Tekoälyhaasteiden asettaminen perspektiiviin kumppanuuksien avulla

Sponsoroitu ominaisuus Kun teknologiaa käytetään laajemmin vertikaalisemmilla sektoreilla ja toimialoilla, IT-strategit ja talousanalyytikot ylistävät suuresti tekoälyn (AI) kykyä muuttaa liiketoimintaprosesseja, strategista päätöksentekoa ja asiakaskokemuksia.

Jopa toimitusjohtajat, jotka olivat varovaisia ​​hyväksymästä investointia, jonka tekoäly tarvitsee optimaalisen arvon tuottamiseksi, huomaavat sen mahdollisuudet parantaa toiminnan tehokkuutta ja tasoittaa tietä uusille tulovirroille.

PwC:n kaltaisten arvostettujen markkinaseuraajien ennusteet tukevat heidän näkemyksiään. sen 'Globaali tekoälytutkimus' arvioi, että tekoäly voi tuoda jopa 15.7 biljoonaa dollaria maailmanlaajuisiin talouksiin vuonna 2030. Tästä 6.6 biljoonaa dollaria voisi tulla tuottavuuden kasvusta ja 9.1 biljoonaa dollaria "kulutuksen sivuvaikutuksista", PwC väittää.

Useiden generatiivisten tekoälytyökalujen äskettäistä käyttöönottoa pidetään a purkautuminen piste sille, mikä oli aiemmin ollut pitkälle erikoistunut ja "futuristinen" tietojenkäsittelytieteen ala. Yhdistyneessä kuningaskunnassa vuonna 2022 Office for Artificial Intelligence raportoitu että noin 15 prosenttia yrityksistä oli ottanut käyttöön vähintään yhden tekoälyteknologian, mikä vastaa 432,000 2 yritystä. Noin 10 prosenttia yrityksistä pilotoi tekoälyä, ja 62,000 prosenttia suunnitteli ottavansa käyttöön ainakin yhden tekoälyteknologian tulevaisuudessa (292,000 XNUMX ja XNUMX XNUMX yritystä).

Se on edelleen monimutkainen asia

Tämän tekoälyn innostuksen keskellä organisaatioiden tulee muistaa, että tekoäly on vielä suhteellisen nuori tekniikka, ja sen käyttöönotto voi olla haastavaa ensimmäistä kertaa. Lisäksi sijoitetun pääoman tuotto (ROI) on erittäin riippuvainen erittäin tarkasti hallituista toteutusmenettelyistä ja kokoonpanoista, jotka ovat usein vähemmän kestäviä virheiden edessä kuin perinteiset IT-asennukset.

Tekoäly asettaa arvioitavia testejä IT-tiimeille, joiden tehtävänä on toteuttaa tekoäly-/koneoppimisaloitteita ja -työkuormia, esimerkiksi osaamispuutteiden ja laskentarajoitusten poistamista. Ne voivat myös sisältää resurssien kompromisseja muiden yritysten työkuormien kanssa, jotka jo käyttävät yhteistä IT-infrastruktuuria.

"Tekoäly on matka, ei määränpää – kyse ei ole omaksumisesta tai prosessien automatisoinnista pelkästään tehokkuuden lisäämiseksi", sanoo Matt Armstrong-Barnes, Hewlett Packard Enterprisen (HPE) tekoälyn teknologiajohtaja. "Kyse on pikemminkin pitkän aikavälin arvon toteuttamisesta, parempien tulosten mahdollistamisesta ja sen tunnustamisesta, että tekoäly vaatii täysin erilaista lähestymistapaa IT-käyttöön. Yritysteknologille se on 360 asteen monipuolinen oppimiskäyrä."

Armstrong-Barnesin kannan todistaa Deloitten uusin "Tekoälyn tila yrityksessä' globaalien yritysjohtajien kysely. Sen vastaajat tunnistivat joukon haasteita, joita tekoäly johti heidän AI-toteutusprojektiensa peräkkäisiin vaiheisiin. Tekoälyn liiketoiminnan arvon todistaminen oli ongelma, jonka mainitsi 37 prosenttia – projektit voivat osoittautua kalliiksi, ja vakuuttavaa liiketoimintaa voi olla vaikea vahvistaa investointivaroille johtokunnille ja C-Suiten johtajille.

