ახალი საზღვრები გენერაციულ AI-ში - ღრუბლიდან შორს

თავიდან იყო ინტერნეტი, რომელმაც სამუდამოდ შეცვალა ჩვენი ცხოვრება - ჩვენი კომუნიკაცია, ვაჭრობა, ბიზნესის წარმოება. შემდეგ კი შეყოვნების, კონფიდენციალურობისა და ხარჯების ეფექტურობის მიზეზების გამო, ინტერნეტი გადავიდა ქსელის ზღვარზე, რამაც წარმოშვა "ინტერნეტი ნივთები".

ახლა არის ხელოვნური ინტელექტი, რომელიც აადვილებს ყველაფერს, რასაც ვაკეთებთ ინტერნეტში, უფრო პერსონალიზებულს, უფრო ინტელექტუალურს. თუმცა, მის გამოსაყენებლად საჭიროა დიდი სერვერები და მაღალი გამოთვლითი ტევადობა, ამიტომ ის შემოიფარგლება ღრუბელში. მაგრამ იგივე მოტივაცია - შეყოვნება, კონფიდენციალურობა, ხარჯების ეფექტურობა - აიძულა კომპანიები, როგორიცაა Hailo, განავითარონ ტექნოლოგიები, რომლებიც აძლევენ AI-ს ზღვარზე.

ეჭვგარეშეა, შემდეგი დიდი რამ არის გენერაციული AI. გენერაციული AI წარმოადგენს უზარმაზარ პოტენციალს ინდუსტრიებში. მისი გამოყენება შესაძლებელია სამუშაოს გასამარტივებლად და სხვადასხვა შემქმნელების - იურისტების, კონტენტის მწერლების, გრაფიკული დიზაინერების, მუსიკოსების და სხვათა ეფექტურობის გასაზრდელად. მას შეუძლია დაეხმაროს ახალი თერაპიული წამლების აღმოჩენაში ან სამედიცინო პროცედურებში. გენერაციულ AI-ს შეუძლია გააუმჯობესოს სამრეწველო ავტომატიზაცია, განავითაროს ახალი პროგრამული კოდი და გააძლიეროს ტრანსპორტის უსაფრთხოება ვიდეოს, აუდიოს, გამოსახულების და სხვა ავტომატური სინთეზის საშუალებით.

თუმცა, გენერაციული AI, როგორც ის დღეს არსებობს, შეზღუდულია ტექნოლოგიით, რომელიც საშუალებას აძლევს მას. ეს იმიტომ ხდება, რომ გენერაციული AI ხდება ღრუბელში - ძვირადღირებული, ენერგომოხმარების კომპიუტერული პროცესორების დიდი მონაცემთა ცენტრები, რომლებიც შორს არიან რეალური მომხმარებლებისგან. როდესაც ვინმე გასცემს მოთხოვნას გენერაციულ AI ხელსაწყოს, როგორიცაა ChatGPT ან რაიმე ახალი AI-ზე დაფუძნებული ვიდეოკონფერენციის გადაწყვეტა, მოთხოვნა გადაეცემა ინტერნეტის საშუალებით ღრუბელში, სადაც მას ამუშავებენ სერვერები, სანამ შედეგები დაბრუნდება ქსელში.

როდესაც კომპანიები შეიმუშავებენ ახალ აპლიკაციებს გენერაციული AI-სთვის და განათავსებენ მათ სხვადასხვა ტიპის მოწყობილობებზე - ვიდეო კამერებსა და უსაფრთხოების სისტემებზე, სამრეწველო და პერსონალურ რობოტებზე, ლეპტოპებსა და მანქანებზეც კი - ღრუბელი არის ბოსტნეულობა გამტარუნარიანობის, ღირებულებისა და დაკავშირების თვალსაზრისით.

და ისეთი აპლიკაციებისთვის, როგორიცაა მძღოლის დახმარება, პერსონალური კომპიუტერის პროგრამული უზრუნველყოფა, ვიდეოკონფერენცია და უსაფრთხოება, მონაცემთა მუდმივად გადატანა ქსელში შეიძლება იყოს კონფიდენციალურობის რისკი.

გამოსავალი არის ამ მოწყობილობებს საშუალება მისცენ დაამუშავონ გენერაციული ხელოვნური ინტელექტი ზღვარზე. სინამდვილეში, ზღვარზე დაფუძნებული გენერაციული AI სარგებელს მოუტანს მრავალი განვითარებადი აპლიკაციისთვის.

