Ausblick 2023: Die digitale Zukunft liegt darin, die Fesseln der künstlichen Intelligenz zu beseitigen

Künstliche Intelligenz beweist endlich, dass der jahrzehntelange Hype um sie wahr ist. Obwohl künstliche Intelligenz noch nicht der Retter der Menschheit ist, hat sie sich vom Konzept zur Realität entwickelt und ihre praktischen Anwendungen machen unsere Welt zu einem besseren Ort.

Allerdings bleiben viele der Wundertaten der künstlichen Intelligenz verborgen, und ihre Auswirkungen können nur beobachtet werden, wenn man über die banale Hülle hinausblickt. Nehmen wir zum Beispiel eine große Versicherungsgesellschaft, die in mehr als 30 Ländern tätig ist. Das Unternehmen bearbeitet jedes Jahr mehr als 20 Millionen Kundenanrufe. Durch den Einsatz von Speech-to-Text-Technologie und natürlicher Sprachverarbeitung sind sie in der Lage, den Inhalt von Anrufen zu analysieren, um spezifische Geschäftsanforderungen zu erfüllen: die Verkaufsqualität zu kontrollieren, Kundenäußerungen und -bedürfnisse zu verstehen, emotionales Feedback einzuholen, Daten zu analysieren und vieles mehr.

Werfen wir noch einmal einen Blick auf AES, den weltweit führenden Produzenten erneuerbarer Energien. Erneuerbare Energie erfordert mehr Geräte zur Verwaltung und Überwachung als herkömmliche Energie. Datenwissenschaft und KI verbessern die betriebliche Effizienz von AES durch Automatisierung und liefern datengesteuerte Erkenntnisse, die die Aktionen und Entscheidungen der Leistungsingenieure verbessern. Dadurch wird sichergestellt, dass die Verfügbarkeitsanforderungen erfüllt werden und saubere Energie so schnell, effizient und kostengünstig wie möglich an die Kunden geliefert wird. Auch AES trägt seinen Teil zur Rettung der Welt bei.

Diese gewinnen, ebenso wie unzählige Anwendungen der künstlichen Intelligenz, die in Produktion gegangen sind, immer mehr an Aufmerksamkeit. Bisher ist das Potenzial der künstlichen Intelligenz jedoch noch durch drei wesentliche Einschränkungen begrenzt:

• Unzureichende Rechenleistung;
• Die Notwendigkeit, Daten an bestimmte (zentrale) Standorte zu binden;
• Mangel an Trainingsdaten .

Dank einiger wichtiger technologischer Innovationen findet ein bahnbrechender Wandel statt, die KI befreit sich von diesen Zwängen und Unternehmen müssen bereit sein, die Vorteile dieser leistungsstarken Technologie zu nutzen.

Werfen wir einen Blick auf diese limitierenden Faktoren – die Fesseln, die die Entwicklung künstlicher Intelligenz behindern – und wie sie in Zukunft durchbrochen werden können.

KI-Fessel 1: Rechenleistung

Traditionell verfügen Unternehmen nicht über genügend Rechenleistung, um KI-Modelle anzutreiben und sie ordnungsgemäß am Laufen zu halten. Unternehmen haben darüber nachgedacht, ob sie sich für die benötigten Ressourcen vollständig auf Cloud-Umgebungen verlassen sollten oder ob es besser wäre, die Computing-Investitionen zwischen Cloud- und lokalen Ressourcen aufzuteilen.

Interne GPU-Cluster vor Ort sind jetzt eine Option für Unternehmen. Heutzutage konzentrieren sich mehrere größere, fortschrittlichere Unternehmen auf Produktionsanwendungsfälle und investieren in ihre eigenen GPU-Cluster (z. B. NVIDIA DGX SuperPOD). GPU-Cluster geben Unternehmen die dedizierte Leistung, die sie zum Betrieb benötigen.

Eine große Anzahl von Trainingsmodellen – wenn sie softwarebasierte Frameworks für verteiltes Rechnen nutzen. Ein solches Framework kann die Schwierigkeit abstrahieren, Trainings-Workloads auf verschiedenen GPU-Knoten manuell zu analysieren.

KI-Kette 2: Zentralisierte Daten

Daten werden typischerweise an einem zentralen Ort, oft als Data Warehouse bezeichnet, gesammelt, verarbeitet und gespeichert, wodurch eine einzige Quelle der Wahrheit für die Arbeit eines Unternehmens entsteht.

Die Verwaltung eines einzigen Datenrepositorys erleichtert die Verwaltung, Überwachung und Iteration. So wie Unternehmen heute die Möglichkeit haben, in Online- oder Cloud-Computing-Funktionen zu investieren, gab es in den letzten Jahren eine Bewegung, die durch die Dezentralisierung von Daten Flexibilität im Data Warehouse schafft.

