Сейчас, когда на дворе 2024 год, мы не можем игнорировать глубокое влияние, которое искусственный интеллект (ИИ) оказывает на нашу деятельность в компаниях и секторах рынка. Правительственные исследования показали, что каждая шестая британская организация внедрила хотя бы одну технологию искусственного интеллекта в свои рабочие процессы, и ожидается, что это число будет продолжать расти до 2040 года.
С ростом внедрения ИИ и GenAI (GenAI) будущее нашего взаимодействия с Интернетом зависит от нашей способности использовать силу умозаключений. Вывод происходит, когда обученная модель ИИ использует данные в реальном времени для прогнозирования или выполнения задачи, проверяя ее способность применять знания, полученные во время обучения. Это момент истины для модели ИИ, чтобы показать, насколько хорошо она может применять полученную информацию. Независимо от того, работаете ли вы в сфере здравоохранения, электронной коммерции или технологий, возможность использовать знания ИИ и добиться истинной персонализации будет иметь решающее значение для взаимодействия с клиентами и будущего успеха в бизнесе. Вывод: ключ к истинной персонализации
Ключ к персонализации заключается в стратегическом развертывании логических выводов путем масштабирования кластеров логических выводов ближе к географическому местоположению конечного пользователя. Такой подход гарантирует, что прогнозы на основе искусственного интеллекта для входящих пользовательских запросов будут точными и доставляются с минимальными задержками и низкими задержками. Предприятия должны использовать потенциал GenAI, чтобы раскрыть возможность предоставления индивидуального и персонализированного пользовательского опыта.
Компании, которые не предвидели важности облака вывода, отстанут в 2024 году. Справедливо сказать, что 2023 год был годом экспериментов с ИИ, но облако вывода позволит добиться реальных результатов с помощью GenAI в 2024 году. инновации в моделях больших языков (LLM) с открытым исходным кодом и делают настоящую персонализацию реальностью, создавая облачные выводы. Кевин Кокрейн
Навигация по социальным ссылкам
Директор по маркетингу Vultr.
Новое веб-приложение
До появления GenAI основное внимание уделялось предложению существующего контента без персонализации, близкого к конечному пользователю. По мере того, как все больше компаний претерпевают трансформацию GenAI, мы будем наблюдать рост количества логических выводов на периферии, где компактные LLM могут создавать персонализированный контент на основе сигналов пользователей.
Некоторым компаниям до сих пор не хватает сильной стратегии преимуществ, не говоря уже о стратегии преимуществ GenAI. Они должны понимать важность централизованного обучения, местного развития и глобального применения. В этом случае для предоставления логических выводов на периферии организациям необходимо иметь распределенный стек графических процессоров (GPU) для обучения и настройки моделей на локализованных наборах данных.
После уточнения этих наборов данных модели затем развертываются в центрах обработки данных по всему миру в целях соблюдения местных правил суверенитета данных и конфиденциальности. Компании могут обеспечить лучшее и более персонализированное обслуживание клиентов, интегрировав этот процесс в свои веб-приложения.
GenAI требует вычислительной мощности графического процессора, но графические процессоры часто недоступны для большинства предприятий из-за их высокой стоимости. При развертывании GenAI компаниям следует обращать внимание на более мелкие LLM с открытым исходным кодом, а не на крупные гипермасштабные центры обработки данных, чтобы обеспечить гибкость, точность и экономическую эффективность. Предприятия могут избежать сложных и ненужных услуг, подхода «бери или уходи», который ограничивает настройку, а также привязки к поставщику, которая затрудняет миграцию рабочих нагрузок в другие среды. ГенИИ в 2024 году: где мы находимся и куда идем
Отрасль может ожидать изменений в сфере веб-приложений к концу 2024 года с появлением первых приложений на основе моделей GenAI.
Централизованное обучение моделей ИИ обеспечивает обширное обучение на огромных наборах данных. Централизованное обучение гарантирует, что модели хорошо подготовлены к пониманию сложных закономерностей и нюансов, обеспечивая прочную основу для точных прогнозов. Их истинный потенциал станет очевиден, когда эти модели будут развернуты по всему миру, что позволит компаниям охватить широкий спектр рынков и поведения пользователей.
Суть заключается в локальном компоненте вывода. Локальная деривация означает приближение вычислительной мощности к конечному пользователю, что является важным шагом в минимизации задержек и оптимизации взаимодействия с пользователем. Поскольку мы являемся свидетелями развития периферийных вычислений, локальный логический вывод плавно распределяет вычислительные задачи ближе к тому месту, где они необходимы, обеспечивая реакцию в реальном времени и повышая эффективность.
Этот подход имеет серьезные последствия для нескольких отраслей, от электронной коммерции до здравоохранения. Подумайте, использует ли платформа электронной коммерции GenAI для персонализированных рекомендаций по продуктам. Делая локальные выводы, платформа анализирует предпочтения пользователей в режиме реального времени и предоставляет индивидуальные предложения, отвечающие их непосредственным потребностям. Та же концепция применима и к приложениям в сфере здравоохранения, где локальный вывод повышает точность диагностики, обеспечивая быстрое и точное понимание данных пациента.
Этот переход к локальному выводу также решает проблемы конфиденциальности данных и соответствия требованиям.. Обрабатывая данные ближе к источнику, компании могут удовлетворить требования законодательства, гарантируя при этом, что конфиденциальная информация останется в географических границах, установленных законами о защите данных. Настал век умозаключений
Путь в будущее веб-приложений на основе искусственного интеллекта характеризуется тремя стратегиями: централизованное обучение, глобальное развертывание и локальный вывод. Этот подход не только расширяет возможности модели ИИ, но и является агонистическим для поставщиков, независимо от платформы облачных вычислений или поставщика услуг ИИ. Поскольку мы вступаем в новую эпоху цифровых технологий, компании должны признать решающую роль выводов в формировании будущего веб-приложений на базе искусственного интеллекта. Хотя существует тенденция сосредотачиваться на обучении и внедрении, не менее важно приблизить выводы к конечному пользователю. Их коллективное влияние предоставит беспрецедентные возможности для инноваций и персонализации во всех отраслях. Мы перечислили лучшие инструменты повышения производительности.
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/