გენერაციული AI იზრდება

გაითვალისწინეთ, რომ ივნისში, განაცხადა Mercedes-Benz-მა ის გააცნობს ChatGPT თავის მანქანებს. მაგალითად, ChatGPT-ით გაძლიერებულ მერსედესში, მძღოლს შეუძლია სთხოვოს მანქანას - ხელების გარეშე - სადილის რეცეპტი, რომელიც ეფუძნება ინგრედიენტებს, რომლებიც უკვე აქვთ სახლში. ანუ თუ მანქანა ჩართულია ინტერნეტთან. პარკირების ავტოფარეხში ან დისტანციურ ადგილას, ყველა ფსონი გამორთულია.

ბოლო რამდენიმე წლის განმავლობაში, ვიდეოკონფერენცია გახდა მეორე ბუნება უმეტესი ჩვენგანისთვის. უკვე, პროგრამული უზრუნველყოფის კომპანიები აერთიანებენ ხელოვნური ინტელექტის ფორმებს ვიდეოკონფერენციის გადაწყვეტილებებში. შესაძლოა, ეს არის აუდიოსა და ვიდეოს ხარისხის ოპტიმიზაცია, ან ადამიანების „განთავსება“ იმავე ვირტუალურ სივრცეში. ახლა, AI-ზე მომუშავე გენერაციულ ვიდეოკონფერენციებს შეუძლიათ ავტომატურად შექმნან შეხვედრის წუთები ან მიიღონ შესაბამისი ინფორმაცია კომპანიის წყაროებიდან რეალურ დროში, სხვადასხვა თემების განხილვისას.

თუმცა, თუ ჭკვიანი მანქანა, ვიდეოკონფერენციის სისტემა ან ნებისმიერი სხვა გვერდითი მოწყობილობა ვერ აღწევს ღრუბელში, მაშინ გენერაციული AI გამოცდილება ვერ მოხდება. მაგრამ რა მოხდება, თუ მათ არ მოუწევთ? ჟღერს, როგორც რთული ამოცანა ღრუბლოვანი ხელოვნური ინტელექტის უზარმაზარი დამუშავების გათვალისწინებით, მაგრამ ახლა ეს შესაძლებელი ხდება.

გენერაციული AI Edge-ზე

უკვე არსებობს AI გენერაციული ინსტრუმენტები, მაგალითად, რომელსაც შეუძლია ავტომატურად შექმნას მდიდარი, მიმზიდველი PowerPoint პრეზენტაციები. მაგრამ მომხმარებელს სჭირდება სისტემა, რომ იმუშაოს ნებისმიერი ადგილიდან, თუნდაც ინტერნეტის გარეშე.

ანალოგიურად, ჩვენ უკვე ვხედავთ გენერაციულ AI-ზე დაფუძნებული „კოპილოტის“ ასისტენტების ახალ კლასს, რომელიც ფუნდამენტურად შეცვლის ჩვენს გამოთვლით მოწყობილობებთან ურთიერთქმედებას მრავალი რუტინული ამოცანის ავტომატიზაციის გზით, როგორიცაა მოხსენებების შექმნა ან მონაცემთა ვიზუალიზაცია. წარმოიდგინეთ, რომ გახსენით ლეპტოპი, ლეპტოპი ამოგიცნობთ კამერის საშუალებით, შემდეგ ავტომატურად აწარმოებს მოქმედების კურსს დღის/კვირის/თვეში თქვენი ყველაზე ხშირად გამოყენებული ხელსაწყოების საფუძველზე, როგორიცაა Outlook, Teams, Slack, Trello და ა.შ. კონფიდენციალურობა და კარგი მომხმარებლის გამოცდილება, თქვენ უნდა გქონდეთ გენერაციული AI ადგილობრივად გაშვების შესაძლებლობა.

გარდა არასაიმედო კავშირებისა და მონაცემთა კონფიდენციალურობის გამოწვევების დაკმაყოფილებისა, edge AI-ს შეუძლია დაეხმაროს გამტარუნარიანობის მოთხოვნების შემცირებას და აპლიკაციის მუშაობის გაუმჯობესებას. მაგალითად, თუ გენერაციული AI აპლიკაცია ქმნის მონაცემთა მდიდარ შინაარსს, როგორიცაა ვირტუალური საკონფერენციო სივრცე, ღრუბლის მეშვეობით, პროცესი შეიძლება შეფერხდეს ხელმისაწვდომი (და ძვირადღირებული) გამტარუნარიანობის მიხედვით. და გარკვეული ტიპის გენერაციული ხელოვნური ინტელექტის აპლიკაციები, როგორიცაა უსაფრთხოება, რობოტიკა ან ჯანდაცვა, მოითხოვს მაღალი ხარისხის, დაბალი ლატენტურ პასუხებს, რომლებსაც ღრუბლოვანი კავშირები ვერ უმკლავდება.

