نحوه کاهش نویز هوش مصنوعی

هنگامی که در فضای ابری مستقر شدید، محل نوآوری را بیابید و به دنبال فروشنده تکشاخ باشید که بتواند هوش مصنوعی را ساده و موثر کند.

هوش مصنوعی از زمان اختراع چرخ به‌عنوان بزرگ‌ترین چیز تبلیغ می‌شود، اما اگر سرنخی از معنای آن نداشته باشید یا با آن چه کار کنید، می‌توانید بخشیده شوید. از این گذشته، سرعت دیوانه کننده اخبار مرتبط با هوش مصنوعی گیج کننده است و فیلتر کردن سیگنال از نویز را دشوار می کند. هر روز شاهد انتشار یک مدل زبان بزرگ جدید هستیم، برخی از شرکت‌ها (مانند هوش مصنوعی Moonshot) با افزایش مبالغ که به نظر می رسد از واقعیت دور نیست (به عنوان مثال، ۱ میلیارد دلار). هر روز یک LLM متفاوت بر روی عملکرد یا کارایی خود جهش می کند. چند هفته پیش متا بود، اما هفته گذشته غوطه ور شدن جمینی در ChatGPT گوگل بود. حتی چیزهایی که کاملاً غیرمرتبط با هوش مصنوعی هستند (مثل شارژرهای برق!!!) برچسب‌های هوش مصنوعی را روی آن‌ها می‌زنند. آنها.

با این حال، واقعیت این است که بیشتر شرکت‌ها هنوز کارهای معناداری با هوش مصنوعی انجام نمی‌دهند.

این بدان معنا نیست که آنها این کار را نخواهند کرد. اما یک مشکل بزرگ برای هوش مصنوعی، سرعت هولناک نوآوری آن است. حتی برای باهوش ترین ناظران هم سخت است که با هوش مصنوعی همگام شوند. هفته گذشته با یک دانشمند داده باتجربه صحبت کردم و از او پرسیدم که چگونه از این همه سر و صدای هوش مصنوعی احساس می کند. پاسخ؟ او نمی کند. یا نمی توانم.

چه کاری باید انجام دهید؟ برای استقرار در آینده هوش مصنوعی ما، ارزش دارد به نحوه درک شرکت های برتر از ابر و به ویژه نحوه کمک AWS به تحقق آن نگاه کنیم.

کلید کلید است

اولین گام برای ایجاد هوش مصنوعی ابری است زیرا به شما امکان می‌دهد تا (در صورت تمایل) وارد شوید. سال‌ها پیش، مت وود، رئیس علوم داده AWS به من گفت که کلید رام کردن کلان داده (اصطلاحی که ما قبل از علم داده‌ها استفاده می‌کردیم، که قبل از AI استفاده می‌کردیم، مهم است. ) به زیرساخت های الاستیک ضربه زد. همانطور که او گفت، “آنها که بیرون می‌روند و زیرساخت‌های گران‌قیمت می‌خرند، متوجه می‌شوند که دامنه مشکل و دامنه خیلی سریع تغییر می‌کند. زمانی که آنها به پاسخ به سؤال اصلی می رسند، کسب و کار پیش می رود.”

مطمئناً، از افرادی مانند دیوید هاین مایر هانسون، بنیانگذار ۳۷Signal خواهید شنید که دوست دارد انتقاد از ابر به عنوان گران قیمت داشته باشد. این بی معنی است. بازگشت ابری ممکن است برای شرکتی با رشد آهسته مانند ۳۷Signals با حجم کاری بسیار قابل پیش بینی کار کند، اما این استراتژی کاملاً اشتباه برای شرکتی است که تقاضا در آن قابل پیش بینی نیست، که تقریباً تعریف فرهنگ لغت هر حجم کاری مرتبط با هوش مصنوعی است. هیچ چیز گران‌تر از زیرساخت نیست که توانایی شما را برای برآورده کردن تقاضای مشتری محدود کند.

بازگشت به Wood: “شما به محیطی نیاز دارید که منعطف باشد و به شما امکان می دهد به سرعت به نیازهای در حال تغییر کلان داده پاسخ دهید.” باز هم، این به ویژه برای هوش مصنوعی صادق است، جایی که بیشتر بارهای کاری ماهیت آزمایشی دارند. به گفته وود، “ترکیب منابع شما به طور مداوم در حال تکامل است – اگر زیرساختی را خریداری کنید، تقریباً بلافاصله به تجارت شما بی ربط است زیرا در زمان منجمد شده است. این مشکلی را حل می کند که ممکن است دیگر نداشته باشید یا به آن اهمیت ندهید.”

