Ի՞նչ դեր ունի խոշոր տեխնոլոգիական ընկերությունները արհեստական ​​բանականության մեջ։

Ի՞նչ դեր ունի խոշոր տեխնոլոգիական ընկերությունները արհեստական ​​բանականության մեջ։

Կարճ պատասխան. Մեծ տեխնոլոգիական ընկերությունները կարևոր են արհեստական ​​բանականության մեջ, քանի որ այն վերահսկում է ոչ այնքան հմայիչ անհրաժեշտ բաները՝ հաշվողական տեխնիկան, ամպային հարթակները, սարքերը, հավելվածների խանութները և ձեռնարկությունների գործիքակազմը: Այդ վերահսկողությունը թույլ է տալիս արագորեն ֆինանսավորել առաջատար մոդելները և միլիարդավոր մարդկանց տրամադրել գործառույթներ: Եթե կառավարումը, գաղտնիության վերահսկողությունը և փոխգործունակությունը թույլ են, նույն լծակը վերածվում է իշխանության կենտրոնացման և ամրագրման:

Հիմնական եզրակացություններ՝

Ենթակառուցվածք. ամպի, չիպերի և MLO-ների վերահսկողությունը դիտարկեք որպես արհեստական ​​ինտելեկտի հիմնական խոչընդոտ։.

Բաշխում. Ակնկալվում է, որ հարթակի թարմացումները կսահմանեն, թե ինչ է նշանակում «արհեստական ​​բանականություն» օգտատերերի մեծամասնության համար։

Դարպասապահություն. հավելվածների խանութի կանոնները և API պայմանները աննկատ կերպով որոշում են, թե որ արհեստական ​​բանականության գործառույթներն են հասանելի։

Օգտատիրոջ վերահսկողություն. Պահանջեք հստակ հրաժարումներ, կայուն կարգավորումներ և արդյունավետ ադմինիստրատորի վերահսկողություն:

Հաշվետվողականություն. վնասակար արդյունքների դեպքում պահանջել աուդիտի գրանցամատյաններ, թափանցիկություն և բողոքարկման ուղիներ։

Ի՞նչ դեր ունեն խոշոր տեխնոլոգիական ընկերությունները արհեստական ​​բանականության մեջ։ Ինֆոգրաֆիկա

🔗 Արհեստական ​​բանականության ապագան. միտումները և հետագա անելիքները
Հաջորդ տասնամյակի ընթացքում վերաձևավորված հիմնական նորարարությունները, ռիսկերը և ոլորտները։.

🔗 Հիմնարար մոդելներ գեներատիվ արհեստական ​​բանականության մեջ. Պարզ ուղեցույց
Հասկացեք, թե ինչպես են հիմքային մոդելները հզորացնում ժամանակակից գեներատիվ արհեստական ​​բանականության կիրառությունները։.

🔗 Ի՞նչ է արհեստական ​​բանականության ընկերությունը և ինչպե՞ս է այն գործում
Սովորեք արհեստական ​​բանականությունը նախապատվություն տվող բիզնեսները սահմանող հատկանիշներ, թիմեր և ապրանքներ։.

🔗 Ինչ տեսք ունի արհեստական ​​բանականության կոդը իրական նախագծերում
Տեսեք արհեստական ​​բանականության վրա հիմնված կոդի ձևանմուշների, գործիքների և աշխատանքային հոսքերի օրինակներ։.

Մի վայրկյան առերեսվենք իրավիճակի հետ. «արհեստական ​​բանականության մասին զրույցների» մեծ մասը շրջանցում է այնպիսի անճաշակ մասերը, ինչպիսիք են հաշվարկները, բաշխումը, գնումները, համապատասխանությունը և այն անհարմար իրականությունը, որ ինչ-որ մեկը պետք է վճարի գրաֆիկական պրոցեսորների և էլեկտրաէներգիայի համար: Մեծ տեխնոլոգիական ընկերությունները ապրում են այդ անճաշակ մասերում: Ահա թե ինչու է դա այդքան կարևոր: 😅 ( IEA - Էներգիա և արհեստական ​​բանականություն , NVIDIA - արհեստական ​​բանականության եզրակացության հարթակների ակնարկ )

Մեծ տեխնոլոգիական ընկերությունների արհեստական ​​բանականության դերը՝ պարզ լեզվով 🧩

Երբ մարդիկ ասում են «մեծ տեխնոլոգիաներ», նրանք սովորաբար նկատի ունեն այն հսկա հարթակային ընկերությունները, որոնք վերահսկում են ժամանակակից համակարգչային տեխնոլոգիաների հիմնական շերտերը

Այսպիսով, դերը միայն «նրանք արհեստական ​​ինտելեկտ չեն ստեղծում» չէ: Ավելի շուտ նրանք են կառուցում մայրուղիները, վաճառում մեքենաները, աշխատեցնում վճարովի կետերը և նաև որոշում, թե որտեղ են գնալու ելքերը: Մի փոքր չափազանցություն է... բայց ոչ շատ:.

