ИИ будет в моде в 2023 году. Онлайн, на конференциях, в подобных статьях невозможно игнорировать эту тему. Но ИИ существует уже некоторое время. Итак, помимо шумихи и заголовков, что стоит за внезапным ростом ИИ как проблемы для бизнеса по всему миру?
Мы достигли критической массы глобальной связи, и доступные сейчас вычислительные мощности способствуют появлению огромных наборов данных. Благодаря экстремальной вычислительной мощности, экстремальным сетям и большим наборам данных (например, тем, которые используются для обучения больших языковых моделей (LLM)), ИИ стал мейнстримом. Теперь он и более доступен, и более необходим, поэтому вокруг него так много шума.
И ажиотаж, кажется, выходит за рамки обычного ажиотажа, когда на сцену выходит новая технология. Кажется, ИИ готов формировать все аспекты будущего. Не только то, что значит заниматься бизнесом, но и то, что значит быть человеком.
Это большие, эзотерические вопросы, стоящие за ИИ. Но что все это означает на практике, в повседневной практике?
Основа ИИ, как я уже говорил, состоит из огромных объемов данных. И теперь управление этим постоянным потоком данных стало одной из самых больших информационных проблем, которые приходится решать компаниям. И хотя взаимодействие с ИИ может показаться простым с точки зрения пользователя, оно включает в себя множество передовых технологий, работающих вместе за кулисами: большие данные, обработка естественного языка (NLP), машинное обучение (ML) и многое другое. Но интеграция этих компонентов – этично и эффективно – требует опыта, стратегии и понимания. Марк Морли
Навигация по социальным ссылкам
Старший директор по продуктовому маркетингу OpenText.
Специализированные против универсальных: максимальное использование ИИ
Наиболее обсуждаемые инструменты ИИ, такие как ChatGPT или Bard, являются примерами обобщенного ИИ. Они работают, беря наборы данных из общедоступных источников, то есть всего Интернета, и обрабатывая эти данные для создания результатов, которые кажутся людям правдоподобными.
Но проблема с использованием обобщенных моделей ИИ в бизнесе заключается в том, что они подвержены тем же неточностям и предвзятости, к которым мы привыкли в Интернете в более широком смысле.
Подпишитесь на информационный бюллетень Ny Breaking и получайте все лучшие новости, мнения, функции и рекомендации, необходимые вашему бизнесу для успеха!
Поэтому для достижения максимального эффекта компаниям не следует использовать общие модели ИИ. Напротив, развертывание специализированных моделей ИИ — это способ наиболее эффективно управлять потоком данных, поступающих с ИИ. Специализированные инструменты искусственного интеллекта похожи на общие инструменты в том, что они также являются LLM. Но главное отличие состоит в том, что они обучаются на специализированных данных, которые проверяются профильными экспертами перед поступлением в LLM.
Таким образом, специализированные алгоритмы искусственного интеллекта могут анализировать, понимать и выполнять контент, которому можно доверять с точки зрения профессиональной точности. Подобные возможности имеют решающее значение для того, чтобы избежать ловушек, которые мы до сих пор видели с обобщенным ИИ, например, когда юристы включают неточную информацию, предоставленную ChatGPT, в юридические документы. Но остается вопрос: как компаниям лучше всего справиться с огромными объемами данных, которые возникают, когда они применяют специализированный подход к ИИ?
Управляйте потоком данных с помощью специализированных моделей искусственного интеллекта
Любой успешный подход включает в себя эффективные стратегии сбора, хранения, обработки и анализа данных. Как и в случае с любым технологическим проектом, решающее значение имеет определение четких целей и политики управления. Но качество данных, возможно, еще важнее. Здесь применима старая поговорка «мусор на входе, мусор на выходе»; успех любой специализированной модели ИИ зависит от качества данных, поэтому компании должны внедрять процессы проверки и очистки данных.
Инфраструктура хранения данных, управление жизненным циклом, интеграция между системами и контроль версий также должны быть рассмотрены и запланированы перед развертыванием специализированной модели ИИ. Обеспечение всего этого поможет компаниям лучше справляться с большими объемами данных, генерируемых на другом конце, при этом непрерывный мониторинг также необходим для оценки эффективности модели.
Но компании также должны учитывать этику ИИ, как и в случае с ИИ в целом. Специализированные модели ИИ могут быть склонны к предвзятости в конкретной области, в то время как то, что считается этическим в одном секторе, может не быть таковым в другом, что требует разумного использования специализированных результатов ИИ. Кроме того, специалистам LLM может быть трудно понять нюансы или контекстно-зависимые аспекты языка. Это может привести к неправильной интерпретации входных данных и получению неверных или неточных результатов.
Эта сложность, очевидно, диктует, что человеческий вклад и постоянный мониторинг имеют решающее значение. Но это также подчеркивает важность сотрудничества между департаментами и сектором, чтобы гарантировать, что любое использование ИИ является этичным и эффективным.. Обмен данными и знаниями может стать важным шагом в улучшении качества лежащих в основе данных и, если все будет сделано правильно, также может помочь обеспечить безопасность этих данных.
Поскольку ИИ становится все более интегрированным в нашу повседневную работу и жизнь, нам в конечном итоге потребуется разработать процессы для обработки его результатов масштабируемым и этичным способом. В основе всего этого лежит партнерство и сотрудничество, особенно с технологией, которая затрагивает очень многих из нас одновременно. Мы представили лучший инструмент визуализации данных.
Эта статья была подготовлена в рамках канала Expert Insights от Ny BreakingPro, где мы рассказываем о лучших и ярких умах современной технологической индустрии. Мнения, выраженные здесь, принадлежат автору и не обязательно совпадают с мнением Ny BreakingPro или Future plc. Если вы заинтересованы в участии, вы можете прочитать больше здесь: https://www.techradar.com/news/submit-your-story-to-techradar-pro.
Статья добавлена ботом, с использованием машинного перевода : https://nybreaking.com/category/tech/
