وسوسه هوش مصنوعی به عنوان یک سرویس

شرکت‌ها ممکن است سریع‌تر و آسان‌تر از مدل‌های هوش مصنوعی خود در یک ابر عمومی استفاده کنند که آنها را به عنوان یک سرویس اجرا می‌کند. AWS روی این روند حرکت می کند.

در روزهای اولیه ابر، من یک کسب و کار کوچک خوب داشتم که برنامه‌های کاربردی سازمانی را مهندسی مجدد می‌کردم تا بتوانند به‌عنوان نرم‌افزار به‌عنوان سرویس ارائه شوند. بسیاری از شرکت‌ها بر این باور بودند که برنامه‌های سفارشی آن‌ها، که با رفع یک نیاز خاص، ارزش ارائه می‌کند، می‌تواند به عنوان یک سرویس SaaS دوباره فروخته شود و به منبع درآمد دیگری تبدیل شود.

من دیدم که یک شرکت تایرسازی، یک شرکت مراقبت‌های بهداشتی، یک بانک و حتی یک شرکت مدیریت وثیقه تلاش می‌کنند تا قبل از اینکه زیرساخت به‌عنوان خدمات تبدیل به یک عامل ابری شوند، تلاش کردند. گاهی اوقات جواب داد.

موانع اصلی این بود که شرکت‌ها می‌خواستند دارایی SaaS داشته باشند اما کمتر علاقه‌ای به اجرای واقعی آن داشتند. آن‌ها باید مقدار زیادی پول سرمایه‌گذاری کنند تا آن را به نتیجه برسانند، و بیشتر آنها حاضر به انجام آن نبودند. صرفاً به این دلیل که می‌توانم برنامه سازمانی آنها را به یک دارایی چند مستاجر تحویل SaaS تبدیل کنم، به این معنی نیست که آنها باید این کار را می‌کردند.

«می‌توان» و «باید» دو چیز بسیار متفاوتی هستند که باید در نظر گرفته شوند. در بیشتر این موارد، سیستم SaaS فقط در داخل شرکت مصرف می‌شد. به عبارت دیگر، آنها زیرساختی را با خود به عنوان تنها مشتری ایجاد کردند.

خدمات جدید هوش مصنوعی مولد از AWS

AWS ویژگی جدیدی را با هدف تبدیل شدن به مرکز اصلی مدل‌های AI تولیدی سفارشی شرکت‌ها معرفی کرده است. پیشنهاد جدید، سفارشی مدل واردات، در پلتفرم Amazon Bedrock (مجموعه AWS متمرکز بر سازمان) راه‌اندازی شد و زیرساخت‌هایی را برای شرکت‌ها فراهم می‌کند تا مالکیت معنوی هوش مصنوعی داخلی خود را با مدیریت کامل میزبانی و تنظیم کنند. مجموعه ای از API ها.

این حرکت با افزایش تقاضای سازمانی برای راه‌حل‌های AI مناسب همسو می‌شود. همچنین ابزارهایی را برای گسترش دانش مدل، تنظیم دقیق عملکرد و کاهش تعصب ارائه می دهد. همه اینها برای افزایش ارزش هوش مصنوعی بدون افزایش خطر استفاده از هوش مصنوعی مورد نیاز است.

در مورد AWS، واردات مدل سفارشی امکان ادغام مدل‌ها را در Amazon Bedrock فراهم می‌کند، جایی که آنها به مدل‌های دیگر مانند Meta’s Llama 3 یا Anthropic’s Claude 3 می‌پیوندند. این مزیت را برای کاربران هوش مصنوعی فراهم می‌کند که مدل‌های خود را به صورت مرکزی در کنار گردش‌های کاری ثابت مدیریت کنند. در حال حاضر در بستر بستر وجود دارد.