Մեծ տեխնոլոգիական ընկերությունների դերը արհեստական ​​բանականության մեջ. հինգ խոշոր աշխատատեղերը 🏗️

Եթե ​​ցանկանում եք մաքուր մտավոր մոդել, խոշոր տեխնոլոգիական ընկերությունները արհեստական ​​բանականության աշխարհում հակված են կատարել հինգ համընկնող աշխատանք

  1. Ենթակառուցվածքների մատակարար՝
    տվյալների կենտրոններ, ամպային տեխնոլոգիաներ, ցանցային ծառայություններ, անվտանգություն, MLOps գործիքներ։ Այն ամենը, ինչը արհեստական ​​բանականությունը դարձնում է իրագործելի մասշտաբով։ ( Amazon SageMaker AI փաստաթղթեր , IEA - Էներգիա և արհեստական ​​բանականություն )

  2. Մոդելների կառուցող և հետազոտական ​​շարժիչ։
    Ոչ միշտ, բայց հաճախ՝ լաբորատորիաներ, ներքին հետազոտություններ և զարգացում, կիրառական հետազոտություններ և «արտադրականացված գիտություն»։ ( Նեյրոնային լեզվի մոդելների մասշտաբավորման օրենքներ (arXiv) , Հաշվարկային օպտիմալ մեծ լեզվի մոդելների ուսուցում (Chinchilla) (arXiv) ):

  3. Բաշխիչ։
    Նրանք կարող են արհեստական ​​բանականությունը ներմուծել որոնման դաշտեր, հեռախոսներ, էլ. փոստի հաճախորդներ, գովազդային համակարգեր և աշխատանքային գործիքներ։ Բաշխումը գերհզորություն է։

  4. Դիտարկող և կանոններ սահմանող՝
    հավելվածների խանութի քաղաքականություն, հարթակի կանոններ, API պայմաններ, բովանդակության մոդերացիա, անվտանգության դարպասներ, ձեռնարկության վերահսկողություն: ( Apple հավելվածների վերանայման ուղեցույցներ , Google Play տվյալների անվտանգություն )

  5. Կապիտալի բաշխող։
    Նրանք ֆինանսավորում, ձեռք են բերում, գործընկեր են ստեղծում, ինկուբացնում են։ Նրանք ձևավորում են այն, ինչը գոյատևում է։

Սա է խոշոր տեխնոլոգիական ընկերությունների դերը արհեստական ​​բանականության մեջ ֆունկցիոնալ առումով. նրանք ստեղծում են արհեստական ​​բանականության գոյության պայմանները, ապա որոշում են, թե ինչպես է այն հասնում ձեզ։.

Ի՞նչն է դարձնում խոշոր տեխնոլոգիական ընկերության արհեստական ​​բանականության դերի լավ տարբերակը ✅😬

Արհեստական ​​բանականության ոլորտում խոշոր տեխնոլոգիաների «լավ տարբերակը» կատարելության մասին չէ։ Այն վերաբերում է պատասխանատու կերպով կարգավորվող փոխզիջումներին, որտեղ մյուսները ավելի քիչ անակնկալներ են ստանում։.

Ահա թե ինչն է հիմնականում տարբերակում «օգտակար հսկայի» տրամադրությունը «օհ, մենաշնորհի» տրամադրությունից

  • Թափանցիկություն՝ առանց ժարգոնային արտահայտությունների։
    Արհեստական ​​բանականության գործառույթների, սահմանափակումների և օգտագործվող տվյալների հստակ պիտակավորում։ Ոչ թե 40 էջանոց քաղաքականության լաբիրինթոս։ ( NIST AI RMF 1.0 , ISO/IEC 42001:2023 )

  • Իրական օգտատիրոջ վերահսկողություն՝
    աշխատող հրաժարումներ, գաղտնիության կարգավորումներ, որոնք խորհրդավոր կերպով չեն վերակայվում, և ադմինիստրատորի վերահսկողություն, որը գանձերի որս չէ: ( GDPR - Կանոնակարգ (ԵՄ) 2016/679 )

  • Փոխգործունակություն և բացություն. երբեմն
    ամեն ինչ պարտադիր չէ, որ բաց կոդով լինի, բայց բոլորին ընդմիշտ մեկ մատակարարի մեջ կապելը… ընտրություն է։

  • Անվտանգություն ատամների հետ։
    Չարաշահման մոնիթորինգ, կարմիր թիմավորում, բովանդակության վերահսկողություն և ակնհայտորեն ռիսկային օգտագործման դեպքերը արգելափակելու պատրաստակամություն։ ( NIST AI RMF 1.0 , NIST GenAI պրոֆիլ (AI RMF ուղեկից) )

  • Առողջ էկոհամակարգեր։
    Աջակցություն ստարտափներին, գործընկերներին, հետազոտողներին և բաց ստանդարտներին, որպեսզի նորարարությունը չդառնա «վարձակալեք հարթակ կամ անհետանա» ( OECD AI սկզբունքներ ):

Ասեմ պարզ. «լավ տարբերակը» տպավորություն է թողնում ամուր հանրային ծառայության վրա՝ ուժեղ ապրանքային ճաշակով։ Վատ տարբերակը զգացվում է որպես խաղատուն, որտեղ տունը նույնպես գրում է կանոնները։ 🎰

Համեմատական ​​աղյուսակ. խոշոր տեխնոլոգիական ընկերությունների «արհեստական ​​բանականության գոտիները» և դրանց աշխատանքի պատճառը 📊

