Sztuczna inteligencja generatywna może zmienić świat – ale tylko wtedy, gdy infrastruktura danych nadąży

Pomimo zainteresowania sztuczną inteligencją generatywną, większość ekspertów branżowych jeszcze nie odpowiedziała na istotne pytanie: Czy istnieje platforma infrastrukturalna, która może wspierać tę technologię długoterminowo, i jeśli tak, czy będzie wystarczająco zrównoważona, aby wspierać rewolucyjne innowacje, które obiecuje sztuczna inteligencja generatywna?

Narzędzia sztucznej inteligencji generatywnej już zbudowały sobie renomę, dzięki możliwości pisania dobrze syntetyzowanego tekstu za pomocą jednego kliknięcia – zadań, które w przeciwnym razie mogłyby wymagać godzin, dni, tygodni lub miesięcy, aby zostać ukończonymi ręcznie.

To wszystko jest dobrze i dobrze, ale bez odpowiedniej infrastruktury, te narzędzia po prostu nie mają możliwości skalowania, aby naprawdę zmienić świat. Wkrótce przekrocząc 76 miliardów, astronomiczne koszty operacyjne sztucznej inteligencji generatywnej są świadectwem tego faktu, ale istnieją dodatkowe czynniki.

Przedsiębiorstwa muszą skoncentrować się na tworzeniu i łączeniu odpowiednich narzędzi, aby wykorzystać je w sposób zrównoważony i muszą zainwestować w scentralizowaną infrastrukturę danych, która umożliwia dostęp do wszystkich istotnych danych bezpośrednio do ich LLM bez dedykowanych rurociągów. Z strategicznym wdrożeniem odpowiednich narzędzi, będą w stanie dostarczyć wartość biznesową, której szukają, pomimo ograniczeń pojemności, które obecnie narzucają centra danych – dopiero wtedy rewolucja sztucznej inteligencji naprawdę posunie się do przodu.

Znany wzorzec

Według nowego raportu Instytutu Badawczego Capgemini, 74% menedżerów uważa, że korzyści z sztucznej inteligencji generatywnej przewyższają ich obawy. Taki konsensus już spowodował wysokie wskaźniki adopcji wśród przedsiębiorstw – około 70% organizacji z Azji i Pacyfiku albo wyraziło zamiar zainwestowania w te technologie, albo rozpoczęło eksplorację praktycznych przypadków użycia.

Ale świat już był na tej drodze. Weźmy na przykład internet, który stopniowo przyciągał coraz więcej uwagi, zanim przekroczył oczekiwania za pomocą różnych niezwykłych aplikacji. Ale pomimo jego imponujących możliwości, naprawdę rozkwitł dopiero wtedy, gdy jego aplikacje zaczęły dostarczać konkretnej wartości firmom na dużą skalę.

Patrząc poza ChatGPT

Sztuczna inteligencja wpada w podobny cykl. Przedsiębiorstwa szybko zaakceptowały tę technologię, z szacowanymi 93% przedsiębiorstw już zaangażowanymi w kilka przypadków użycia sztucznej inteligencji i maszynowego uczenia. Ale niezależnie od wysokiego wskaźnika adopcji, wiele przedsiębiorstw nadal boryka się z wdrożeniem – wyraźnym znakiem niekompatybilnej infrastruktury danych.

Z odpowiednią infrastrukturą, firmy mogą patrzeć poza powierzchnię kuszących możliwości sztucznej inteligencji generatywnej i wykorzystywać jej prawdziwy potencjał, aby przekształcić swoje biznesowe pejzaże.

Rzeczywiście, sztuczna inteligencja generatywna może pomóc napisać notatkę szybko i w większości przypadków bardzo skutecznie, ale jej potencjał wykracza daleko poza to. Od potencjalnego odkrycia leków po leczenia zdrowotne po optymalizację łańcucha dostaw, żadne z tych przełomów nie są możliwe, jeśli centra danych, które wspierają i napędzają aplikacje sztucznej inteligencji, nie są wystarczająco wytrzymałe, aby zarządzać ich obciążeniami.

Przekraczanie bariery skalowalności

Sztuczna inteligencja generatywna jeszcze nie dostarczyła znaczącej wartości firmom, ponieważ brakuje jej skalowalności. Wynika to z faktu, że centra danych mają ograniczenia pojemności – ich infrastruktura nie została pierwotnie zaprojektowana, aby wspierać ogromne eksplorowanie, orchestrację i strojenie modeli, które duże modele językowe (LLM) wymagają, aby uruchomić wiele cykli szkoleniowych wydajnie.

Zbieranie wartości z sztucznej inteligencji generatywnej zależy więc od tego, jak dobrze firma wykorzystuje swoje własne dane, co można poprawić, rozwijając solidną architekturę danych. Można to osiągnąć, łącząc źródła danych strukturalnych i niestrukturalnych z LLM lub zwiększając przepustowość istniejącego sprzętu.

Jest niezwykle ważne, aby firmy, które chcą szkolić swoje LLM na danych organizacyjnych, mogły najpierw skonsolidować te dane w sposób zunifikowany. W przeciwnym razie dane pozostawione w strukturze izolowanej prawdopodobnie wygenerują stronniczość w zdolnościach uczenia się LLM.

System wsparcia

Sztuczna inteligencja generatywna nie pojawiła się znikąd – była w przygotowaniu przez dość długi czas, a jej użycie i potencjał będą tylko rosły w nadchodzących dekadach. Ale na razie, jej aplikacje biznesowe uderzają w ścianę, która nie jest skalowalna.

Rzeczywistością jest, że te różne narzędzia są tylko tak silne, jak infrastruktura przetwarzania danych, która je wspiera. Jest więc niezwykle ważne, aby liderzy biznesu wykorzystali platformy, które mogą przetwarzać petabajty danych, których te narzędzia potrzebują, aby dostarczyć wartość, którą obiecują.