3 حلول لسوء الفهم التوليدي للذكاء الاصطناعي من أجل نجاح المؤسسة

3 حلول لسوء الفهم التوليدي للذكاء الاصطناعي من أجل نجاح المؤسسة


انضم إلى كبار المديرين التنفيذيين في سان فرانسيسكو يومي 11 و 12 يوليو ، لمعرفة كيف يدمج القادة استثمارات الذكاء الاصطناعي ويحسنونها لتحقيق النجاح. يتعلم أكثر


الاستقطاب هو طريقة الأمور اليوم. من السياسة إلى القهوة ، نحن جميعًا في جانب أو آخر. اليوم في مجال التكنولوجيا ، إما أن تبتهج بوصول الذكاء الاصطناعي للجماهير أو تتذمر بشدة من عدم قابلية تطبيق الذكاء الاصطناعي.

منذ ستة أشهر فقط ، لم يكن الكثير منا قد سمع بالفعل عن الذكاء الاصطناعي التوليدي. اليوم ، لدينا ChatGPT و Bing AI والعديد من الشركات الناشئة الأخرى ؛ يجعل موجة التشفير تبدو وكأنها تموج في البركة. لذا ، هل علينا تسليم وظائفنا للخوارزميات ، أم أن هناك فارق بسيط في القصة؟

قامت Microsoft و OpenAI معًا بصنع الأخبار باستخدام أدوات الدردشة التحادثية القائمة على تقنية الشبكة العصبية للمحول وتم تدريبهما على بيانات ضخمة ومتنوعة من الويب. خرجت هذه الأدوات عن المسار بسرعة كبيرة ، مع ردود سريالية في كثير من الأحيان ومزعجة في بعض الأحيان.

فهم البيئة الصعبة

ليس من المستغرب بشكل رهيب أن تفهم التكنولوجيا الأساسية ، على الرغم من أنها كانت مخاطرة أخطأت Google وشركات التكنولوجيا الكبرى الأخرى التي أعلنت أنها رائدة في مجال الذكاء الاصطناعي.

حدث

تحويل 2023

انضم إلينا في سان فرانسيسكو يومي 11 و 12 يوليو ، حيث سيشارك كبار المسؤولين التنفيذيين في كيفية دمج استثمارات الذكاء الاصطناعي وتحسينها لتحقيق النجاح وتجنب المزالق الشائعة.

سجل الان

ما فعلته أيضًا هو إنشاء نظام بيئي “لشركات الذكاء الاصطناعي ذات الغلاف الرقيق” التي استخدمت ببساطة واجهات برمجة التطبيقات من Microsoft لبناء منتجات بسرعة استفادت من افتقار معظم الناس إلى المعرفة في هذا المجال. وبدأ سباق تسلح للحصول على نماذج اللغة الأساسية التي تدعم النظام البيئي لواجهة برمجة التطبيقات. راجع شراكة Amazon مع HuggingFace.

تدرك معظم الشركات ، على المستوى العام على الأقل ، أن الذكاء الاصطناعي يمكن أن يكون مفيدًا للغاية لشركاتها. ومع ذلك ، نظرًا لأن المشهد يتحرك بسرعة ، فمن المهم فرز المتطلبات اللازمة للنجاح وألا ينتهي الأمر بأهداف نهائية مفرطة في التفاؤل ، وحبس / اختفاء البائع وعمليات النشر المستدامة التي تفيد الشركة على المدى الطويل.

قد يكون فهم البيئة أمرًا شاقًا بعض الشيء – ومع الاستقطاب ، ظهرت سلسلة من الأساطير. دعنا ننظر إلى سوء الفهم هذا على أنه عدد قليل من الادعاءات العامة ثم الحقائق وراء القصة الرئيسية.

الخرافة الأولى: النماذج الأكبر هي الأفضل دائمًا

الحقيقة: يعتمد نجاح هذه الأدوات بشكل كامل تقريبًا على البيانات التي تم تدريب الخوارزمية عليها. تجاهل الحديث عن حجم معلمة النموذج. إذا كنت ترغب في تطبيق هذه الأدوات على مشاكل المؤسسة مثل التعليمات البرمجية أو القانونية أو الطبية أو أي شيء بينهما ، فتأكد من معرفة بيانات التدريب بعمق.

على سبيل المثال ، قد يكون النموذج الذي تم تدريبه باستخدام المزيد من التعليمات البرمجية ولكن عددًا أقل من المعلمات الإجمالية مناسبًا بشكل أفضل لتدريب أداة الذكاء الاصطناعي لكتابة التعليمات البرمجية أكثر من نموذج تم تدريبه على البيانات الأدبية ولكن مع المزيد من المعلمات. كلما فهمت بشكل أفضل ما تم إدخاله في النموذج ، زادت ثقتك في الاقتراحات الناتجة. ستعمل جميع القطاعات التي تستخدم هذه الأدوات تقريبًا على ضبط النماذج الأساسية على مجموعة بيانات مفهومة جيدًا ومراقبة الجودة قابلة للتطبيق على مساحة الحل المركزة.

