Dirbtinis intelektas
Jūsų IT infrastruktūros paruošimas dirbtiniam intelektui
Turto valdymas, stebimumas, mokymai ir kruopštus dirbtinio intelekto naudojimo atvejų pasirinkimas turėtų būti pagrindiniai prioritetai mažoms įmonėms ir startuoliams, sako ekspertai.
Reklama
Mažoms įmonėms diegiant dirbtinio intelekto technologijas, jos susiduria su esminiais iššūkiais, susijusiais su tuo, kokie naudojimo atvejai yra vertingiausi ir, svarbiausia, kokia IT infrastruktūra geriausiai palaiko šiuos atvejus.
„Su dirbtiniu intelektu galima labai daug nuveikti, kad darbuotojai taptų efektyvesni, todėl nereikėtų likti nuošalyje“, – sako Mike’as Hurtas, „ServiceNow“ viceprezidentas SLED klausimais. „Tačiau taip pat manau, kad daugelis tiekėjų klaidina sprendimų priėmėjus dėl to, ką jie gali padaryti su dirbtiniu intelektu ir kaip tai turėtų daryti.“
Nors nėra vieno universalaus plano, kaip pasiruošti dirbtinio intelekto diegimui, ekspertai išskyrė kelis pagrindinius žingsnius, kurie gali padėti mažoms ir vidutinėms įmonėms bei startuoliams paruošti savo infrastruktūrą, kad ateityje jie galėtų kuo geriau išnaudoti dirbtinio intelekto galimybes.
Pagrindiniai dirbtinio intelekto pasirengimo ramsčiai
Pasak Viešosios technologijų instituto vykdomojo direktoriaus Alano Sharko, vertinant IT aplinką pagal pasirengimą dirbtiniam intelektui, yra trys pagrindiniai aspektai.
1. Dirbtinis intelektas individui
„Kaip galime panaudoti dirbtinį intelektą, kad pagerintume darbuotojo produktyvumą ir kūrybiškumą, jų gebėjimą geriau bendrauti, rašyti geresnes ataskaitas, kurti geresnes prezentacijas ir panašiai?“ – klausia Sharkas. „Problema ta, kad nėra vieno produkto, kuris viską atliktų.“
Programinės įrangos kūrėjai užtvindė rinką dirbtiniu intelektu pagrįstais produktais, sprendžiančiais labai specifines problemas, todėl daugelis įmonių svarsto, kur geriausia investuoti savo lėšas. Sharkas siūlo kelis galimus sprendimus.
„Įsteikite dirbtinio intelekto produktyvumo centrus“, – sako jis. „Tai skirtos darbo vietos, fizinės arba nuotolinės, kurios leidžia darbuotojams naudotis dirbtinio intelekto įrankiais be individualių licencijų.“
Eksperimentinė aplinka galėtų būti būdas darbuotojams saugiai dirbti su technologija, neįsipareigojant didelio masto licencijavimui.
Darbo vietų konfigūracijos yra dar vienas svarbus aspektas, naudojant dirbtinį intelektą individualiu lygiu, sako Sharkas, ypač populiarėjant dirbtinio intelekto kompiuteriams.
„Tai gali priminti senus laikus, kai jums buvo priskiriamos tam tikros konfigūracijos“, – sako Sharkas. „Turėjote galbūt tris ar keturias stalinių ar nešiojamų kompiuterių konfigūracijas. Viena buvo skirta lengvam vartotojui, kita – vidutiniam, trečia – intensyviam vartotojui, o ketvirta – specializuotam vartotojui su individualiais poreikiais.“
2. Dirbtinis intelektas visos įmonės mastu
Dirbtinio intelekto pokalbių robotai, galintys bendrauti su vartotojais ir darbuotojais dešimtimis kalbų, yra pavyzdys, kaip dirbtinis intelektas veikia įmonės arba visos organizacijos mastu. Duomenų politika yra itin svarbi siekiant saugiai ir atsakingai įgyvendinti šiuos didesnio masto dirbtinio intelekto sprendimus.
„Jei turite tvirtą duomenų politiką, kuri atsižvelgia į privatumą, saugumą ir prieigą, jums galbūt net nereikėtų atskiros dirbtinio intelekto politikos, nes esama duomenų politika tai reglamentuotų“, – sako Sharkas.
Prieš diegiant dirbtinį intelektą, kuris sąveikauja su didesniais duomenų rinkiniais, įmonės privalo įvertinti esamus duomenis ir juos klasifikuoti pagal aiškią duomenų politiką. Taip pat būtina apsvarstyti, kaip bus renkami ir klasifikuojami būsimi duomenys, siekiant užtikrinti nuoseklų ir metodišką duomenų valdymą.