Գործիք (շրջան) Լսարան Գինը Ինչու է այն աշխատում
Ամպային արհեստական ​​բանականության հարթակներ Ձեռնարկություններ, ստարտափներ օգտագործման վրա հիմնված Հեշտ մասշտաբավորում, մեկ հաշիվ-ապրանքագիր, շատ կոճակներ (չափազանց շատ կոճակներ)
Frontier Model API-ներ Մշակողներ, արտադրանքի թիմեր վճարել մեկ թոքենի համար / աստիճանավոր Արագ ինտեգրվում է, լավ ելակետային որակ, խաբեության նման է 😅
Սարքում ներդրված արհեստական ​​բանականություն Սպառողներ, արտադրողներ փաթեթավորված Ցածր լատենտություն, երբեմն գաղտնիության պահպանման համար հարմար, աշխատում է գրեթե անցանց ռեժիմում
Արտադրողականության հավաքածուի արհեստական ​​բանականություն Գրասենյակային թիմեր մեկ տեղի համար լրացուցիչ Ապրում է առօրյա աշխատանքային հոսքերում՝ փաստաթղթեր, փոստ, հանդիպումներ, ամբողջ աշխատանքը
Գովազդներ + Արհեստական ​​բանականության թիրախավորում Մարքեթոլոգներ Ծախսերի տոկոսը Մեծ տվյալներ + բաշխում = արդյունավետ, նաև մի փոքր սարսափելի 👀
Անվտանգություն + Համապատասխանություն Արհեստական ​​բանականություն Կարգավորվող ոլորտներ պրեմիում Վաճառում է «հոգեկան հանգստություն»՝ նույնիսկ եթե դա պարզապես ավելի քիչ ծանուցումներ են
Արհեստական ​​բանականության չիպեր + արագացուցիչներ Բոլորը վերևում կապիտալ ծախսերի մեծ ծավալ Եթե ​​թիերը քոնն են, ուրեմն դու հաղթում ես ոսկու տենդը (անհարմար փոխաբերություն, որը դեռևս ճշմարիտ է)
Բաց էկոհամակարգային խաղեր Շինարարներ, հետազոտողներ անվճար + վճարովի մակարդակներ Համայնքի թափ, ավելի արագ կրկնություն, երբեմն անկառավարելի զվարճանք

Փոքրիկ սեղանի տարօրինակ խոստովանություն. «անվճար»-ն այնտեղ շատ բան է անում։ Ազատ է մինչև վերջ… գիտեք, թե ինչպես է ստացվում։.

Խոշոր պլան. ենթակառուցվածքների խեղդման կետը (հաշվողական համակարգեր, ամպային ծառայություններ, չիպեր) 🧱⚙️

Սա այն մասն է, որի մասին մարդկանց մեծ մասը չի ուզում խոսել, քանի որ այն հմայիչ չէ։ Բայց սա արհեստական ​​բանականության հիմքն է։.

Մեծ տեխնոլոգիաները ազդում են արհեստական ​​բանականության վրա՝ վերահսկելով

Եթե ​​երբևէ փորձել եք արհեստական ​​բանականության համակարգ տեղակայել իրական ընկերությունում, ապա արդեն գիտեք, որ «մոդելը» հեշտ մասն է։ Դժվար մասն է՝ թույլտվություններ, գրանցում, տվյալների հասանելիություն, ծախսերի վերահսկում, աշխատանքային ժամանակ, միջադեպերին արձագանքում… մեծահասակների համար նախատեսված բաներ։ 😵💫

Քանի որ խոշոր տեխնոլոգիական ընկերությունները տիրապետում են այս ամենի մեծ մասին, նրանք կարող են սահմանել լռելյայն մոդելներ՝

  • Որ գործիքներն են դառնում ստանդարտ

  • Ո՞ր շրջանակներն են ստանում առաջին կարգի աջակցություն

  • Ո՞ր սարքավորումն է առաջնահերթություն ստանում

  • Որ գնագոյացման մոդելներն են դառնում «նորմալ»

Դա ավտոմատ կերպով չարիք չէ։ Բայց դա ուժ է։.

Խոշոր պլան. մոդելային հետազոտություն ընդդեմ ապրանքի իրականության 🧪➡️🛠️

Ահա թե որն է լարվածությունը. խոշոր տեխնոլոգիական ընկերությունները կարող են ֆինանսավորել խորը հետազոտություններ և նաև կարիք ունեն եռամսյակային արտադրանքի հաղթանակների: Այս համադրությունը հանգեցնում է զարմանալի առաջընթացների և նաև… կասկածելի գործառույթների թողարկման:.

