التغلب على تحديات الثقة والموهبة والأسعار في توسيع نطاق الذكاء الاصطناعي التوليدي

تبذل الشركات جهدًا لا هوادة فيه للاستيلاء على القوة اللامحدودة للذكاء الاصطناعي التوليدي. بالطبع، دورة الضجيج موجودة دائمًا، خاصة فيما يتعلق بالذكاء الاصطناعي، لكن مؤسسة جارتنر تخبرنا أنه في غضون عامين فقط، سيتحول 50% من مجالس إدارة أكبر 500 شركة في العالم إلى الذكاء الاصطناعي العام في كل شيء بدءًا من التفكير وحتى تخطيط السيناريوهات وتحسين القرار. يقول فيجوي باندي، نائب الرئيس الأول لشركة Outshift by Cisco، إن الخوف من تفويت الفرصة هو بالتأكيد ما دفع الشركات إلى القفز على عربة الذكاء الاصطناعي، ولكن هناك المزيد. وفي الوقت نفسه، قد تشعر المؤسسات بالتحديات الناجمة عن الوعود والمخاطر المرتبطة بتوسيع نطاق الذكاء الاصطناعي التوليدي.

يوضح باندي: “إنها واحدة من أهم التحولات التكنولوجية في العقد الماضي أو أكثر”. “إنها تغير قواعد اللعبة فيما يتعلق بالإبداع والإنتاجية وابتكار المنتجات وخطوط جديدة للإيرادات. ولن يقتصر الأمر على إعادة تعريف شكل كل من هذه العناصر في المستقبل فحسب، بل سيفتح أيضًا حالات استخدام محتملة جديدة هائلة.

توسيع نطاق التعقيد: التحديات المقبلة
هناك عدد من التحديات عندما يتعلق الأمر بالذكاء الاصطناعي – التكلفة، وضمان الدقة، والحفاظ على البيانات وأمن معلومات التعريف الشخصية (PII)، والقضاء على التحيز والمزيد. لكن التحدي الأكبر الذي تواجهه الشركات الآن، عندما تكون مستعدة لإطلاق مبادرة الذكاء الاصطناعي العام، هو صعوبة إدارة الحجم، خاصة في ضوء التعقيد السريع التطور في هذا المجال.

“إن التطور في هذا المجال سريع للغاية ومتنوع ومتعدد الجوانب بحيث يصعب على أي شخص مواكبته وإدارة التعقيد.”

يشرح باندي قائلاً: “إن التطور في هذا المجال سريع للغاية، ومتنوع للغاية، ومتعدد الجوانب، بحيث يصعب على أي شخص مواكبته، وإدارة التعقيدات”. “ثانيًا، يشكل الافتقار إلى مجموعة المهارات عائقًا أمام التبني الناجح، خاصة عندما يتعلق الأمر بنماذج اللغة الكبيرة التحويلية. إنها تقنية جديدة نسبيًا بالنسبة لمعظم مستخدميها، وتواجه تحديات خاصة تتطلب خبرة خاصة لكشفها، مما قد يجعل من المستحيل تقريبًا نشرها وتحديثها بسهولة.

إن التوسع في هذا المجال بينما هو متورط في كل هذا التعقيد هو مهمة صعبة. يمكن نشر تجارب صغيرة لإثبات المفهوم بسهولة نسبية – يشير باندي إلى عدد الشركات الناشئة في مجال الذكاء الاصطناعي التي ظهرت فجأة في الفضاء.

يقول: “في الوقت الحالي، يقوم عدد كبير من هذه الشركات بإنتاج أغلفة وواجهات مستخدم مصممة خصيصًا لنماذج مفتوحة المصدر، مثل Llama وOpenAI’s API وStable Diffusion وغيرها من اللاعبين مثل Anthropic أو Cohere”. “لا يوجد أي تمييز هناك، فهم لا يضيفون قيمة حقيقية. سوف تختفي هذه الشركات بالكامل.”

يجب أن يكون عرض القيمة في قلب مشروع الذكاء الاصطناعي العام، ويتلخص ذلك في نتيجة الإنتاجية أو نتيجة الإبداع أو فتح أعمال تجارية جديدة أو تدفقات للإيرادات.