باز هم، کلید شروع با هوش مصنوعی این است که اطمینان حاصل کنید که در حال ساخت با ابر هستید، زیرا انعطاف‌پذیری لازم را برای آزمایش راه شما به سمت موفقیت را ممکن می‌سازد.

بعد چه خواهد شد؟

زیرساخت کشسان Cloud شرکت‌ها را قادر می‌سازد تا شرط‌بندی بزرگی را بدون شکستن بانک انجام دهند. همانطور که در آن زمان مدیر عامل AWS (و مدیر عامل فعلی آمازون) اندی جاسی در مصاحبه ای در سال ۲۰۱۹ اشاره کرد، شرکت هایی که بیشترین موفقیت را در زمینه ابر دارند، شرکت هایی هستند که “سوئیچ را برگردانند” و در رویکرد خود بزرگ و نه افزایشی عمل کنند. ترجمه شده به عصر هوش مصنوعی ما، نکته این است که کوچک فکر نکنیم، بلکه “ریسک کردن ایده های تجاری جدید است، زیرا هزینه آزمایش یک دسته از تکرارهای مختلف آن بسیار کمتر است … در فضای ابری”، همانطور که او پیشنهاد می کند. /p>

منصفانه است که با این موضوع مقابله کنیم که هوش مصنوعی بیش از حد تبلیغاتی است، اما جاسی احتمالاً همچنان استدلال می‌کند (همانطور که در مصاحبه انجام داد) که هزینه‌ی محافظه‌کارانه بازی کردن آن به جای استارت‌آپ زیرک‌تر و مبتنی بر هوش مصنوعی است. همانطور که او می‌گوید، «[شرکت‌ها] باید به این فکر کنند که مشتریانشان چه می‌خواهند و تجربه مشتری که در طول زمان مورد تقاضا قرار می‌گیرد چیست. و معمولاً این نیاز به یک تغییر یا دگرگونی بسیار بزرگ دارد.” این مطمئناً در مورد هوش مصنوعی صادق است.

دوباره، ابر شرکت‌ها را قادر می‌سازد تا شرط‌های بزرگ را به صورت افزایشی انجام دهند.

این ما را به این سؤال می‌رساند که چه کسی باید این شرط‌بندی‌های بزرگ اما افزایشی را انجام دهد. برای سال‌ها، توسعه‌دهندگان منبع قدرت بودند و به سرعت با نرم‌افزار منبع باز و زیرساخت ابری نوآوری کردند. جاسی تاکید کرد که این هنوز هم درست است، اما آنها به کمک نیاز دارند، و این کمک باید از سوی مدیرعامل انجام شود. او می‌گوید: «بیشتر چالش‌های بزرگ اولیه تغییر فضای ابری فنی نیستند، بلکه بیشتر درباره رهبری – رهبری اجرایی هستند.» توسعه‌دهندگان در کشف چگونگی انجام کارها شگفت‌انگیز هستند، اما داشتن یک حکم از سوی مدیرعامل به آنها مجوز نوآوری می‌دهد.

کار را برای من آسان کن

فروشندگان چطور؟ به نظر من برنده بزرگ در هوش مصنوعی شرکتی نخواهد بود که پیچیده ترین LLM را ایجاد کند یا پایگاه داده برداری با ویژگی های غنی را توسعه دهد. نه، این شرکتی خواهد بود که استفاده از هوش مصنوعی را آسان‌تر می‌کند.

این جدید نیست. برنده بزرگ در ابر AWS بود، زیرا استفاده از خدمات ابری را برای شرکت‌ها آسان‌تر می‌کرد. برنده بزرگ در اوایل منبع باز/لینوکس، Red Hat بود، زیرا پیچیدگی مربوط به اجرای لینوکس را حذف کرد. گوگل اولین کسی نبود که قابلیت های جستجو را توسعه داد، اما اولین بار بود که مزاحمت مربوط به آن را حذف کرد. GitHub اولین بار نبود که راهی برای ذخیره و به اشتراک گذاری کد به توسعه دهندگان داد، اما اولین بار بود که آن را برای توسعه دهندگان در مقیاس کارآمد کرد. و غیره

ما به این برای هوش مصنوعی نیاز داریم. بله، شرکت‌ها می‌توانند از طریق آزمایش‌های ابری راه خود را به سمت موفقیت هوش مصنوعی احساس کنند، اما احتمالاً برنده بزرگ هوش مصنوعی OpenAI یا هر کسی که در حال ایجاد LLM دیگری است، نخواهد بود. پول من بر عهده شرکتی است که استفاده مؤثر از هوش مصنوعی را برای سایر شرکت ها ساده می کند. بازی روشن است.