Մեծ տեխնոլոգիական ընկերությունները սովորաբար արհեստական ​​բանականության առաջընթացը խթանում են հետևյալի միջոցով՝

Բայց արտադրանքի ճնշումը փոխում է իրերը

  • Արագությունը հաղթում է նրբագեղությանը

  • Առաքման առավելությունները բացատրում են

  • «Բավականաչափ լավը» ավելի լավն է, քան «լիովին հասկանալի»-ն

Երբեմն դա նորմալ է։ Օգտատերերի մեծ մասը տեսական մաքրության կարիք չունի, նրանց անհրաժեշտ է օգտակար օգնական իրենց աշխատանքային հոսքի ներսում։ Սակայն ռիսկն այն է, որ «բավականաչափ լավը» կտեղակայվի զգայուն համատեքստերում (առողջապահություն, վարձում, ֆինանսներ, կրթություն), որտեղ «բավականաչափ լավը»… բավարար չէ։ ( ԵՄ արհեստական ​​բանականության մասին օրենք - Կանոնակարգ (ԵՄ) 2024/1689 )

Սա արհեստական ​​բանականության մեջ խոշոր տեխնոլոգիական ընկերությունների դերի մի մասն է՝ առաջատար հնարավորությունները վերածելով զանգվածային շուկայի հնարավորությունների, նույնիսկ երբ եզրերը դեռ սուր են։ 🔪

Խոշոր պլան. տարածումը իրական գերուժն է 🚀📣

Եթե ​​կարողանաք արհեստական ​​բանականությունը տեղադրել այն վայրերում, որտեղ մարդիկ արդեն ապրում են թվային եղանակով, ապա ձեզ հարկավոր չէ «համոզել» օգտատերերին։ Դուք պարզապես կդառնաք լռելյայնը։.

Մեծ տեխնոլոգիական ընկերությունների բաշխման ալիքները ներառում են

Ահա թե ինչու արհեստական ​​բանականության փոքր ընկերությունները հաճախ համագործակցում են խոշոր տեխնոլոգիական ընկերությունների հետ, նույնիսկ եթե նրանք անհանգստանում են դրանից։ Բաշխումը թթվածին է։ Առանց դրա դուք կարող եք ունենալ աշխարհի լավագույն մոդելը և միևնույն ժամանակ գոռալ դատարկության մեջ։.

Կա նաև մի նուրբ կողմնակի ազդեցություն. տարածումը ձևավորում է, թե ինչ է նշանակում «արհեստական ​​բանականությունը» հանրության համար: Եթե արհեստական ​​բանականությունը հիմնականում հանդես է գալիս որպես գրելու օգնական, մարդիկ ենթադրում են, որ արհեստական ​​բանականությունը գրելու մասին է: Եթե այն հանդես է գալիս որպես լուսանկարների խմբագրում, մարդիկ ենթադրում են, որ արհեստական ​​բանականությունը պատկերների մասին է: Հարթակն է որոշում տրամադրությունը:.

Խոշոր պլան. տվյալներ, գաղտնիություն և վստահության գործարք 🔐🧠

Արհեստական ​​բանականության համակարգերը հաճախ ավելի արդյունավետ են դառնում, երբ դրանք անհատականացված են։ Անհատականացումը հաճախ պահանջում է տվյալներ։ Եվ տվյալները ռիսկ են ստեղծում։ Այդ եռանկյունին երբեք չի անհետանում։.

Մեծ տեխնոլոգիական ընկերությունները գտնվում են հետևյալի վրա

  • Սպառողի վարքագծի տվյալներ (որոնումներ, սեղմումներ, նախընտրություններ)

  • Ձեռնարկության տվյալներ (էլ.փոստեր, փաստաթղթեր, զրույցներ, տոմսեր, աշխատանքային հոսքեր)

  • Հարթակի տվյալներ (հավելվածներ, վճարումներ, ինքնության ազդանշաններ)

  • Սարքի տվյալներ (գտնվելու վայր, սենսորներ, լուսանկարներ, ձայնային մուտքագրումներ)

Նույնիսկ երբ «հում տվյալները» ուղղակիորեն չեն օգտագործվում, շրջակա էկոհամակարգը ձևավորում է ուսուցումը, ճշգրտումը, գնահատումը և արտադրանքի ուղղորդումը։.

Վստահության գործարքը սովորաբար այսպիսի տեսք ունի

  • Օգտատերերը համաձայն են տվյալների հավաքագրմանը, քանի որ ապրանքը հարմար է 🧃

  • Կարգավորող մարմինները հակադարձում են, երբ դա սարսափելի է դառնում 👀 ( GDPR - Կանոնակարգ (ԵՄ) 2016/679 )

  • Ընկերությունները արձագանքում են վերահսկողության, քաղաքականության և «գաղտնիությունը առաջնահերթ» հաղորդագրությունների միջոցով

  • Բոլորը վիճում են այն մասին, թե ինչ է նշանակում «գաղտնիություն»

Գործնական կանոն, որը ես տեսել եմ, աշխատում է. եթե ընկերությունը կարող է բացատրել իր արհեստական ​​ինտելեկտի տվյալների հետ կապված գործելակերպը մեկ զրույցի ընթացքում՝ առանց թաքնվելու իրավական տերմինների ետևում, ապա նրանք սովորաբար միջինից լավ են գործում։ Ոչ թե կատարյալ, այլ պարզապես ավելի լավ։.

Խոշոր պլան. կառավարում, անվտանգություն և լուռ ազդեցության խաղ 🧯📜

Սա պակաս տեսանելի դեր է. խոշոր տեխնոլոգիական ընկերությունները հաճախ օգնում են սահմանել այն կանոնները, որոնց հետևում են մյուս բոլորը։.

