გენერაციულ AI-ს შეუძლია შეცვალოს სამყარო – მაგრამ მხოლოდ იმ შემთხვევაში, თუ მონაცემთა ინფრასტრუქტურა შენარჩუნდება

მიუხედავად ირგვლივ ხმაურისა გენერაციული AIდარგის ექსპერტთა უმრავლესობას ჯერ კიდევ არ უპასუხა მნიშვნელოვან კითხვას: არის თუ არა ინფრასტრუქტურული პლატფორმა, რომელსაც შეუძლია ამ ტექნოლოგიის გრძელვადიანი მხარდაჭერა და თუ ასეა, იქნება თუ არა ის საკმარისად მდგრადი რადიკალური ინოვაციების მხარდასაჭერად Generative AI დაპირებები?

ხელოვნური ინტელექტის გენერაციულ ინსტრუმენტებს უკვე აქვთ საკმაოდ დიდი რეპუტაცია, მათი უნარით დაწერონ კარგად სინთეზირებული ტექსტი ღილაკზე დაწკაპუნებით - ამოცანები, რომელთა ხელით შესრულება სხვაგვარად შეიძლება მოითხოვდეს საათებს, დღეებს, კვირებს ან თვეებს.

ეს ყველაფერი კარგია, მაგრამ სათანადო ინფრასტრუქტურის არარსებობის შემთხვევაში, ამ ინსტრუმენტებს უბრალოდ არ აქვთ მასშტაბურობა, რომ რეალურად შეცვალონ სამყარო. მალე გადააჭარბებს $ 76 მილიარდიGenerative-AI-ების ასტრონომიული საოპერაციო ხარჯები უკვე მოწმობს ამ ფაქტს, მაგრამ არსებობს დამატებითი ფაქტორები.

საწარმოებმა ფოკუსირება უნდა მოახდინონ სწორი ინსტრუმენტების შექმნაზე და დაკავშირებაზე, რათა გამოიყენონ იგი მდგრადი და უნდა ინვესტირებას ცენტრალიზებულ მონაცემთა ინფრასტრუქტურაში, რომელიც ყველა შესაბამის მონაცემს შეუფერხებლად მისაწვდომს ხდის მათ. LLM სპეციალური მილსადენების გარეშე. სათანადო ინსტრუმენტების სტრატეგიული განხორციელებით, ისინი შეძლებენ მიაწოდონ ბიზნეს ღირებულება, რომელსაც ეძებენ, მიუხედავად მონაცემთა ცენტრების შესაძლებლობების შეზღუდვისა, რომელიც ამჟამად აწესებს – მხოლოდ მაშინ იქნება AI რევოლუცია ნამდვილად წინ წავა.

ნაცნობი ნიმუში

Capgemini Research Institute-ის ახალი ანგარიშის თანახმად, 74% აღმასრულებლები თვლიან, რომ გენერაციული AI-ის სარგებელი აღემატება მის შეშფოთებას. ასეთმა კონსენსუსმა უკვე გამოიწვია საწარმოებს შორის მიღების მაღალი მაჩვენებლები - დაახლოებით 70% აზია-წყნარი ოკეანის ორგანიზაციებმა ან გამოთქვეს თავიანთი განზრახვა ინვესტირებაზე ამ ტექნოლოგიებში ან დაიწყეს პრაქტიკული გამოყენების შემთხვევების შესწავლა.

მაგრამ სამყარო ამ გზაზე ადრეც იყო. მაგალითად, ავიღოთ ინტერნეტი, რომელმაც თანდათან უფრო და უფრო მეტი ყურადღება მიიპყრო, სანამ მოლოდინს გადააჭარბებდა უამრავი შესანიშნავი აპლიკაციის საშუალებით. მაგრამ მისი შთამბეჭდავი შესაძლებლობების მიუხედავად, ის მხოლოდ მას შემდეგ დაიწყო, რაც მისი აპლიკაციების მიწოდება დაიწყო მატერიალური ღირებულება მასშტაბის ბიზნესებისთვის.

ეძებს ChatGPT-ს მიღმა

AI ვარდება მსგავს ციკლში. ბიზნესებმა სწრაფად შეიძინეს ტექნოლოგია სავარაუდო 93% საწარმოები, რომლებიც უკვე არიან ჩართული რამდენიმე AI/ML გამოყენების შემთხვევის შესწავლაში. მაგრამ, მიუხედავად მაღალი მიღების მაჩვენებლისა, ბევრი საწარმო მაინც ებრძვის განლაგებას - მონაცემთა შეუთავსებელი ინფრასტრუქტურის მანიშნებელი ნიშანი.

