Ηγέτες σκέψης

Η παραγωγική τεχνητή νοημοσύνη μπορεί να αλλάξει τον κόσμο — αλλά μόνο αν συμβαδίσει η υποδομή δεδομένων

Ami Gal
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Βασικά σημείαΤο λειτουργικό κόστος των 76 δισεκατομμυρίων δολαρίων της Γενετικής Τεχνητής Νοημοσύνης…
Δείτε περισσότερα
  • Το λειτουργικό κόστος των 76 δισεκατομμυρίων δολαρίων της Γενετικής Τεχνητής Νοημοσύνης αποκαλύπτει μια κρίσιμη έλλειψη κλιμακούμενης υποδομής δεδομένων.
  • Το % των στελεχών πιστεύει ότι τα οφέλη της γενετικής ΤΝ υπερτερούν των ανησυχιών, ωστόσο οι δυσκολίες ανάπτυξης υποδεικνύουν ασύμβατα συστήματα δεδομένων.
  • Η επιχειρηματική αξία απαιτεί την ενοποίηση των απομονωμένων δεδομένων σε μια ενοποιημένη αρχιτεκτονική για την πρόληψη της προκατάληψης και την ενεργοποίηση της εκπαίδευσης των LLM.

Παρά την αίσθηση που περιβάλλει τη παραγωγική τεχνητή νοημοσύνη, οι περισσότεροι εμπειρογνώμονες της βιομηχανίας δεν έχουν ακόμη απαντήσει σε ένα σημαντικό ερώτημα: Υπάρχει μια υποδομή που μπορεί να υποστηρίξει αυτή τη τεχνολογία μακροπρόθεσμα, και αν ναι, θα είναι αρκετά βιώσιμη για να υποστηρίξει τις ριζικές καινοτομίες που υπόσχεται η παραγωγική τεχνητή νοημοσύνη;

Τα εργαλεία της παραγωγικής τεχνητής νοημοσύνης έχουν ήδη κερδίσει μια καλή φήμη, με την ικανότητά τους να γράφουν καλά συντεθειμένα κείμενα με το πάτημα ενός κουμπιού – εργασίες που αλλιώς θα χρειάζονταν ώρες, ημέρες, εβδομάδες ή μήνες για να ολοκληρωθούν με το χέρι.

Αυτό είναι καλό, αλλά στην απουσία της σωστής υποδομής, αυτά τα εργαλεία απλά δεν έχουν τη δυνατότητα να αλλάξουν πραγματικά τον κόσμο. Σύντομα θα ξεπεράσουν τα $76 δισεκατομμύρια, τα αστρονομικά λειτουργικά έξοδα της παραγωγικής τεχνητής νοημοσύνης αποτελούν ήδη μαρτυρία σε αυτό το γεγονός ήδη, αλλά υπάρχουν και άλλοι παράγοντες που επηρεάζουν την κατάσταση.

Οι επιχειρήσεις πρέπει να επικεντρωθούν στη δημιουργία και τη σύνδεση των σωστών εργαλείων για να εκμεταλλευτούν τη παραγωγική τεχνητή νοημοσύνη με βιώσιμο τρόπο και πρέπει να επενδύσουν σε μια κεντρική υποδομή δεδομένων που καθιστά όλα τα σχετικά δεδομένα ομαλά προσβάσιμα στα LLM τους χωρίς ειδικές ροές μεταφοράς δεδομένων. Με τη στρατηγική εφαρμογή των σωστών εργαλείων, θα είναι σε θέση να παραδώσουν την επιχειρηματική αξία που αναζητούν παρά τους περιορισμούς χωρητικότητας που επιβάλλουν τα κέντρα δεδομένων αυτή τη στιγμή – μόνο τότε θα προχωρήσει πραγματικά η επανάσταση της τεχνητής νοημοσύνης.

Ένα γνώριμο μοτίβο

Σύμφωνα με μια νέα έκθεση από το Capgemini Research Institute, 74% των διευθυντών πιστεύουν ότι τα οφέλη της παραγωγικής τεχνητής νοημοσύνης υπερβαίνουν τις ανησυχίες που σχετίζονται με αυτή. Μια τέτοια συναίνεση έχει ήδη προκαλέσει υψηλά ποσοστά υιοθέτησης μεταξύ των επιχειρήσεων – περίπου το 70% των οργανισμών της Ασίας-Ειρηνικού έχουν ήδη εκφράσει την πρόθεσή τους να επενδύσουν σε αυτές τις τεχνολογίες ή έχουν αρχίσει να εξερευνούν πρακτικές περιπτώσεις χρήσης.

Αλλά ο κόσμος έχει περάσει από αυτό το δρόμο πριν. Πάρτε το διαδίκτυο, για παράδειγμα, το οποίο σταδιακά προσέλκυσε περισσότερη προσοχή πριν ξεπεράσει τις προσδοκίες μέσω μιας ποικιλίας αξιοσημείωτων εφαρμογών. Αλλά παρά τις εντυπωσιακές ικανότητές του, μόνο πραγματικά ξεκίνησε όταν οι εφαρμογές του άρχισαν να παραδίδουν απτή αξία σε επιχειρήσεις σε κλίμακα.