Նրանք ձևավորում են կառավարումը՝ հետևյալի միջոցով

Երբեմն սա իսկապես օգտակար է։ Խոշոր տեխնոլոգիական ընկերությունները կարող են ներդրումներ կատարել անվտանգության թիմերի, վստահության գործիքների, չարաշահումների հայտնաբերման և համապատասխանության ենթակառուցվածքների մեջ, որոնք փոքր խաղացողները չեն կարող իրենց թույլ տալ։.

Երբեմն դա եսասիրական է։ Անվտանգությունը կարող է վերածվել խրամատի, որտեղ միայն խոշորագույն խաղացողները կարող են «թույլ տալ» համապատասխանել։ Սա է 22-րդ խնդիրը. անվտանգությունը անհրաժեշտ է, բայց թանկարժեք անվտանգությունը կարող է պատահաբար սառեցնել մրցակցությունը։ ( ԵՄ արհեստական ​​բանականության մասին օրենք - Կանոնակարգ (ԵՄ) 2024/1689 )

Ահա թե որտեղ է կարևոր նրբերանգը։ Ոչ էլ զվարճալի նրբերանգը՝ նյարդայնացնող տեսակը։ 😬

Խոշոր պլան. մրցակցություն, բաց էկոհամակարգեր և ստարտափների ձգողականություն 🧲🌱

Արհեստական ​​բանականության մեջ խոշոր տեխնոլոգիական ընկերությունների դերը ներառում է նաև շուկայի ձևի ձևավորումը

  • Ձեռքբերումներ (տաղանդ, տեխնոլոգիա, բաշխում)

  • Գործընկերություններ (ամպային համակարգերում տեղակայված մոդելներ, համատեղ ձեռնարկությունների գործարքներ)

  • Էկոհամակարգի ֆինանսավորում (վարկեր, ինկուբատորներ, շուկաներ)

  • Բաց գործիքակազմ (շրջանակներ, գրադարաններ, «բաց» թողարկումներ)

Կա մի օրինաչափություն, որը ես կրկնել եմ

  1. Ստարտափները արագ նորարարություններ են անում

  2. Մեծ տեխնոլոգիական ընկերությունները ինտեգրում կամ պատճենում են հաջողված մոդելը

  3. Ստարտափները անցնում են խորշերի կամ դառնում են ձեռքբերման թիրախներ

  4. «Հարթակի շերտը» խտանում է

Դա ավտոմատ կերպով վատ չէ։ Հարթակները կարող են նվազեցնել շփումները և արհեստական ​​բանականությունը դարձնել հասանելի։ Բայց դա կարող է նաև նվազեցնել բազմազանությունը։ Եթե յուրաքանչյուր ապրանք դառնա «նույն մի քանի API-ների շուրջ փաթաթան», նորարարությունը կսկսի թվալ նույն բնակարանում կահույքի վերադասավորության նման։.

Մի փոքր անկարգ մրցակցությունը առողջարար է։ Ինչպես թթխմորով նախուտեստը։ Եթե ամեն ինչ ստերիլիզացնես, այն կդադարի բարձրանալ։ Այդ փոխաբերությունը մի փոքր անկատար է, բայց ես կշարունակեմ։ 🍞

Ապրել և՛ հուզմունքով, և՛ զգուշությամբ 😄😟

Երկու զգացմունքներն էլ համընկնում են։ Հուզմունքն ու զգուշությունը կարող են նույն սենյակում լինել։.

Հուզվելու պատճառները

  • Օգտակար գործիքների ավելի արագ տեղակայում

  • Ավելի լավ ենթակառուցվածք և հուսալիություն

  • Բիզնեսների համար արհեստական ​​բանականության ներդրման ավելի ցածր խոչընդոտ

  • Ավելի շատ ներդրումներ անվտանգության և ստանդարտացման մեջ ( NIST AI RMF 1.0 , OECD AI սկզբունքներ )

Զգույշ լինելու պատճառները

Իրատեսական դիրքորոշումն այն է, որ խոշոր տեխնոլոգիական ընկերությունները կարող են արագացնել արհեստական ​​բանականությունը աշխարհի համար՝ միաժամանակ կենտրոնացնելով իրենց ուժը։ Սա կարող է միևնույն ժամանակ ճիշտ լինել։ Մարդկանց դուր չի գալիս այդ պատասխանը, քանի որ այն համեմունք չի պարունակում, բայց այն համապատասխանում է ապացույցներին։.