علاوه بر این، AWS بهبودهایی را در مجموعه مدل‌های هوش مصنوعی Titan اعلام کرده است. Titan Image Generator که توضیحات متن را به تصاویر ترجمه می‌کند، در حال تغییر به در دسترس بودن عمومی است. AWS از داده‌های آموزشی خاص برای این مدل مراقبت می‌کند، اما نشان می‌دهد که هم شامل داده‌های اختصاصی و هم محتوای دارای مجوز و پولی است.

البته، AWS می تواند از این مدل ها برای اهداف خود استفاده کند یا آنها را به عنوان خدمات ابری به شرکای خود و سایر شرکت هایی که مایل به پرداخت هستند ارائه دهد. به هر حال، AWS این را ادعا نکرد. من فقط به این فکر می کنم که چه تعداد از شرکت ها سرمایه گذاری انجام شده برای انتقال به میزبانی LLM را، هم برای دیگران، هم برای هوش مصنوعی به عنوان یک سرویس و هم برای استفاده خودشان، مشاهده خواهند کرد. ما درس خود را از تلاش SaaS در ۲۰ سال پیش آموختیم، و اکثر شرکت‌ها این مدل‌ها را برای اهداف خود می‌سازند و از آنها استفاده می‌کنند.

فروشندگان، مانند AWS، می‌گویند که ساخت و استقرار هوش مصنوعی در پلتفرم ابری آن‌ها به جای خودتان آسان‌تر است. با این حال، اگر قیمت خیلی زیاد شود، من گمان می‌کنم که شاهد بازگرداندن این مدل‌ها به کشور باشیم. البته، بسیاری متوجه خواهند شد که به محض استفاده از خدمات بومی در AWS، ممکن است در آن پلتفرم گیر کنند، یا هزینه‌های تبدیل اجرای هوش مصنوعی خود را در داخل یا در یک ارائه‌دهنده ابر عمومی دیگر بپردازند.

این برای شما چه معنایی دارد؟

ما در سال آینده شاهد تعداد زیادی از این نوع انتشار خواهیم بود زیرا ارائه دهندگان ابر عمومی به دنبال قفل کردن تجارت بیشتر در خدمات هوش مصنوعی خود هستند. با توجه به اینکه “تصرف زمین” هوش مصنوعی در حال حاضر در حال انجام است، آنها می خواهند اینها را به شیوه ای شتابزده آزاد کنند. هنگامی که مشتریان به خدمات هوش مصنوعی علاقه مند شوند، خروج از آنها دشوار خواهد بود.

من هیچ نیت بدی را به ارائه دهندگان ابر عمومی برای این استراتژی‌ها اختصاص نمی‌دهم، اما اشاره می‌کنم که این استراتژی اساسی برای فروش فضای ذخیره‌سازی ابری در سال ۲۰۱۱ نیز بود. هنگامی که از APIهای بومی استفاده می‌کنید، به احتمال زیاد به ابرهای دیگر منتقل نمی شود. تنها زمانی که همه چیز خیلی گران شود، کسب‌وکارها به بازگشت به کشور یا انتقال به یک ارائه‌دهنده MSP یا colo فکر می‌کنند.

بنابراین، این گزینه برای کسانی است که به دنبال میزبانی و استفاده از مدل های هوش مصنوعی خود به روشی مقیاس پذیر و راحت هستند. باز هم، این مسیر کمترین مقاومت است، یعنی در ابتدا سریعتر و ارزانتر استقرار می شود.

مسئله بزرگ تر، دوام کسب و کار است. ما از تجربیات ذخیره‌سازی ابری و تجربیات محاسباتی خود آموخته‌ایم که صرفاً به این دلیل که خرید چیزی آسان‌تر از گزینه‌های انجام دادن خودتان است، ممکن است آن را برای درازمدت انتخاب مناسبی نباشد.

ما باید محاسباتی انجام دهیم و خطر قفل شدن و اهداف بلندمدت را در مورد چگونگی یادگیری این فناوری توسط شرکت‌ها درک کنیم. می ترسم تصمیمات سریع بگیریم و تا چند سال دیگر پشیمان شویم. ما آن فیلم را قبلاً دیده‌ایم، مطمئناً.