Η γενετική τεχνητή νοημοσύνη μπορεί να αλλάξει τον κόσμο - αλλά μόνο εάν η υποδομή δεδομένων συνεχίσει να λειτουργεί

Παρά το θόρυβο γύρω Παραγωγική τεχνητή νοημοσύνη, οι περισσότεροι ειδικοί του κλάδου δεν έχουν ακόμη απαντήσει σε ένα σημαντικό ερώτημα: Υπάρχει μια πλατφόρμα υποδομής που μπορεί να υποστηρίξει μακροπρόθεσμα αυτήν την τεχνολογία, και αν ναι, θα είναι επαρκώς βιώσιμη για να υποστηρίξει τις ριζοσπαστικές καινοτομίες που υπόσχεται η Generative AI;

Τα εργαλεία παραγωγής τεχνητής νοημοσύνης έχουν ήδη αποκτήσει μεγάλη φήμη, με την ικανότητά τους να γράφουν κείμενο με καλή σύνθεση με το πάτημα ενός κουμπιού – εργασίες που διαφορετικά μπορεί να απαιτούν ώρες, ημέρες, εβδομάδες ή μήνες για να ολοκληρωθούν με μη αυτόματο τρόπο.

Ωραία όλα αυτά, αλλά ελλείψει της κατάλληλης υποδομής, αυτά τα εργαλεία απλά δεν έχουν την επεκτασιμότητα για να αλλάξουν πραγματικά τον κόσμο. Σύντομα να ξεπεράσει $ 76 δισ., Το αστρονομικό κόστος λειτουργίας των Generative-AI είναι ήδη απόδειξη αυτού του γεγονότος, αλλά υπάρχουν επιπλέον παράγοντες που παίζουν ρόλο.

Οι επιχειρήσεις πρέπει να επικεντρωθούν στη δημιουργία και τη σύνδεση των κατάλληλων εργαλείων για να τα αξιοποιήσουν με βιώσιμο τρόπο και πρέπει να επενδύσουν σε μια κεντρική υποδομή δεδομένων που καθιστά όλα τα σχετικά δεδομένα απρόσκοπτα προσβάσιμα στους LLM χωρίς αποκλειστικούς αγωγούς. Με τη στρατηγική εφαρμογή των κατάλληλων εργαλείων, θα είναι σε θέση να προσφέρουν την επιχειρηματική αξία που αναζητούν παρά τους περιορισμούς χωρητικότητας που επιβάλλουν επί του παρόντος τα κέντρα δεδομένων – μόνο τότε η επανάσταση της τεχνητής νοημοσύνης θα προχωρήσει πραγματικά.

Ένα οικείο μοτίβο

Σύμφωνα με μια νέα έκθεση του Ινστιτούτου Ερευνών Capgemini, 74% των στελεχών πιστεύουν ότι τα οφέλη της γενετικής τεχνητής νοημοσύνης υπερτερούν των ανησυχιών της. Μια τέτοια συναίνεση έχει ήδη προκαλέσει υψηλά ποσοστά υιοθέτησης μεταξύ των επιχειρήσεων – περίπου 70% οργανισμών Ασίας-Ειρηνικού είτε έχουν εκφράσει τις προθέσεις τους να επενδύσουν σε αυτές τις τεχνολογίες είτε έχουν αρχίσει να διερευνούν περιπτώσεις πρακτικής χρήσης.

Αλλά ο κόσμος έχει ακολουθήσει αυτόν τον δρόμο στο παρελθόν. Πάρτε για παράδειγμα το Διαδίκτυο, το οποίο σταδιακά προσέλκυσε όλο και περισσότερη προσοχή πριν ξεπεράσει τις προσδοκίες μέσω μιας μυριάδας αξιοσημείωτων εφαρμογών. Όμως, παρά τις εντυπωσιακές δυνατότητές του, απογειώθηκε πραγματικά μόλις οι εφαρμογές του άρχισαν να αποδίδονται απτή αξία σε επιχειρήσεις μεγάλης κλίμακας.

