Генеративный ИИ Может Изменить Мир – Но Только Если Инфраструктура Данных Сможет Следовать За Ним

Несмотря на ажиотаж вокруг Генеративного ИИ, большинство экспертов отрасли еще не рассмотрели значительный вопрос: существует ли инфраструктурная платформа, которая сможет поддерживать эту технологию в долгосрочной перспективе, и если да, будет ли она достаточно устойчивой, чтобы поддержать радикальные инновации, которые обещает Генеративный ИИ?

Инструменты Генеративного ИИ уже заслужили определённую репутацию, благодаря своей способности писать хорошо синтезированный текст за один клик – задачи, которые в противном случае могли бы потребовать часов, дней, недель или месяцев для выполнения вручную.

Это хорошо и хорошо, но в отсутствие надлежащей инфраструктуры эти инструменты просто не имеют масштабируемости, чтобы действительно изменить мир. Скоро превысив $76 миллиардов, астрономические эксплуатационные затраты Генеративного ИИ являются свидетельством этого факта, но есть дополнительные факторы, играющие свою роль.

Корпорации должны сосредоточиться на создании и подключении правильных инструментов, чтобы использовать их устойчиво, и должны инвестировать в централизованную инфраструктуру данных, которая делает все соответствующие данные беспрепятственно доступными для их LLM без выделенных каналов. С стратегическим внедрением правильных инструментов они смогут доставить бизнес-ценность, которую они ищут, несмотря на ограничения емкости, которые в настоящее время налагают центры обработки данных – только тогда真正чески развернется революция ИИ.

Знакомая Схема

Согласно новому отчету Института исследований Capgemini, 74% руководителей считают, что выгоды от Генеративного ИИ перевешивают его проблемы. Такой консенсус уже привел к высоким показателям принятия среди корпораций – около 70% организаций в регионе Азии и Тихого океана либо выразили намерение инвестировать в эти технологии, либо начали исследовать практические случаи использования.

Но мир уже был на этой дороге. Возьмем, например, интернет, который постепенно привлек все больше и больше внимания, прежде чем превзойти ожидания посредством множества замечательных приложений. Но несмотря на его впечатляющие возможности, он действительно взлетел только тогда, когда его приложения начали доставлять осязаемую ценность бизнесу в масштабе.

Выход за Предели ChatGPT

ИИ попадает в подобный цикл. Бизнес быстро принял эту технологию, с оценочными 93% корпораций, уже участвующих в нескольких исследованиях случаев использования ИИ/МЛ. Но несмотря на высокий показатель принятия, многие корпорации все еще борются с развертыванием – явным признаком несовместимой инфраструктуры данных.

С надлежащей инфраструктурой компании могут выйти за пределы поверхностного уровня завлекающих возможностей Генеративного ИИ и использовать его истинный потенциал, чтобы преобразовать свои бизнес-пейзажи.

Действительно, Генеративный ИИ может помочь написать краткое изложение быстро и, в большинстве случаев, довольно эффективно, но его потенциал выходит далеко за пределы этого. От потенциального открытия лекарств до методов лечения в здравоохранении до оптимизации цепочки поставок, none из этих прорывов возможны, если центры обработки данных, которые поддерживают и стимулируют приложения ИИ, не достаточно прочны, чтобы управлять их рабочими нагрузками.

Преодоление Барьера Масштабируемости

Генеративный ИИ еще не смог доставить значительную ценность бизнесу, потому что ему не хватает масштабируемости. Это связано с тем, что центры обработки данных имеют ограничения емкости – их инфраструктура не была изначально разработана для поддержки огромного исследования, оркестровки и настройки модели, которые требуются Большим Языковым Моделям (БЯМ), чтобы эффективно выполнять несколько циклов обучения.

Получение ценности от Генеративного ИИ поэтому зависит от того, насколько хорошо бизнес использует свои собственные данные, что можно улучшить, разработав прочную архитектуру данных. Это можно достичь, подключив структурированные и неструктурированные источники данных к БЯМ или увеличив пропускную способность существующего оборудования.

Это крайне важно, чтобы компании, стремящиеся обучить свои БЯМ на организационных данных, могли сначала консолидировать эти данные в унифицированном виде. В противном случае, данные, оставленные в изолированной структуре, скорее всего, generarят предвзятость в обучающих возможностях БЯМ.

Система Поддержки

Генеративный ИИ не появился из ниоткуда – он разрабатывался в течение некоторого времени, и его использование и потенциал будут только расти в течение будущих десятилетий. Но на данный момент его бизнес-приложения сталкиваются со стеной, которая не масштабируема.

Реальность заключается в том, что эти различные инструменты являются только так сильны, как инфраструктура обработки данных, которая их поддерживает. Поэтому крайне важно, чтобы бизнес-лидеры использовали платформы, которые могут обработать петабайты данных, которые эти инструменты нуждаются в том, чтобы осязаемо доставить на значительную ценность, которую они обещают.