DeepSeek’s R1: Un amintitor util

Ca educator universitar și fost veteran în industria IT, consider că hype-ul din jurul modelului R1 al companiei chineze DeepSeek este un amintitor util pentru trei lucruri.

Primul lucru este că inteligența artificială generativă nu mai este doar despre procesarea unor cantități uriașe de conținut pentru a genera răspunsuri relevante la întrebări; este și despre raționamentul cognitiv („R” din R1).

Promisiunea modelelor de limbaj mare (LLM) este că capacitatea de a recupera cunoștințe masive și de a procesa cognitiv – care anterior era reservedă specialiștilor cu supercalculatoare – este acum la îndemâna aproape oricui. Mulțumită noilor avansuri în tehnici de eficientizare, există modele suficient de mici pentru a rula pe un laptop convențional, care pot susține mai mulți agenți inteligenți capabili să efectueze autonom task-uri complexe și interactive.

În al doilea rând, revoluția inteligenței artificiale generative este în primul rând despre inovație și creativitate – nu doar o cursă a armamentului pentru cel mai puternic hardware, dimensiunea setului de date de antrenament sau numărul de parametri ai modelului. Adoptarea cu succes a acestor tehnologii nu va fi determinată de companiile Big Tech cu supercalculatoare care consumă multă energie și antrenează modele de miliarde de dolari – ci de țările și organizațiile care investesc în capitalul uman pentru a-i pregăti pentru această nouă undă.

În al treilea rând, și ca o continuare a punctului anterior, America nu pare a fi prea bine poziționată pentru schimbările dramatice care vin în economia și societatea noastră. Voi cita două exemple: învățământul superior și America corporativă.

Învățământul Superior

În majoritatea instituțiilor de învățământ superior, prima decizie majoră a unui student este să decidă dacă să urmeze o diplomă de licență în arte (BA), care este asociată cu o educație mai largă și interdisciplinară, sau o diplomă de licență în științe (BS), care este mai focalizată pe dezvoltarea de abilități și experiență practică în domenii specifice.

În era inteligenței artificiale, această dicotomie este învechită, deoarece ambele seturi de discipline devin esențiale în locul de muncă.

Realitatea este că majoritatea studenților din primul an nu au cunoștințe sau insight despre ce înseamnă să lucrezi în diferite tipuri de joburi, sau chiar despre punctele forte și slabe ale propriilor abilități, talente, abilități și aptitudini. Și, totuși, majoritatea studenților din primul an sunt obligați să-și declare o specializare, ceea ce va fi o decizie ușoară doar pentru acel mic procent care (în bine sau în rău) știe (sau cel puțin crede că știe) ce domeniu vor să urmeze: inginerie, științe, medicină, drept, etc.

Aveam nevoie de o abordare mult diferită, pregătitoare pentru carieră, mai largă și interdisciplinară, în învățământul superior, care să recunoască faptul că primul job cu normă întreagă al unui absolvent de facultate poate să nu aibă nimic de-a face cu diploma sau specializarea pe care a obținut-o; că experiența universitară va reprezenta doar prima etapă într-un drum de învățare pe tot parcursul vieții – dezvoltare de abilități, obținere de calificări, reinventare, schimbare de carieră – pentru roluri pe care nu le putem încă imagina.

De asemenea, ca educatori, avem nevoie să dezvoltăm strategii noi pentru a face față plagiatului cu inteligență artificială și pentru a naviga pericolele ca bot-urile de chat să devină scurtături cognitive, sau „externalizarea cognitivă” – tendința de a te baza pe unelte externe în loc de a dezvolta capacități interne.

Într-o epocă în care cunoașterea este separată de înțelegere, există prea multă ispită să se solicite inteligenței artificiale un răspuns sau soluție imediat, în loc de a lupta pentru a înțelege un concept sau a rezolva o problemă.

IT Corporativ

Majoritatea corporațiilor nu par a-și da seama de implicațiile organizaționale ale acestor tehnologii noi.

Rolurile și structurile IT actuale reflect cerințele organizaționale din revoluția digitală anterioară. Aceste funcții au apărut din expertiza specializată necesară oamenilor pentru a utiliza și interacționa cu calculatoarele – programare, inginerie de date, arhitectură de calculator, administrare de rețea, securitate informatică, etc.

În contrast, inteligența artificială generativă (și întregul domeniu al Procesării Limbajului Natural care a precedat-o) se referă la proiectarea și antrenarea calculatoarelor pentru a interacționa cu oamenii.

Ca urmare, angajații de rând inventează moduri strălucite (și uneori periculoase) de a utiliza aceste tehnologii. Organizațiile se luptă să creeze politici, proceduri și controale funcționale pentru a maximiza beneficiile de productivitate și a minimiza riscurile.

O problemă cheie este că, în majoritatea corporațiilor, expertiza în știința datelor tinde să fie concentrată în departamentele IT, majoritatea cărora încă operează ca niște guildă secretă cu un limbaj și practici misterioase, care sunt izolate organizațional și funcțional de unitățile de bază ale afacerii. Cred că revoluția productivității care vine necesită tipuri noi de roluri și structuri organizaționale, în care expertiza în date nu este sechestrată într-o funcție specializată, ci interconectată cu aproape toate aspectele operaționale.

Și există și provocarea datelor. În majoritatea organizațiilor, adoptarea inteligenței artificiale este despre personalizarea modelelor de limbaj mare pentru a executa cazuri de utilizare specializate, utilizând date proprietare. În timp ce utilizatorii datelor din linia de business doresc date complet exacte, curate și bine gestionate, deținătorii individuali ai datelor din IT nu au bugetul, stimulentul financiar sau autoritatea organizațională pentru a asigura acest nivel de calitate și transparență.

Ca urmare, seturile de date interne nu sunt gestionate bine la nivelul întregii întreprinderi. De obicei, diferite tipuri de date sunt stocate în locuri diferite. Ca răspuns la solicitările utilizatorilor de business, IT oferă diferite perspective asupra datelor, face copii (și copii de copii) ale datelor și creează expuneri și abstracții ale datelor pentru diverse motive… La acest punct, nimeni nu știe care versiuni sunt învechite, incomplete, duplicate, inexacte sau în ce context.

Concluzie

Inteligența artificială generativă are potențialul de a transforma toate formele de muncă bazate pe cunoaștere. La nivelul său fundamental, această tehnologie se referă la democratizarea expertizei (atât bună, cât și rea) – desintermedierea specialiștilor, cum ar fi programatorii, videografii, ilustratorii, scriitorii, editorii și orice tip de lucrător sau „expert” în domeniul cunoașterii. Niciodată nu am avut de-a face cu o tehnologie care să rivalizeze capacitățile noastre de procesare cognitivă și raționament – doar forța noastră fizică, rezistența, precizia dexterității și capacitatea de a procesa cantități uriașe de date.

Această nouă și excitantă revoluție a productivității necesită noi seturi de abilități, capacități și structuri organizaționale, în care expertiza în date este integrală aproape oricărui tip de proces de afaceri.

Ironia este că, pe măsură ce mașinile ating puteri analitice mai mari, statutul și valoarea unui angajat într-o ierarhie organizațională pot deveni mai puțin o funcție a expertizei specializate, experienței și calificărilor, și mai mult o funcție a abilităților creative, multidisciplinare și interpersonale.

Timpul pentru a dezvolta și investi în aceste capacități este acum.