Outlook 2023: Masa depan digital terletak pada menghapuskan belenggu kecerdasan buatan

Kecerdasan Buatan akhirnya membuktikan bahawa gembar-gembur yang telah mengelilinginya selama beberapa dekad adalah betul. Walaupun kecerdasan buatan belum lagi menjadi penyelamat umat manusia, ia telah berkembang dari konsep kepada realiti, dan aplikasi praktikalnya menjadikan dunia kita tempat yang lebih baik.

Walau bagaimanapun, banyak keajaiban kecerdasan buatan tersembunyi, dan kesannya hanya dapat diperhatikan apabila anda melihat melepasi samaran duniawi. Sebagai contoh, ambil sebuah syarikat insurans besar yang beroperasi di lebih daripada 30 negara. Syarikat itu mengendalikan lebih daripada 20 juta panggilan pelanggan setiap tahun. Dengan memanfaatkan teknologi pertuturan ke teks dan pemprosesan bahasa semula jadi, mereka dapat menganalisis kandungan panggilan untuk memenuhi keperluan perniagaan tertentu: mengawal kualiti jualan, memahami ekspresi dan keperluan pelanggan, mendapatkan maklum balas emosi dan menganalisis data, dan banyak lagi.

Lihat AES, pengeluar tenaga boleh diperbaharui terkemuka di dunia. Tenaga boleh diperbaharui memerlukan lebih banyak peralatan untuk mengurus dan memantau daripada tenaga tradisional. Sains data dan AI meningkatkan kecekapan operasi AES melalui automasi dan menyediakan cerapan dipacu data yang meningkatkan tindakan dan keputusan jurutera prestasi. Ini memastikan keperluan masa operasi dipenuhi dan tenaga bersih dihantar kepada pelanggan secepat mungkin, cekap dan kos efektif. AES juga melakukan bahagiannya untuk menyelamatkan dunia.

Ini, seperti banyak aplikasi kecerdasan buatan yang telah dimasukkan ke dalam pengeluaran, semakin mendapat perhatian. Walau bagaimanapun, setakat ini, potensi kecerdasan buatan masih terhad oleh tiga batasan utama:

• Kuasa pengkomputeran yang tidak mencukupi
• Keperluan untuk mengikat data ke lokasi Khusus (tertumpu);
• kekurangan data latihan.

Perubahan yang menggegarkan laut sedang berlaku berkat beberapa inovasi teknologi utama AI telah membebaskan diri daripada kekangan ini dan perniagaan mesti bersedia untuk memanfaatkan teknologi berkuasa ini.

Mari kita lihat faktor pengehad ini – belenggu yang menghalang perkembangan kecerdasan buatan – dan cara ia boleh dipecahkan pada masa hadapan.

AI belenggu 1: Kuasa pengkomputeran

Secara tradisinya, perusahaan tidak mempunyai kuasa pemprosesan yang mencukupi untuk memacu model AI dan memastikannya berjalan dengan betul. Perusahaan telah mempertimbangkan sama ada mereka harus bergantung sepenuhnya pada persekitaran awan untuk sumber yang mereka perlukan, atau sama ada lebih baik untuk memperuntukkan pelaburan pengkomputeran antara awan dan sumber di premis.

Kluster GPU dalaman dan premis kini menawarkan pilihan kepada perusahaan. Hari ini, beberapa organisasi yang lebih besar dan lebih maju menumpukan pada kes penggunaan pengeluaran dan melabur dalam kelompok GPU mereka sendiri (cth., NVIDIA DGX SuperPOD). Kelompok GPU menyediakan perusahaan dengan kuasa kuda khusus yang mereka perlukan untuk menjalankan.

Sebilangan besar model latihan - jika mereka memanfaatkan rangka kerja pengkomputeran teragih berasaskan perisian. Rangka kerja sedemikian boleh menghilangkan kesukaran menghuraikan beban kerja latihan secara manual pada nod GPU yang berbeza.

AI Shackles 2: Data Berpusat

Data biasanya dikumpul, diproses dan disimpan di lokasi berpusat, selalunya dipanggil gudang data, untuk penciptaan kerja syarikat. sumber kebenaran.

Mengekalkan satu repositori data menjadikannya mudah untuk diurus, dipantau dan diulang. Sama seperti syarikat kini mempunyai pilihan untuk melabur dalam keupayaan pengkomputeran dalam talian atau awan, terdapat pergerakan dalam beberapa tahun kebelakangan ini untuk mencipta fleksibiliti gudang data dengan mendesentralisasi data.