Գործնական խորհուրդներ տարբեր ընթերցողների համար 🎯

Եթե ​​դուք բիզնես գնորդ եք 🧾

Եթե ​​դուք ծրագրավորող եք 🧑💻

  • Կառուցեք՝ հաշվի առնելով շարժունակությունը (աբստրակցիայի շերտերը օգնում են)

  • Մի՛ խաղադրույք կատարեք մեկ մատակարարի հնարավորության վրա, որը կարող է անհետանալ

  • Հետևեք սակագնային սահմանափակումներին, գնագոյացման փոփոխություններին և քաղաքականության թարմացումներին, կարծես դա ձեր աշխատանքի մի մասն է (քանի որ այդպես է) ( Apple հավելվածի վերանայման ուղեցույցներ , Google Play տվյալների անվտանգություն )

Եթե ​​դուք քաղաքականության մշակող կամ համապատասխանության պատասխանատու եք 🏛️

Եթե ​​դուք մշտական ​​օգտատեր եք 🙋

  • Իմացեք, թե որտեղ են գտնվում արհեստական ​​բանականության գործառույթները ձեր հավելվածներում

  • Օգտագործեք գաղտնիության կառավարման միջոցները, նույնիսկ եթե դրանք նյարդայնացնող են ( GDPR - Կանոնակարգ (ԵՄ) 2016/679 )

  • Սկեպտիցիզմով մոտեցեք «կախարդական» արդյունքներին. արհեստական ​​բանականությունը վստահ է, միշտ չէ, որ ճիշտ է 😵

Ամփոփում. խոշոր տեխնոլոգիական ընկերությունների դերը արհեստական ​​բանականության մեջ 🧠✨

Արհեստական ​​բանականության մեջ խոշոր տեխնոլոգիական ընկերությունների դերը մեկ բան չէ։ Այն դերերի մի ամբողջություն է՝ ենթակառուցվածքի սեփականատեր, մոդել կառուցող, դիստրիբյուտոր, դարպասապահ և շուկայի ձևավորող։ Նրանք ոչ միայն մասնակցում են արհեստական ​​բանականությանը, այլև որոշում են այն տարածքը, որտեղ արհեստական ​​բանականությունը զարգանում է։.

Եթե ​​հիշում եք միայն մեկ տող, գրեք այսպես

Խոշոր տեխնոլոգիական ընկերությունների դերը արհեստական ​​բանականության մեջ։
Այն կառուցում է խողովակները, սահմանում լռելյայն կարգավորումները և կառավարում, թե ինչպես է արհեստական ​​բանականությունը հասնում մարդկանց՝ մեծ մասշտաբով, մեծ հետևանքներով։ ( NIST AI RMF 1.0 , ԵՄ արհեստական ​​բանականության մասին օրենք - կանոնակարգ (ԵՄ) 2024/1689 )

Եվ այո, «հետևանքները» հնչում են դրամատիկ։ Բայց արհեստական ​​բանականությունը այն թեմաներից է, որտեղ դրամատիկը երբեմն պարզապես… ճշգրիտ է լինում։ 😬🤖

Հաճախակի տրվող հարցեր

Ի՞նչ դեր ունեն խոշոր տեխնոլոգիական ընկերությունները արհեստական ​​բանականության մեջ՝ գործնականում։

Արհեստական ​​բանականության մեջ խոշոր տեխնոլոգիական ընկերությունների դերը ոչ թե «նրանք մոդելներ են ստեղծում», այլ ավելի շատ «նրանք շահագործում են այն մեխանիզմը, որը արհեստական ​​բանականությունը ստիպում է աշխատել մասշտաբային»: Նրանք ապահովում են ամպային ենթակառուցվածքներ, իրականացնում են արհեստական ​​բանականությունը սարքերի և հավելվածների միջոցով և սահմանում են հարթակի կանոններ, որոնք ձևավորում են կառուցվողը: Նրանք նաև ֆինանսավորում են հետազոտություններ, գործընկերություններ և ձեռքբերումներ, որոնք ազդում են այն մոտեցումների գոյատևման վրա: Շատ շուկաներում նրանք արդյունավետորեն սահմանում են արհեստական ​​բանականության ստանդարտ փորձը:.

Ինչո՞ւ է հաշվողական տեխնոլոգիաների հասանելիությունն այդքան կարևոր նրանց համար, ովքեր կարող են մեծածավալ արհեստական ​​բանականություն կառուցել։

Ժամանակակից արհեստական ​​բանականությունը կախված է մեծ գրաֆիկական պրոցեսորների կլաստերներից, արագ ցանցային կապից, պահեստավորումից և հուսալի MLOps խողովակաշարերից՝ ոչ միայն խելացի ալգորիթմներից: Եթե չեք կարողանում ստանալ կանխատեսելի հզորություն, ուսուցումը, գնահատումը և տեղակայումը դառնում են փխրուն և թանկ: Մեծ տեխնոլոգիական ընկերությունները հաճախ վերահսկում են «ողնաշարի» շերտը (ամպ, չիպերի գործընկերություններ, ժամանակացույց, անվտանգություն), որը կարող է որոշել, թե ինչն է իրագործելի փոքր թիմերի համար: Այդ հզորությունը կարող է օգտակար լինել, բայց այն մնում է հզորություն:.

Ինչպե՞ս է խոշոր տեխնոլոգիական ընկերությունների տարածումը ձևավորում «արհեստական ​​բանականության» նշանակությունը առօրյա օգտատերերի համար։

Բաշխումը գերտերություն է, քանի որ այն արհեստական ​​բանականությունը վերածում է լռելյայն գործառույթի, այլ ոչ թե առանձին ապրանքի, որը դուք պետք է ընտրեք: Երբ արհեստական ​​բանականությունը հայտնվում է որոնման դաշտերում, հեռախոսներում, էլեկտրոնային փոստում, փաստաթղթերում, հանդիպումներում և հավելվածների խանութներում, այն դառնում է «այն, ինչ արհեստական ​​բանականությունն է» մարդկանց մեծամասնության համար: Սա նաև նեղացնում է հանրային սպասումները. եթե արհեստական ​​բանականությունը հիմնականում գրելու գործիք է ձեր հավելվածներում, օգտատերերը ենթադրում են, որ արհեստական ​​բանականությունը հավասար է գրելուն: Հարթակները լուռ որոշում են տոնը:.

