابل توجهی از تخصص دیجیتالی انجام دهند. می دانید، چیزهایی که پول در می آورند.

من گمان می‌کنم که برای سه یا چهار سال ارزش بیشتری را از این چیزها نخواهیم دید – چیزی که در مطبوعات فناوری ذکر نشده است زیرا ما در بازار فناوری ADD داریم. ما به چیزهای خیلی دور علاقه ای نداریم.

با این حال، هوش مصنوعی مولد یک تغییر عمده در نحوه ارائه سیستم‌ها است. ترجیح می‌دهم منتظر بمانم و آن را درست انجام دهم تا اینکه با عجله کاری انجام دهم و شکست بخورم، یا بدتر از آن، به کسب‌وکار آسیب وارد کنم. اکثر مدیران IT ممکن است احساس کنند که با توجه به هیاهوی تبلیغاتی، رفتار تهاجمی را توجیه می کنند. آنها احتمالا در چند سال آینده به دنبال شغل خواهند بود. این افراد نباشید.