ვიდეოუსაფრთხოებაში, ადამიანების ხელახლა იდენტიფიკაციის შესაძლებლობა ბევრ კამერას შორის გადაადგილებისას - ზოგი განთავსებულია იქ, სადაც ქსელები ვერ აღწევს - მოითხოვს მონაცემთა მოდელებს და AI დამუშავებას რეალურ კამერებში. ამ შემთხვევაში, გენერაციული AI შეიძლება გამოყენებულ იქნას ავტომატიზებულ აღწერილობებზე, თუ რას ხედავენ კამერები მარტივი მოთხოვნების საშუალებით, როგორიცაა: „იპოვეთ 8 წლის ბავშვი წითელი მაისურით და ბეისბოლის ქუდით“.

სწორედ გენერაციული AI ზღვარზე.

განვითარება Edge AI-ში

AI პროცესორების ახალი კლასის მიღებით და უფრო მწირი, უფრო ეფექტური, თუმცა არანაკლებ ძლიერი გენერაციული AI მონაცემთა მოდელების შემუშავებით, edge მოწყობილობები შეიძლება შეიქმნას ინტელექტუალურად მუშაობისთვის იქ, სადაც ღრუბლოვანი კავშირი შეუძლებელია ან არასასურველი.

რა თქმა უნდა, ღრუბლოვანი დამუშავება დარჩება გენერაციული ხელოვნური ინტელექტის კრიტიკულ კომპონენტად. მაგალითად, AI მოდელების ტრენინგი ღრუბელში დარჩება. მაგრამ ამ მოდელებზე მომხმარებლის შეყვანის გამოყენების აქტი, რომელსაც ეწოდება დასკვნა, შეიძლება - და ხშირ შემთხვევაში უნდა - მოხდეს ზღვარზე.

ინდუსტრია უკვე ავითარებს უფრო დახვეწილ, პატარა, უფრო ეფექტურ AI მოდელებს, რომელთა ჩატვირთვა შესაძლებელია ზღვარზე მოწყობილ მოწყობილობებზე. კომპანიებს მოსწონთ ჰაილო აწარმოებს AI პროცესორებს, რომლებიც შექმნილია ნერვული ქსელის დამუშავების შესასრულებლად. ასეთი ნერვული ქსელის პროცესორები არა მხოლოდ წარმოუდგენლად სწრაფად უმკლავდებიან ხელოვნური ინტელექტის მოდელებს, არამედ ამას აკეთებენ ნაკლები ენერგიით, რაც მათ ენერგოეფექტურს ხდის და ადაპტირებულია სხვადასხვა გვერდის მოწყობილობებზე, სმარტფონებიდან კამერამდე.

გენერაციული ხელოვნური ინტელექტის ზღვარზე დამუშავებას ასევე შეუძლია ეფექტურად დატვირთოს მზარდი სამუშაო დატვირთვა, აპლიკაციებს უფრო სტაბილურად მასშტაბური გახადოს, ღრუბლოვანი მონაცემთა ცენტრები გაათავისუფლოს ძვირადღირებული დამუშავებისგან და დაეხმაროს მათ ნახშირბადის ანაბეჭდის შემცირებაში.

გენერაციული AI მზად არის კვლავ შეცვალოს გამოთვლები. მომავალში, LLM თქვენს ლეპტოპზე შეიძლება ავტომატურად განახლდეს ისე, როგორც დღეს თქვენი OS აკეთებს - და ფუნქციონირებს თითქმის იგივე გზით. მაგრამ იქ მისასვლელად, ჩვენ უნდა გავააქტიუროთ გენერაციული AI დამუშავება ქსელის ზღვარზე. შედეგი გვპირდება უფრო დიდ შესრულებას, ენერგოეფექტურობას და კონფიდენციალურობას და უსაფრთხოებას. ყოველივე ეს იწვევს AI აპლიკაციებს, რომლებიც ცვლის სამყაროს ისევე, როგორც თავად გენერაციული AI.