Κοιτάζοντας Πέρα Από το ChatGPT

Η τεχνητή νοημοσύνη ακολουθεί έναν παρόμοιο κύκλο. Οι επιχειρήσεις έχουν γρήγορα αγκαλιάσει την τεχνολογία, με περίπου 93% των επιχειρήσεων ήδη να συμμετέχουν σε πολλές μελέτες περίπτωσης AI/ML. Αλλά ανεξάρτητα από το υψηλό ποσοστό υιοθέτησης, πολλές επιχειρήσεις εξακολουθούν να παλεύουν με την εφαρμογή στην πράξη – ένα σημάδι που δείχνει την ασυμβατότητα της υποδομής δεδομένων.

Με την σωστή υποδομή, οι εταιρείες μπορούν να κοιτάξουν πέρα από το επιφανειακό επίπεδο των δυνατοτήτων της παραγωγικής τεχνητής νοημοσύνης και να εκμεταλλευτούν το πραγματικό της δυναμικό για να μεταμορφώσουν τους επιχειρηματικούς τομείς τους.

Πράγματι, η παραγωγική τεχνητή νοημοσύνη μπορεί να βοηθήσει να γράψει ένα συνοπτικό κείμενο γρήγορα και, στις περισσότερες περιπτώσεις, αρκετά αποτελεσματικά, αλλά το δυναμικό της πηγαίνει πολύ πέρα από αυτό. Από την ανακάλυψη φαρμάκων έως τις θεραπείες υγείας έως την βελτίωση της αλυσίδας εφοδιασμού, καμία από αυτές τις καινοτομίες δεν είναι δυνατή αν τα κέντρα δεδομένων που υποστηρίζουν και οδηγούν τις εφαρμογές AI δεν είναι αρκετά ισχυρά για να διαχειριστούν τα φορτία εργασίας τους.

Ξεπερνώντας το Εμπόδιο της Κλιμάκωσης

Η παραγωγική τεχνητή νοημοσύνη δεν έχει ακόμη παραδώσει σημαντική αξία στις επιχειρήσεις, επειδή δεν διαθέτει επαρκή επεκτασιμότητα. Αυτό οφείλεται στο γεγονός ότι τα κέντρα δεδομένων έχουν περιορισμούς χωρητικότητας – η υποδομή τους δεν ήταν αρχικά σχεδιασμένη για να υποστηρίξει την τεράστια εξερεύνηση, ενορχήστρωση και ρύθμιση μοντέλων που απαιτούν τα Μεγάλα Γλωσσικά Μοντέλα (LLM) για να τρέξουν πολλαπλούς κύκλους εκπαίδευσης αποτελεσματικά.

Η συγκέντρωση αξίας από τη παραγωγική τεχνητή νοημοσύνη εξαρτάται από το πώς καλά μια επιχείρηση εκμεταλλεύεται 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 με LLM ή με την αύξηση του ρυθμού επεξεργασίας του υφιστάμενου εξοπλισμού.

Είναι απαραίτητο ότι οι εταιρείες που επιθυμούν να εκπαιδεύσουν τα LLM τους σε οργανωτικά δεδομένα μπορούν πρώτα να συνδυάσουν αυτά τα δεδομένα με ενιαίο τρόπο. Αλλιώς, τα δεδομένα που αφήνονται σε μια σιλωμένη δομή θα πιθανότατα παράγουν προκατάληψη στις ικανότητες μάθησης του LLM.

Ένα σύστημα υποστήριξης

Η παραγωγική τεχνητή νοημοσύνη δεν εμφανίστηκε από το πουθενά – έχει υπάρξει για κάποιο χρόνο, και η χρήση και το δυναμικό της θα αυξηθούν στις επόμενες δεκαετίες. Αλλά για τώρα, οι επιχειρηματικές εφαρμογές της χτυπούν ένα τοίχο το οποίο δεν είναι κλιμακωτό.

Η πραγματικότητα είναι ότι αυτά τα διάφορα εργαλεία είναι τόσο ισχυρά όσο και η υποδομή επεξεργασίας δεδομένων που τα υποστηρίζει. Είναι επομένως κρίσιμο ότι οι ηγέτες των επιχειρήσεων να εκμεταλλευτούν πλατφόρμες που μπορούν να επεξεργαστούν τα petabytes δεδομένων που αυτά τα εργαλεία χρειάζονται για να παραδώσουν την αξία που υπόσχονται.

Ο Ami Gal, επιχειρηματίας που έχει ιδρύσει πολλές επιχειρήσεις, είναι διευθύνων σύμβουλος και συνιδρυτής της SQream. Αξιοποιεί στον ρόλο του στην εταιρεία περισσότερα από 20 χρόνια τεχνογνωσίας στον κλάδο της τεχνολογίας και εμπειρίας στην ανώτατη διοίκηση.