„Nors vertiname tai, ką jau turime, taip pat turime nustatyti geresnius duomenų rinkimo parametrus ateičiai“, – sako Sharkas. „Turime išsiaiškinti, ar galime geriau juos klasifikuoti?“
„Jūsų rezultatai priklauso tik nuo jūsų duomenų kokybės“, – teigia Hurtas. „Matau, kad klientams tenka skirti mažiau laiko duomenų paruošimui, kad jie galėtų pasinaudoti dirbtinio intelekto galimybėmis, nes „ServiceNow“ ir kitos įmonės supaprastino duomenų įkėlimą, kad būtų galima mokyti modelius verslo naudojimo atvejams.“
Hurtas pabrėžia turto valdymo ir stebimumo svarbą, kai įmonės siekia aiškiai suprasti savo technologijų infrastruktūrą ir jos ribas.
„Kai visi jų turtai – aparatinė ir programinė įranga – yra identifikuoti, jie galiausiai turi labai gerą viso verslo vaizdą“, – sako jis. „Tada lengviau rasti ir veikti pagal tai, kas turi didžiausią vertę ir reikalauja mažiausiai laiko sprendimui.“
3. Atviros ir uždaros dirbtinio intelekto sistemos hibridinėse aplinkose
„ChatGPT“, „Perplexity“, „Gemini“ ir „Copilot“ yra tai, ką Sharkas vadina „atviromis sistemomis“, veikiančiomis viešojoje erdvėje.
„Čia reikia būti itin atsargiems, kad darbuotojai žinotų, jog negalima naudoti asmens duomenų ar nieko, kas galėtų būti žalinga, diskriminuojanti ar šališka“, – sako Sharkas.
Debesų kompiuterija pagrįsti didieji kalbos modeliai (LLM) gali būti galingi įrankiai, tačiau jie kelia riziką dėl jautrių duomenų kompromitavimo per įvestis ir klaidingos ar klaidinančios informacijos pateikimo per išvestis. ES reguliavimas „ChatGPT“ ir visam dirbtiniam intelektui
Priešingai, uždaros dirbtinio intelekto sistemos prieinamos tik per konkrečius domenus ir tik tam tikriems vartotojams. Viskas, kas susiję su privačia informacija ar jautriais dokumentais, geriau aptarnaujama uždaroje sistemoje, prieinamoje tik įgaliotiems vartotojams. Uždaroje sistemoje visi duomenų įvedimai niekada netaps vieši.
Kitas šios diskusijos aspektas yra viešasis debesis prieš vietinę arba privačią debesų infrastruktūrą. Sprendimas, ką ir kur talpinti, yra esminis dirbtinio intelekto naudojimo aspektas. Pasak Sharko, „vietinė infrastruktūra grįžta“, tai skatina plačiajuosčio ryšio apribojimai, poreikis didesniam greičiui tinklo krašte ir noras kai kuriuos dirbtinio intelekto naudojimo atvejus laikyti privačiais ir saugesniais. Europa brėžia raudonas linijas dirbtiniam intelektui
„Žmonės pradeda abejoti ir sako, kad debesis puikiai tinka saugojimui, bet kai kuriuos dalykus geriau laikyti vietoje“, – sako Sharkas.
Tai gali apimti uždaras dirbtinio intelekto sistemas, tokias kaip individualizuoti LLM, bet taip pat mažesnius kalbos modelius ir produktyvumo naudojimo atvejus, kurie artimoje ateityje vis dažniau gali būti perkeliami į dirbtinio intelekto kompiuterius.
Mokymai yra esminiai kiekviename žingsnyje
„Dirbtinis intelektas yra esminis pokytis, todėl mums reikia išsamių mokymų ir švietimo kiekviename lygyje“, – sako Sharkas. „Mokymų tikslas – padėti žmonėms suprasti, kaip tai galima geriausiai panaudoti.“ Atliko eksperimentą: darbuotojų samdymą perdavė dirbtiniam intelektui, rezultatai – nustebino
Iš vartotojo sąsajos perspektyvos kai kurie tiekėjai, tokie kaip „ServiceNow“, teigia, kad jie gali sujungti dirbtinio intelekto funkcionalumą į vieną valdymo langą, kad sumažintų reikalingų vartotojų mokymų apimtį.
„Galite naudoti savo kalbos modelius su „ServiceNow“, galite naudoti mūsų arba kitus kalbos modelius sąsajoje, kuri jau yra labai pažįstama daugeliui įmonių“, – sako Hurtas. „Turėti viską po vienu skėčiu tikrai padeda mokymų požiūriu.“ Kaip veikia dirbtinis intelektas
Kaip ir Hurtas, Sharkas mano, kad išankstinis darbas – duomenų valdymas, turto valdymas, naudojimo atvejų identifikavimas ir mokymai – yra vertas galimų rezultatų, o likti nuošalyje yra pavojinga.
„Dirbtinis intelektas gali būti labai galingas su tinkamais duomenų rinkiniais, nes jis gali milisekundžių greičiu identifikuoti modelius, tendencijas ir prognozes greičiau, nei tai kada nors galėtų padaryti žmogus“, – sako jis. „Pirmą kartą šios sistemos gali rasti adatą šieno kupetoje.“
„Bitė“ perka naujausius „Nvidia“ grafikos procesorius dirbtiniam intelektui vystyti
Turinys priklauso: biztechmagazine.com
Reklama