ويقول: “عليك أن تعرف ما هي النتيجة، ولقياس تلك النتائج حقًا، لا يمكنك القيام بذلك على نطاق صغير”. “ما يحدث الآن هو أن الأشخاص والمنظمات يمرون بإثبات للمفاهيم، وأشياء سهلة، مثل تلك الأغلفة، ويرون نتائج مثيرة للاهتمام تجعل صناع القرار يقولون: “دعونا نقفز فقط”.

لسوء الحظ، فإن طرح منتج أو مبادرة حقيقية للذكاء الاصطناعي على نطاق واسع وبدقة يعد مهمة معقدة.

التحديات قيد التنفيذ: البيانات والخصوصية وإدارة التكلفة والمزيد
يقول باندي: “عندما تبدأ في نشر هذا على نطاق واسع، فإنك تدرك أن كل شيء، خط الأنابيب بأكمله، يمثل تحديًا”. “يبدأ الأمر بالبيانات، والحقيقة الأساسية في كل هذا. قد يكون هناك عدد قليل من المؤسسات المحظوظة التي تمتلك بحيرة بيانات، ولكن من المرجح أن يكون لدى 99.9 بالمائة من المؤسسات سلسلة من مجموعات البيانات.”

بدءًا من عمليات الاستحواذ وحتى عمليات نشر الحقول الخضراء وتقديم المنتجات الجديدة، توجد البيانات في جميع أنحاء المؤسسة بتنسيقات متباينة، ويتم تصنيفها بشكل مختلف ومع تعقيداتها الخاصة في كيفية التحدث إلى مجموعة التكنولوجيا وهويتها وعناصر التحكم في الوصول والمزيد. يمثل تجميع مجموعات البيانات هذه في بحيرة بيانات أكبر التحدي الرئيسي الأول. أما المشكلة الرئيسية الثانية فهي جودة البيانات التي يتم إدخالها في نماذج اللغات الكبيرة.

“يبدأ الأمر بالبيانات، والحقيقة الأساسية في كل هذا. قد يكون هناك عدد قليل من المؤسسات المحظوظة التي تمتلك بحيرة بيانات، ولكن من المرجح أن يكون لدى 99.9 بالمائة من المؤسسات سلسلة من مجموعات البيانات.”

يوضح باندي: “لمجرد أن لديك بيانات لا يعني أنه يمكن استخدامها لتحقيق نتيجة ما”. “البيانات غالبًا ما تكون قذرة، عادةً بسبب مصدرها. قد لا يكون قابلاً للاستخدام بسبب مشكلات تتعلق بالأمن أو الذكاء الاصطناعي المسؤول، وقد يكون مغلقًا، وقد يكون ببساطة غير عملي لتحقيق الهدف.

حتى لو قمت بتنظيف بياناتك بعناية، فإن استخدام البيانات بطريقة مسؤولة يتطلب أيضًا إنشاء حواجز حماية حتى لا تدوس عن طريق الخطأ على بيانات عملائك، أو تستفيد من البيانات التي لا تفعل ذلك ولا تنتمي إلى مؤسستك. تصبح الخصوصية مسألة صعبة، حيث تتدفق البيانات ذهابًا وإيابًا بين النموذج والمستخدم. تتعلم هذه النماذج مع كل سؤال أو طلب، بما في ذلك أي بيانات حساسة أو سرية تقدمها لها. يتطلب الذكاء الاصطناعي المؤسسي نهجًا مسؤولًا للذكاء الاصطناعي يهدف إلى حماية الخصوصية والقضاء على التحيز وضمان إمكانية الشرح للعملاء.