Κοιτάζοντας πέρα ​​από το ChatGPT

Η τεχνητή νοημοσύνη πέφτει σε έναν παρόμοιο κύκλο. Οι επιχειρήσεις έχουν αγοράσει γρήγορα την τεχνολογία, με εκτιμάται ότι το 93% των επιχειρήσεων που έχουν ήδη εμπλακεί σε αρκετές μελέτες περιπτώσεων AI/ML σε χρήση. Ωστόσο, ανεξάρτητα από το υψηλό ποσοστό υιοθέτησης, πολλές επιχειρήσεις εξακολουθούν να αγωνίζονται με την ανάπτυξη – ένα ενδεικτικό σημάδι ασυμβίβαστης υποδομής δεδομένων.

Με την κατάλληλη υποδομή, οι εταιρείες μπορούν να κοιτάξουν πέρα ​​από το επίπεδο της επιφάνειας των δελεαστικών δυνατοτήτων του Generative AI και να αξιοποιήσουν τις πραγματικές δυνατότητές του για να μεταμορφώσουν τα επιχειρηματικά τους τοπία.

Πράγματι, το Generative-AI μπορεί να σας βοηθήσει να γράψετε μια σύντομη σύνοψη γρήγορα και, στις περισσότερες περιπτώσεις, αρκετά αποτελεσματικά, αλλά οι δυνατότητές του ξεπερνούν πολύ αυτό. Από την πιθανή ανακάλυψη φαρμάκων έως τις θεραπείες υγειονομικής περίθαλψης έως τη βελτιστοποίηση της εφοδιαστικής αλυσίδας, καμία από αυτές τις ανακαλύψεις δεν είναι δυνατή εάν τα κέντρα δεδομένων που υποστηρίζουν και οδηγούν εφαρμογές τεχνητής νοημοσύνης δεν είναι αρκετά ισχυρά για τη διαχείριση του φόρτου εργασίας τους.

Ξεπερνώντας το Εμπόδιο στην Επεκτασιμότητα

Το Generative AI δεν έχει ακόμη προσφέρει πραγματικά σημαντική αξία στις επιχειρήσεις, επειδή στερείται επεκτασιμότητας. Αυτό οφείλεται στο γεγονός ότι τα κέντρα δεδομένων έχουν περιορισμούς χωρητικότητας – η υποδομή τους δεν κατασκευάστηκε αρχικά για να υποστηρίζει τη μαζική εξερεύνηση, ενορχήστρωση και συντονισμό μοντέλων που απαιτούν τα Μεγάλα Γλωσσικά Μοντέλα (LLM) προκειμένου να εκτελούν αποτελεσματικά πολλαπλούς κύκλους εκπαίδευσης.

Επομένως, η αποκομιδή αξίας από το Generative AI βασίζεται στο πόσο καλά μια επιχείρηση αξιοποιεί τα δικά της δεδομένα, τα οποία μπορούν να βελτιωθούν μέσω της ανάπτυξης μιας ισχυρής αρχιτεκτονικής δεδομένων. Αυτό μπορεί να επιτευχθεί με τη σύνδεση δομημένων και μη δομημένων πηγών δεδομένων σε LLM ή αυξάνοντας την απόδοση του υπάρχοντος υλικού.

Είναι σημαντικό οι εταιρείες που θέλουν να εκπαιδεύσουν το LLM τους σε οργανωτικά δεδομένα να μπορούν πρώτα να ενοποιήσουν αυτά τα δεδομένα με ενιαίο τρόπο. Διαφορετικά, τα δεδομένα που θα παραμείνουν σε μια δομή σιλουέτας πιθανότατα θα δημιουργήσουν προκατάληψη στις μαθησιακές δυνάμεις του LLM.

Ένα σύστημα υποστήριξης

Το Generative AI δεν εμφανίστηκε από τον αέρα – βρίσκεται στα σκαριά εδώ και αρκετό καιρό και η χρήση και οι δυνατότητές του θα αυξηθούν μόνο τις επόμενες δεκαετίες. Προς το παρόν, όμως, οι επιχειρηματικές του εφαρμογές χτυπούν έναν τοίχο που δεν είναι επεκτάσιμος.

Η πραγματικότητα είναι ότι αυτά τα διάφορα εργαλεία είναι τόσο ισχυρά όσο η υποδομή επεξεργασίας δεδομένων που τα υποστηρίζει. Ως εκ τούτου, είναι σημαντικό οι ηγέτες των επιχειρήσεων να αξιοποιήσουν πλατφόρμες που μπορούν να επεξεργαστούν τα petabyte των δεδομένων που χρειάζονται αυτά τα εργαλεία για να αποδώσουν απτά τη σημαντική αξία που υπόσχονται.