Որո՞նք են հարթակի կանոնները և հավելվածների խանութները որպես արհեստական ​​բանականության դարպասապահներ հանդես գալու հիմնական եղանակները։

Հավելվածների վերանայման քաղաքականությունը, շուկայի պայմանները, բովանդակության կանոնները և API սահմանափակումները կարող են որոշել, թե որ արհեստական ​​բանականության գործառույթներն են թույլատրվում և ինչպես պետք է դրանք գործեն: Նույնիսկ երբ կանոնները ձևակերպվում են որպես անվտանգության կամ գաղտնիության պաշտպանություն, դրանք նաև ձևավորում են մրցակցությունը՝ բարձրացնելով համապատասխանության և ներդրման ծախսերը: Մշակողների համար սա նշանակում է, որ քաղաքականության թարմացումները կարող են նույնքան կարևոր լինել, որքան մոդելի թարմացումները: Գործնականում «ինչը առաքվում է» հաճախ նշանակում է «ինչն է անցնում դարպասը»:

Ինչպե՞ս են SageMaker-ի, Azure ML-ի և Vertex AI-ի նման ամպային արհեստական ​​բանականության հարթակները տեղավորվում արհեստական ​​բանականության ոլորտում խոշոր տեխնոլոգիաների դերի մեջ։

Ամպային արհեստական ​​բանականության հարթակները միավորում են ուսուցումը, տեղակայումը, մոնիթորինգը, կառավարումը և անվտանգությունը մեկ տեղում, ինչը նվազեցնում է ստարտափների և ձեռնարկությունների միջև առկա խնդիրները: Amazon SageMaker-ի, Azure Machine Learning-ի և Vertex AI-ի նման գործիքները հեշտացնում են ծախսերի մասշտաբավորումը և կառավարումը մեկ մատակարարի հետ հարաբերությունների միջոցով: Փոխզիջումն այն է, որ հարմարավետությունը կարող է մեծացնել ամրագրումը, քանի որ աշխատանքային հոսքերը, թույլտվությունները և մոնիթորինգը խորապես ինտեգրված են այդ էկոհամակարգում:.

Ի՞նչ պետք է հարցնի բիզնես գնորդը, նախքան խոշոր տեխնոլոգիական արհեստական ​​բանականության գործիքներ կիրառելը։

Սկսեք տվյալներից. ուր են դրանք գնում, ինչպես են մեկուսացվում և ինչ պահպանման ու աուդիտի վերահսկողություններ կան: Հարցրեք ադմինիստրատորի վերահսկողության, գրանցման, մուտքի սահմանների և այն մասին, թե ինչպես են մոդելները գնահատվում ռիսկի տեսանկյունից ձեր տիրույթում: Նաև ճնշման թեստի միջոցով կատարեք գնագոյացում, քանի որ օգտագործման վրա հիմնված ծախսերը կարող են կտրուկ աճել ներդրման աճին զուգընթաց: Կարգավորվող միջավայրերում համապատասխանեցրեք սպասումները ձեր կազմակերպության արդեն իսկ օգտագործվող շրջանակների և համապատասխանության պահանջների հետ:.

Ինչպե՞ս կարող են մշակողները խուսափել մատակարարների կողմից կախվածությունից՝ խոշոր տեխնոլոգիական արհեստական ​​բանականության API-ների վրա աշխատելիս։

Տարածված մոտեցում է փոխադրելիության համար նախագծելը. մոդելի կանչերը փաթեթավորեք աբստրակցիայի շերտի ետևում և պահեք հուշումները, քաղաքականությունները և գնահատման տրամաբանությունը տարբերակված և ստուգելի: Խուսափեք հույսը դնել մեկ «հատուկ» մատակարարի գործառույթի վրա, որը կարող է փոխվել կամ անհետանալ: Հետևեք գների սահմանափակումներին, գնագոյացման թարմացումներին և քաղաքականության փոփոխություններին որպես շարունակական սպասարկման մաս: Փոխադրելիությունը անվճար չէ, բայց սովորաբար այն ավելի էժան է, քան հարկադիր տեղափոխումը:.

Ինչպե՞ս են գաղտնիությունն ու անհատականացումը ստեղծում «վստահության գործարք» արհեստական ​​բանականության գործառույթների հետ։

Անհատականացումը հաճախ բարելավում է արհեստական ​​բանականության օգտակարությունը, բայց այն սովորաբար մեծացնում է տվյալների հասանելիությունը և ընկալվող սարսափելիությունը: Մեծ տեխնոլոգիական ընկերությունները մոտ են վարքային, ձեռնարկության, հարթակի և սարքի տվյալներին, ուստի օգտատերերն ու կարգավորող մարմինները մանրակրկիտ ուսումնասիրում են, թե ինչպես են այդ տվյալները ազդում ուսուցման, ճշգրտման և արտադրանքի վերաբերյալ որոշումների վրա: Գործնական չափանիշ է այն, թե արդյոք ընկերությունը կարող է հստակ բացատրել իր արհեստական ​​բանականության տվյալների հետ կապված գործելակերպը՝ առանց թաքնվելու իրավական լեզվի հետևում: Լավ վերահսկողությունը և իրական հրաժարումները կարևոր են:.