სათანადო ინფრასტრუქტურით, კომპანიებს შეუძლიათ გამოიხედონ Generative AI-ის მომხიბვლელი შესაძლებლობების ზედაპირული დონის მიღმა და გამოიყენონ მისი ნამდვილი პოტენციალი თავიანთი ბიზნეს პეიზაჟების გარდაქმნისთვის.

მართლაც, Generative-AI-ს შეუძლია დაეხმაროს მოკლე მოკლე შინაარსის სწრაფად და, უმეტეს შემთხვევაში, საკმაოდ ეფექტურად დაწერას, მაგრამ მისი პოტენციალი სცილდება ამას. წამლების პოტენციური აღმოჩენიდან დაწყებული ჯანდაცვის მკურნალობამდე მიწოდების ჯაჭვის ოპტიმიზაციამდე, არცერთი ეს მიღწევა შეუძლებელია, თუ მონაცემთა ცენტრები, რომლებიც მხარს უჭერენ და მართავენ AI აპლიკაციებს, არ არიან საკმარისად ძლიერი, რომ მართონ თავიანთი დატვირთვა.

მასშტაბურობის ბარიერის გადალახვა

გენერაციულ AI-ს ჯერ კიდევ არ აქვს მნიშვნელოვანი მნიშვნელობა ბიზნესისთვის, რადგან მას არ გააჩნია მასშტაბურობა. ეს გამოწვეულია იმით, რომ მონაცემთა ცენტრებს აქვთ შესაძლებლობების შეზღუდვები - მათი ინფრასტრუქტურა თავდაპირველად არ იყო შექმნილი მასიური კვლევის, ორკესტრირებისა და მოდელის დარეგულირების მხარდასაჭერად, რასაც Large Language Models (LLMs) ესაჭიროებათ მრავალი სასწავლო ციკლის ეფექტურად წარმართვისთვის.

გენერაციული AI-დან ღირებულების მიღება დამოკიდებულია იმაზე, თუ რამდენად კარგად იყენებს ბიზნესი საკუთარ მონაცემებს, რაც შეიძლება გაუმჯობესდეს მონაცემთა ძლიერი არქიტექტურის შემუშავებით. ამის მიღწევა შესაძლებელია სტრუქტურირებული და არასტრუქტურირებული მონაცემთა წყაროების LLM-ებთან დაკავშირებით ან არსებული აპარატურის გამტარუნარიანობის გაზრდით.

მნიშვნელოვანია, რომ კომპანიებმა, რომლებიც ცდილობენ თავიანთი LLM-ის მომზადებას ორგანიზაციულ მონაცემებზე, პირველ რიგში, შეძლონ ამ მონაცემების გაერთიანება ერთიანი ფორმით. წინააღმდეგ შემთხვევაში, მონაცემები შენახული სტრუქტურაში, სავარაუდოდ, გამოიწვევს მიკერძოებას LLM-ის სწავლის უფლებამოსილებაში.

მხარდაჭერის სისტემა

გენერაციული AI არ გამოჩნდა ჰაერიდან - ის საკმაოდ დიდი ხნის განმავლობაში მუშაობდა და მისი გამოყენება და პოტენციალი მხოლოდ მომდევნო ათწლეულებში გაიზრდება. მაგრამ ამ დროისთვის, მისი ბიზნეს აპლიკაციები ურტყამს კედელს, რომელიც არ არის მასშტაბირებადი.

რეალობა ის არის, რომ ეს სხვადასხვა ხელსაწყოები ისეთივე ძლიერია, როგორც მონაცემთა დამუშავების ინფრასტრუქტურა, რომელიც მათ მხარს უჭერს. აქედან გამომდინარე, ძალიან მნიშვნელოვანია, რომ ბიზნეს ლიდერებმა გამოიყენონ პლატფორმები, რომლებსაც შეუძლიათ გადაამუშაონ იმ პეტაბაიტების მონაცემები, რომლებიც ამ ინსტრუმენტებს სჭირდებათ, რათა ხელშესახებ მიაწოდონ მათ მიერ დაპირებული მნიშვნელოვანი ღირებულება.