وبعد ذلك، عند اختيار النموذج، يزحف تعقيد الفضاء مرة أخرى. هناك عدد كبير من خيارات النماذج، والتي يمكن أن تبطئ عملية اتخاذ القرار، ومن بينها تختار، وما إذا كان يجب عليك تخصيصها، وكيف يمكنك تخصيصها، وكيف يمكنك تقييمها وضبطها، وهكذا على. “إن المسار الكامل لاختيار النموذج، وتخصيصه، وضبطه وإعادة ضبطه بسرعة، والقيام بذلك باستمرار – لأنه، بالطبع، يجب أن تكون عملية متكررة – أمر بالغ الأهمية لتحقيق النجاح في الذكاء الاصطناعي، ولكن يقول باندي: “من الصعب القيام بذلك في مجال الذكاء الاصطناعي العام”. “إن العالم من حولك والظروف الحدودية تتغير باستمرار. كيف يمكنك مواكبة ذلك بسرعة كافية والاستمرار في التكرار، مع الاستمرار في تحقيق قدر قابل للقياس من التحسين؟

من خلال كل هذا، لا يزال من الصعب الحصول على المهارات اللازمة للقيام بذلك، بدءًا من طبقة علم البيانات إلى طبقة علم التطبيق، وطبقة MLOps، وما إلى ذلك، لأنها تقنية جديدة نسبيًا بالنسبة لمعظم المتبنين، ولها تحديات خاصة التي تتطلب خبرة خاصة لكشفها، مما قد يجعل من الصعب للغاية نشرها وتحديثها وإدارتها.

كل طلب ومطالبة من المستخدم له سعر، والذي يتزايد بسرعة غير عادية، والكمية الهائلة من قوة الحوسبة اللازمة لتشغيل حل ذكاء اصطناعي توليدي يعني الاستغناء عن أجهزة باهظة الثمن.

أخيرًا، يعتبر الذكاء الاصطناعي التوليدي مكلفًا أيضًا، ليس فقط من حيث البدء والتشغيل، ولكن بمجرد تشغيله. كل طلب ومطالبة من المستخدم له سعر، والذي يتزايد بسرعة غير عادية، والكمية الهائلة من قوة الحوسبة اللازمة لتشغيل حل ذكاء اصطناعي توليدي يعني الاستغناء عن أجهزة باهظة الثمن. (في هذه الأثناء، أفادت التقارير أن Open AI خسرت 540 مليون دولار في العام الماضي، ويرجع ذلك أساسًا إلى تكاليف الحوسبة – مما يشير إلى أنه بالنسبة للاعبين الجدد، قد يكون من المفيد فهم التكلفة الحقيقية لبدء التشغيل للشروع في منتج أو خدمة الذكاء الاصطناعي العام.)

المفتاح للاستفادة من الذكاء الاصطناعي العام
إن الإجابة على تعقيد الذكاء الاصطناعي العام للمؤسسات بسيطة نسبيًا، كما يقول باندي: تضييق نطاق ما يميز شركتك، لأن بيانات الملكية الخاصة بك وخبرتك المتعمقة في الموضوع هي ما سيسمح لك بالتفوق.

يقول باندي: “إنها تفكر في المكان الذي يمكنك فيه إضافة قيمة كمؤسسة أو كفرد”. “أنت بحاجة إلى الرجوع إلى الوراء ومعرفة ليس فقط التمييز التكنولوجي العميق لديك، ولكن أيضًا أين يمكنك القفز، وعلى أي مستوى من الاستعداد، قبل أن تأخذ هذه القفزة.”

من الضروري أيضًا أن تفهم أنه لا يمكنك الاستفادة من الذكاء الاصطناعي العام مع وجود الأشخاص والعمليات فقط – فأنت بحاجة إلى معالجة مشروعك بطريقة تتمحور حول البرمجيات. ويوضح أن هذه استراتيجية حاسمة بشكل خاص لإدارة التعقيد. أحد أكبر التحديات هو أنه عالم متعدد النماذج – ستحتاج إلى العمل مع المئات لتحقيق الوعد النبيل المتمثل في الذكاء الاصطناعي التوليدي. أولاً، سيتعين عليك قبول الهزيمة، ثم تحديد كيفية إدارة هذا الواقع.

يتعلق الأمر بتضييق نطاق تركيزك عن طريق انتقاء واختيار حالات الاستخدام الأكثر أهمية بالنسبة لك، ومن ثم التفوق في هذا المجال.