الأسطورة الثانية: يمكنني ربط حصاني بأي من شركات الذكاء الاصطناعي هذه لأنها جميعها من نفس النموذج الموجود تحتها

الحقيقة: ستكون الشركات التي ستنجو من هذا الإعصار من الذكاء الاصطناعي هي الشركات التي يمكنها استخدام أي نموذج تأسيسي ، ويمكنها ضبط هذا النموذج وفقًا لبيانات العميل والحصول على الدعم وعمق المعرفة للمساعدة في التوصل إلى مجموعة متنوعة من منهجيات النشر.

يمكن إخفاء الأغلفة الرقيقة حول واجهة برمجة التطبيقات العامة بشكل جيد باستخدام UI / UX ، ولكن في النهاية يجب فهم المخاوف القانونية والأمنية وطول العمر لتلك الشركات جيدًا. جانب آخر لهذه الحقيقة هو تعزيز هذه الساحة.

مثل معظم الاتجاهات التقنية الأخرى ، هناك خطر الالتقاط هنا ، حيث تؤدي خسارة كبيرة للاعبين إلى واجهة برمجة تطبيقات مغلقة للنموذج وتصور النظام البيئي لمقدمي الحلول هو مجرد مجموعة من أغلفة UX الرقيقة على نفس الواجهة الخلفية. يتطلب بناء حل دقيق ومخصص للصناعة شركة تتمتع بموهبة التعلم الآلي (ML) والتحكم في تكاليف البنية التحتية الخاصة بها والقدرة على نشر هذه التقنية بطريقة تلبي احتياجات أمان المؤسسة والامتثال.

الأسطورة الثالثة: الذكاء الاصطناعي سيحل محل الموظفين الفنيين الأقل مهارة أو المبتدئين

هذه الأسطورة الأخيرة لها جوانب من الأسطورتين الأوليين ، ولكنها شيء يجمع شيئًا أكبر وأكثر تركيزًا على الإستراتيجية. زعم بعض الناس أن الذكاء الاصطناعي سيكون بديلاً للبشر.

هذا ليس صحيحًا ، ولكن ليس للسبب الذي قد يعتقده المرء. مع مرور الوقت والتقدم في تكنولوجيا الحوسبة ، قد يكون الذكاء الاصطناعي التوليدي قادرًا “تقنيًا” على استبدال البشر ، لكنه لن يكون لسبب أكثر بساطة هو علم النفس البشري. ستكون هناك دائمًا حاجة إلى أن يعمل البشر معًا لبناء شيء رائع.

هذا يعني إدارة وتنمية الناس. العواطف ، الفروق الدقيقة ، الدعابة والإصلاح كلها ضرورية لبناء شيء أعظم مما يستطيع كل واحد منا أن يفعله بمفرده. إن وضع الذكاء الاصطناعي كعضو بديل في الفريق ليس شيئًا من شأنه بناء الثقة أو الصداقة الحميمة. وفي النهاية ، يؤثر هذا على ثقافة الشركة. الاعتماد المفرط ، سواء في الممارسة أو المفهوم ، هو وصفة لقصة نجاح صعبة للشركة. لنكن حذرين ونحتفل بالشركات التي تعزز إنتاجية الموظفين بشكل مدروس بدلاً من السعي لاستبدالها.

تحطيم الأساطير المبكرة الموعودة للذكاء الاصطناعي

هناك الكثير من الفروق الدقيقة في المناقشة ، لكن فهم الأساطير المبكرة عن الاختطاف الموعود بالذكاء الاصطناعي مع بعض الحقائق الواقعية سيقطع شوطًا طويلاً في المساعدة في تقييم الخيال من الحقيقة في الفضاء سريع الحركة.

المفتاح الذي يجب تذكره هو الانتباه إلى بيانات النموذج. افهم خبرة مورّدك في تعلّم الآلة واستعداده للمساعدة في تخصيص بيانات مؤسستك لضبط أحد الحلول. وأخيرًا ، قم بتطبيق الذكاء الاصطناعي بطريقة تفيد الموظفين ، وليس مجرد البحث عن توفير التكاليف.

فقط هذه المفاهيم القليلة وحدها ستقطع شوطًا طويلاً في مساعدة الشركات على اختيار حل يمكن أن يكون مؤثرًا وطويل الأمد.

درور فايس هو المؤسس والرئيس التنفيذي لشركة تابنين.

صانعي القرار

مرحبًا بك في مجتمع VentureBeat!

DataDecisionMakers هو المكان الذي يمكن للخبراء ، بما في ذلك الأشخاص الفنيون الذين يقومون بعمل البيانات ، مشاركة الأفكار والابتكارات المتعلقة بالبيانات.

إذا كنت تريد أن تقرأ عن الأفكار المتطورة والمعلومات المحدثة ، وأفضل الممارسات ، ومستقبل البيانات وتكنولوجيا البيانات ، انضم إلينا في DataDecisionMakers.

يمكنك حتى التفكير في المساهمة بمقال خاص بك!

قراءة المزيد من DataDecisionMakers

Comments

No comments yet. Why don’t you start the discussion?

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *