2025 Прогнози: рік складного штучного інтелекту для корпоративного впровадження

Новий рік принесе впровадження штучного інтелекту способами, яких ми раніше не бачили, після переоцінки того, чого ми зараз знаємо, що можна досягти в корпоративному секторі. Графи знань, які підтримують складний штучний інтелект, будуть на першому місці, оскільки вони додають паливо для перетворення неструктурованої інформації в дієву знання. Разом з іншими інструментами, такими як GraphRAG, які роблять генеративний штучний інтелект (GenAI) більш ефективним, вони продовжуватимуть прокладати шлях для того, як штучний інтелект інтегрується в нашу повсякденну життя.

Реалістичні погляди на те, що можна зробити з моделями генеративного штучного інтелекту, принесуть рік складного штучного інтелекту

Організації починають впроваджувати потенціал GenAI для вирішення реальних проблем. У новому році ми побачимо його впровадження способами, яких раніше не бачили, але коли мова йде про впровадження штучного інтелекту для корпоративних користувачів, моделі ще не достатньо самодостатні для вирішення складних проблем. Взявши нас, людей, наприклад, ми стали розумнішими та ефективнішими з інструментами, і ми змогли досягти набагато більше з доступом до калькуляторів, бібліотеки та комп’ютера. Ми не можемо очікувати, що моделі мови зроблять все, що нам потрібно, на цьому етапі, особливо в корпоративному середовищі, без належного інструментарію. Додавання графів знань, які підтримують складний штучний інтелект, дозволить системам бути широко використаними та отримувати користь від них в корпоративному секторі.

Революція ранжування інформації з GraphRAG

На початку існування Інтернету основними пошуковими системами були AltaVista та Lycos. Пошуковий запит індексував усі слова на сторінці та пропонував результати в порядку ранжування сторінок. Згодом Google змінила це, розглянувши, як сторінки пов’язані між собою. Сторінки стали більш важливими, якщо інші важливі сторінки вказували на них. Це рекурсивне правило було можливим лише тоді, коли ви розглядали Інтернет як граф. Це саме так ми отримали сучасний Google та ранжування сторінок. Надалі, коли Google почала конвертувати текстові дані в граф знань у 2012 році, ми побачили еволюцію того, як користувачі отримували структуровану інформацію про реальні сутності під час пошуку.

У наступному році ми побачимо подібний прогрес, який ми бачили з Інтернетом від пошуку за ключовими словами до пошуку на основі мережевих та графічних структур. Пошуки на основі конвертованої тексту в структуроване представлення також відбудуться з мовними моделями, що принесе велику користь підприємствам. Коли ми рухаємося вперед з GenAI, ми починаємо бачити щось подібне з GenAI, яке використовує RAG, яке конвертує кожне слово чи кожну частину документа в вектор, що дозволяє нам взяти питання та відобразити його на окремі слова документа.

Я вважаю, що наступна ітерація пошуку перейде на використання комбінації графів знань та RAG. Це дозволяє швидко знайти зв’язки між документами та відповісти на запит. З часом ймовірно, що більшість того, що ми задокументували, буде конвертовано в структуровану інформацію, яка буде розміщена в графах знань, що дозволить здійснити висновок при запиті на пошук. Буде зроблено акцент на швидкій конвертації неструктурованої текстової інформації в структуровану інформацію для символічного знання, щоб воно стало дієвим.

Інтерфейс Інтернету змінюється, наш повсякденний життя побачить впровадження штучного інтелекту до того, як це відбудеться на робочому місці

Як людина, яка виросла на Google, неможливо не помітити, що інтерфейс Інтернету починає змінюватися. Рост впровадження ChatGPT прогресував до того, що став основним механізмом спілкування наступного покоління з Інтернетом. Коли ми продовжимо бачити це впровадження в 2025 році та надалі, це матиме значний вплив на те, як галузі, такі як реклама, еволюціонують, щоб зберегти конкурентну перевагу.

Як і з більшою частиною технологічних інновацій, ми впровадимо їх у своє особисте життя спочатку. Я вважаю, що ми побачимо це з персональними помічниками, такими як Siri чи Alexa, які ґрунтуються на мовних моделях, що вибудовують природні шаблони для нашого повсякденного життя. Коли люди починають більше покладатися на персональну допомогу поза роботою, очікування мати подібних помічників на роботі будуть слідувати.

Переоцінка бюджету для впровадження генеративного штучного інтелекту в корпоративному секторі

Тепер, коли пік гіпциклу штучного інтелекту позаду нас, люди стали більш прагматичними у своєму підході до GenAI. За останні півтора року багато хто витратив велику частину свого бюджету на GenAI, і вони, можливо, поставили інші важливі області інформаційної бази та даних на другий план і недоінвестували. Тому в наступному році ми побачимо, як багато організацій краще kalibruватимуть бюджет, щоб зробити більше. Тепер, коли у нас є видимість та досвід того, як GenAI може працювати або не працювати для організації, ці підприємства зможуть балансувати інвестиції між GenAI та всіма іншими важливими ініціативами.