وهذا يعني البناء أو العمل مع شخص يمكنه مساعدتك في بناء طبقة تجريد، أو إطار عمل برمجي يبسط التفاعل مع العديد من مقدمي الخدمة. يمكن أن تساعد بعض طبقات التجريد في توحيد المطالبات، ولكنها تتجاوز واجهات برمجة التطبيقات. تعد الطبقات التجريدية لشخصيات المستخدم، والأشخاص الذين يستخدمون المنتج أو الأداة بالفعل، ضرورية. تحتاج أيضًا إلى مجموعة متنوعة من أطر عمل البرامج لقياس التحيز والقضاء عليه وتحسين العدالة، والمساعدة في إدارة البيانات وأمان النماذج بالإضافة إلى معلومات تحديد الهوية الشخصية (PII)، ومساعدتك على التكرار بسرعة والحصول على تعليقات حول مؤشرات الأداء الرئيسية الخاصة بك، والمزيد.

وأخيرًا، يتعلق الأمر بتضييق نطاق تركيزك عن طريق انتقاء واختيار حالات الاستخدام الأكثر أهمية بالنسبة لك، ثم التفوق في هذا المجال.

“هذا بالنسبة لي هو ما سيبدو عليه النجاح. يقول: “عادةً ما يكون الاتجاه في هذه المجالات الجديدة هو، حسنًا، إنها منطقة جديدة ومثيرة، دعني أدخل نفسي في كل الاحتمالات الجديدة”. “دعونا لا نلعق كل الكعك. ما عليك سوى اختيار الكعكة التي تحتاجها، وتحديد القيمة التي تضيفها إلى هذا النظام البيئي، والسماح للشركات الأخرى بالابتكار من حولك، من أجلك.

يتطلع إلى المستقبل
لقد تغير السوق العالمي بشكل لا رجعة فيه بسبب الذكاء الاصطناعي، وخاصة الذكاء الاصطناعي التوليدي، ويجب أن يكون هذا الفهم هو القوة الدافعة للشركة.

يقول باندي: “يجب أن يركز كل التحول الرقمي الذي يمضي قدمًا على الذكاء الاصطناعي، وأن يكون الذكاء الاصطناعي أولًا”. “إذا لم تفعل ذلك، فسوف تتخلف عن الركب. ونظرًا للتعقيد والألم الذي يتعين عليك تحمله لتحقيق كل هذا، فمن الأفضل أن تختار حالات الاستخدام التي تحصل فيها على عائد 100x، أو

ومع ذلك، فإن الأمر لا يستحق الرحلة.

ومع التكلفة التي ستتحملها، تأكد من أن مؤشرات الأداء الرئيسية الخاصة بك واضحة تمامًا، وإلا فسيكون الطريق صعبًا، كما يقول.

البدء في قياس الدقة. ابدأ بقياس وقت العملية. ابدأ بقياس التكلفة. ابدأ بقياس الأمان.

“ابدأ في قياس الدقة. ابدأ بقياس وقت العملية. ابدأ بقياس التكلفة. ابدأ بقياس الأمان. ابدأ بقياس عدد المنظمات التي تحتاج إلى التحدث مع بعضها البعض والوقت الذي تقضيه في القيام بالأشياء. “ادفع هؤلاء إلى الأسفل بقوة.”

ويضيف أنه مع تطور التكنولوجيا على مدى السنوات القليلة المقبلة، فإنها ستصبح أكثر بساطة، وأكثر فعالية من حيث التكلفة، وأكثر دقة، وأكثر جدارة بالثقة، وأكثر سهولة في الوصول إليها وشمولية.

“سنقوم جميعًا بحل بيانات المشكلة هذه. فقط اعلم أن هذا سيحدث،” باندي. “اعلم أن هذا يعد أيضًا تغييرًا تدريجيًا في الوظيفة. سوف يغيرنا جميعًا، وأعتقد أن البشرية جمعاء ستمضي قدمًا في كيفية تعاملنا مع الإنتاجية والإبداع والابتكار. القفز في، استخدامه. أنت لا تريد أن تتخلف عن الركب.”