Ո՞ր չափորոշիչներն ու կանոնակարգերն են առավել կարևոր խոշոր տեխնոլոգիական արհեստական ​​ինտելեկտի կառավարման և անվտանգության համար։

Շատ խողովակաշարերում կառավարումը համատեղում է ներքին անվտանգության քաղաքականությունը արտաքին շրջանակների և օրենքների հետ: Կազմակերպությունները հաճախ հղում են կատարում ռիսկերի կառավարման ուղեցույցների, ինչպիսիք են NIST-ի AI RMF-ը, կառավարման ստանդարտների, ինչպիսիք են ISO/IEC 42001-ը, և տարածաշրջանային կանոնների, ինչպիսիք են GDPR-ը և ԵՄ AI ակտը որոշակի օգտագործման դեպքերի համար: Սրանք ազդում են գրանցման, աուդիտների, տվյալների սահմանների և այն բանի վրա, թե ինչ է արգելափակվում կամ թույլատրվում: Խնդիրն այն է, որ համապատասխանությունը կարող է թանկ դառնալ, ինչը կարող է ի օգուտ ավելի խոշոր խաղացողների:.

Արդյո՞ք խոշոր տեխնոլոգիական ընկերությունների ազդեցությունը մրցակցության և էկոհամակարգերի վրա միշտ վատ բան է։

Ոչ ավտոմատ կերպով։ Հարթակները կարող են նվազեցնել խոչընդոտները, ստանդարտացնել գործիքակազմը և ֆինանսավորել անվտանգությունն ու ենթակառուցվածքները, որոնք փոքր թիմերը չեն կարող իրենց թույլ տալ։ Սակայն նույն դինամիկան կարող է նվազեցնել բազմազանությունը, եթե բոլորը դառնան մի քանի գերիշխող API-ների, ամպային հարթակների և շուկաների շուրջ նեղ փաթաթան։ Ուշադրություն դարձրեք հաշվարկային և բաշխման համախմբմանը, գումարած գնագոյացմանը և քաղաքականության փոփոխություններին, որոնցից դժվար է խուսափել։ Ամենաառողջ էկոհամակարգերը սովորաբար տեղ են թողնում փոխգործունակության և նոր մասնակիցների համար։.

Հղումներ

  1. Միջազգային էներգետիկ գործակալություն - Էներգիա և արհեստական ​​բանականություն - iea.org

  2. Միջազգային էներգետիկ գործակալություն - Արհեստական ​​բանականությունից էներգիայի պահանջարկ - iea.org

  3. NVIDIA - Արհեստական ​​բանականության եզրակացության հարթակների ակնարկ - nvidia.com

  4. Amazon Web Services - Amazon SageMaker AI փաստաթղթեր (Ի՞նչ է SageMaker-ը) - aws.amazon.com

  5. Microsoft - Azure մեքենայական ուսուցման փաստաթղթեր - learn.microsoft.com

  6. Google Cloud - Vertex AI փաստաթղթեր - cloud.google.com

  7. Google Cloud - MLOps Vertex AI-ում - cloud.google.com

  8. Microsoft - Մեքենայական ուսուցման գործողություններ (MLOps) v2 ճարտարապետության ուղեցույց - learn.microsoft.com

  9. Apple-ի մշակող - Core ML - developer.apple.com

  10. Google Developers - ML Kit - developers.google.com

  11. Apple Developer - Հավելվածի վերանայման ուղեցույցներ - developer.apple.com

  12. Google Play Console-ի օգնություն - Տվյալների անվտանգություն - support.google.com

  13. arXiv - Նեյրոնային լեզվի մոդելների մասշտաբավորման օրենքներ - arxiv.org

  14. arXiv - Հաշվարկային օպտիմալ մեծ լեզվական մոդելների ուսուցում (Chinchilla) - arxiv.org

  15. Ստանդարտների և տեխնոլոգիաների ազգային ինստիտուտ - Արհեստական ​​բանականության ռիսկերի կառավարման շրջանակ (AI RMF 1.0) - nist.gov

  16. Ստանդարտների և տեխնոլոգիաների ազգային ինստիտուտ - NIST Generation AI Profile (AI RMF ուղեկից) - nist.gov

  17. Ստանդարտացման միջազգային կազմակերպություն - ISO/IEC 42001:2023 - iso.org

  18. EUR-Lex - Կանոնակարգ (ԵՄ) 2016/679 (GDPR) - eur-lex.europa.eu

  19. EUR-Lex - Կանոնակարգ (EU) 2024/1689 (EU AI Act) - eur-lex.europa.eu

  20. OECD - OECD AI Principles - oecd.ai

Գտեք արհեստական ​​բանականության վերջին նորույթները պաշտոնական արհեստական ​​բանականության օգնականների խանութում

Մեր մասին

Վերադառնալ բլոգ