Datenlokalisierungsregeln können verhindern, dass die Daten verteilter Unternehmen aggregiert werden. Und das schnelle Aufkommen von Edge-Anwendungsfällen für Datenmodelle macht das Konzept eines einzelnen Data Warehouse nicht mehr zwingend.

Heutzutage betreiben die meisten Unternehmen Hybrid-Clouds. Die Zeiten, in denen Daten an einen bestimmten Standort gebunden werden mussten, sind also vorbei. Da wir sehen, dass Unternehmen die Hybrid Cloud weiterhin nutzen, profitieren sie von allen Vorteilen der Hybrid Cloud – einschließlich der Flexibilität, Modelle am Edge bereitzustellen.

KI-Kette 3: Trainingsdaten

Der Mangel an nützlichen Daten war schon immer ein großes Hindernis für die Verbreitung künstlicher Intelligenz. Obwohl wir technisch gesehen von Daten umgeben sind, kann das Sammeln und Speichern von Daten zeitaufwändig, mühsam und teuer sein. Es gibt auch das Problem der Voreingenommenheit. Wenn KI-Modelle entwickelt und eingesetzt werden, müssen sie ausgewogen und frei von Vorurteilen sein, um sicherzustellen, dass die Erkenntnisse, die sie generieren, wertvoll sind und keinen Schaden anrichten. Aber so wie die reale Welt voreingenommen ist, so sind es auch die Daten. Um den Einsatz Ihrer Modelle zu skalieren, benötigen Sie große Datenmengen und den Aufwand, Datenverzerrungen zu korrigieren.

Um diese Herausforderungen zu meistern, greifen Unternehmen auf synthetische Daten zurück. Tatsächlich sind synthetische Daten auf dem Vormarsch. Gartner schätzt, dass bis 2024 60 % der Daten in KI-Anwendungen synthetisch sein werden. Für einen Datenwissenschaftler ist die Art der Daten (real oder synthetisch) unerheblich. Entscheidend ist die Qualität der Daten. Synthetische Daten eliminieren potenzielle Verzerrungen. Es ist außerdem leicht skalierbar und günstiger in der Anschaffung. Synthetische Daten bieten Unternehmen auch die Möglichkeit, vorab gekennzeichnete Daten zu verwenden, wodurch der Zeit- und Ressourcenaufwand für die Produktion und Generierung des zum Trainieren von Modellen verwendeten Ausgangsmaterials erheblich reduziert wird.

Der Aufstieg der künstlichen Intelligenz

Da sich künstliche Intelligenz von den Einschränkungen der Datenqualität, der Berechnung und des Standorts befreit, berührt sie mehr unsere Alltagsleben Lebende Anwendungsfälle und genauere Modelle werden entstehen. Führende Unternehmen nutzen bereits KI, um Geschäftsprozesse zu optimieren. Diejenigen, die keine Maßnahmen ergreifen, um mitzuhalten, werden einen deutlichen Wettbewerbsnachteil haben.

Um den vollen Nutzen aus der KI zu ziehen, muss die Umsetzung von oben nach unten erfolgen. Während Datenwissenschaftler die harte Arbeit der Modellentwicklung und -bereitstellung leisten, müssen Führungskräfte auch über die Konzepte informiert werden, um KI optimal in ihre Geschäftsstrategien integrieren zu können. Führungskräfte, die die KI-Technologie und ihr Potenzial verstehen, können bessere strategische Investitionen in KI und damit in ihr Unternehmen tätigen.

Wenn sie nicht wissen, wie effektiv KI Geschäftsziele unterstützen kann, investieren sie möglicherweise einfach Geld in bestimmte Anwendungen und hoffen, dass neue Forschungsprojekte, die KI nutzen, Früchte tragen. Dies ist ein suboptimaler Bottom-up-Ansatz. Stattdessen müssen Führungskräfte mit Data-Science-Experten und Mitarbeiterführern zusammenarbeiten, um zu lernen, wie sie diese Technologien am besten in ihre regulären Geschäftspläne integrieren können.

Im Jahr 2023 können wir davon ausgehen, dass der Würgegriff der künstlichen Intelligenz allmählich gelockert (wenn nicht sogar vollständig gebrochen) wird. Daher ist es an der Zeit, dass Unternehmen zur Entfesselung künstlicher Intelligenz beitragen, indem sie in Lösungen investieren Wenn diese Lösungen ihr volles Potenzial entfalten, werden sie die Welt zu einem besseren Ort machen und diesen Unternehmen dabei helfen, in der heutigen digitalen Wirtschaft wettbewerbsfähig zu bleiben.

Das obige ist der detaillierte Inhalt vonAusblick 2023: Die digitale Zukunft liegt darin, die Fesseln der künstlichen Intelligenz zu beseitigen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!