Undang-undang penyetempatan data mungkin menghalang data daripada perusahaan yang diedarkan daripada diagregatkan. Dan kemunculan pesat kes penggunaan edge untuk model data menjadikan konsep gudang data tunggal tidak lagi mutlak.

Hari ini, kebanyakan organisasi menjalankan awan hibrid, jadi berlalulah hari-hari apabila data perlu diikat pada satu lokasi tertentu. Memandangkan kami melihat perusahaan terus memanfaatkan awan hibrid, mereka memperoleh semua faedah awan hibrid—termasuk fleksibiliti untuk menggunakan model di pinggir.

Rantai AI 3: Data Latihan

Kekurangan data berguna sentiasa menjadi penghalang utama kepada percambahan kecerdasan buatan. Walaupun kita secara teknikal dikelilingi oleh data, mengumpul dan menyimpan data boleh memakan masa, membosankan dan mahal. Terdapat juga isu berat sebelah. Apabila model AI dibangunkan dan digunakan, model tersebut perlu seimbang dan bebas daripada berat sebelah untuk memastikan bahawa cerapan yang mereka hasilkan adalah berharga dan tidak membahayakan. Tetapi seperti dunia nyata berat sebelah, begitu juga data. Untuk menskalakan penggunaan model anda, anda memerlukan sejumlah besar data dan usaha untuk membetulkan bias data.

Untuk mengatasi cabaran ini, perusahaan beralih kepada data sintetik. Malah, data sintetik semakin meningkat. Gartner menganggarkan bahawa menjelang 2024, 60% data dalam aplikasi AI akan menjadi sintetik. Bagi saintis data, sifat data (sebenar atau sintetik) adalah tidak relevan. Apa yang penting ialah kualiti data. Data sintetik menghapuskan potensi bias. Ia juga mudah berskala dan lebih murah untuk dibeli. Data sintetik juga memberi syarikat pilihan untuk data pra-label, dengan ketara mengurangkan masa dan sumber yang diperlukan untuk menghasilkan dan menjana bahan suapan yang digunakan untuk melatih model.

Kebangkitan kecerdasan buatan

Memandangkan kecerdasan buatan dibebaskan daripada kekangan kualiti data, pengiraan dan lokasi, lebih banyak kes penggunaan yang melibatkan kehidupan harian kita dan lebih ketepatan. model akan muncul. Sudah melihat organisasi terkemuka menggunakan AI untuk mengoptimumkan proses perniagaan, mereka yang tidak mengambil tindakan untuk bersaing akan berada pada kelemahan kompetitif yang berbeza.

Untuk meraih faedah penuh AI, pelaksanaan perlu dibuat dari atas ke bawah. Walaupun saintis data melakukan kerja keras pembangunan dan penggunaan model, eksekutif juga mesti dididik tentang konsep untuk mengintegrasikan AI dengan terbaik ke dalam strategi perniagaan mereka. Pemimpin eksekutif yang memahami teknologi AI dan potensinya boleh membuat pelaburan strategik yang lebih baik dalam AI dan, oleh itu, perniagaan mereka.

Sebaliknya, apabila mereka tidak tahu keberkesanan AI boleh menyokong matlamat perniagaan, mereka mungkin hanya memasukkan wang ke dalam aplikasi tertentu dan berharap projek penyelidikan baharu yang memanfaatkan AI dan AI akan membuahkan hasil. Ini adalah pendekatan bawah ke atas yang tidak optimum. Sebaliknya, eksekutif perlu bekerjasama dengan pengamal sains data dan pemimpin pekerja untuk mempelajari cara terbaik mengintegrasikan teknologi ini ke dalam rancangan perniagaan biasa mereka.

Pada tahun 2023, kita boleh menjangkakan untuk melihat belenggu AI beransur-ansur longgar (jika tidak dipecahkan sepenuhnya), jadi sudah tiba masanya untuk perusahaan membantu membuka kunci potensi penuh AI dengan melabur dalam penyelesaian , ini penyelesaian akan menjadikan dunia tempat yang lebih baik, membantu perniagaan ini kekal berdaya saing dalam ekonomi digital hari ini.

Atas ialah kandungan terperinci Outlook 2023: Masa depan digital terletak pada menghapuskan belenggu kecerdasan buatan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!