Tekoälyprojektien laajentaminen ajan myötä voi kohdata muita tunnistettuja esteitä, kuten tekoälyyn liittyvien riskien hallintaa (mainitaan 50 prosenttia Deloitten kyselyyn osallistuneista), johtajien sisäänoston puutetta (myös 50 prosenttia) ja ylläpito tai jatkuva tuki (jälleen 50 prosenttia).

"Ymmärrettävää on, että yritysten johtajien on oltava vakuuttuneita siitä, että tekoäly maksaa itsensä takaisin", Armstrong-Barnes sanoo. "Tässä alusta alkaen työskentely sellaisen teknologiakumppanin kanssa, joka on ollut mukana todistetuissa tekoälytoteutuksissa useiden vuosien ajan, auttaa voittamaan asian. Sen historia antaa uskottavuutta projekti-ehdotuksille ja auttaa vakuuttamaan johtajat siitä, että tekoälyn riskit ovat yhtä hallittavissa kuin minkä tahansa muun IT-hankkeen.

Ja vaikka teknologiaa ja kykyjä varmasti tarvitaan, on yhtä tärkeää yhdenmukaistaa yrityksen kulttuuri, rakenne ja toimintatavat tukemaan laajaa tekoälyn käyttöönottoa. mukaan McKinsey, joiden erityispiirteet toimivat toisinaan tekoälyn aiheuttaman muutoksen esteenä.

"Jos yrityksellä on suhdepäälliköitä, jotka ovat ylpeitä siitä, että he ovat mukautuneet asiakkaiden tarpeisiin, he saattavat hylätä käsityksen, että "koneella" voisi olla parempia ideoita siitä, mitä asiakkaat haluavat, ja jättää huomiotta tekoälytyökalun räätälöidyt tuotesuositukset", McKinsey ehdottaa.

"Puhun usein HPE-kollegoiden ja HPE-asiakkaiden kanssa niistä haasteista, joita he kohtaavat tekoälyn käyttöönoton yhteydessä", Armstrong-Barnes kertoo. "Jotkin yleiset todisteet tulevat esiin yhä uudelleen ja uudelleen. Yksi on aliarviointi siitä, kuinka perusteellisesti tekoälyn käyttöönotot eroavat perinteisistä IT-toteutuksista. Organisaatioiden tulee ottaa tekoäly käyttöön ensisijaisesti eri tavalla kuin aiemmin toteuttamansa IT-projektit. Tiedonhallinta ja skaalaus ovat merkittävästi erilaisia ​​tekoälyssä. Tämä tarkoittaa, että joskus kovalla työllä saatu tekninen kokemus on opittava uudelleen."

Halua kokeilla tekoälypilotteja ennen sen käyttöönottoa suoraan todellisessa käyttötapauksessa, joka tukee kiireellistä liiketoiminnan tarvetta, tulisi välttää, Armstrong-Barnes selittää. "Kokeile ennen kuin ostat -lähestymistapa vaikuttaa järkevältä – tekoäly on monimutkainen ja vaatii investointeja", hän selittää, "mutta tekoälyllä kuivakäynnit ja testiprojektit eivät oikeastaan ​​toista haasteita, joita käyttäjäorganisaatiot kohtaavat todellisen toteutuksen yhteydessä. . Se, mikä alkaa "laboratoriossa", jää laboratorioon."

Käyttöönottoasteikon toisessa päässä Armstrong-Barnes näkee yritykset, jotka yrittävät soveltaa tekoälyä kaikkialla, missä sitä voidaan soveltaa, vaikka sovellus toimisi optimaalisesti ilman tekoälyä: "Tässä on poimintoja - vain koska tekoälyssä on massiivinen vasara, sinun ei siis pitäisi nähdä kaikkea murrettavana pähkinänä."

Ihmiset ja infrastruktuuri eivät ole helposti saatavilla

Jopa edistyneimmät tekoälyjärjestelmät eivät ole vielä saavuttaneet täydellistä päästä päähän - autonomiaa – ne on koulutettava ja hienosäädettävä ihmisen asiantuntemuksella. Tämä on lisähaaste tekoälyyn pyrkiville yrityksille: kuinka parhaiten hankkia tarvittavat taidot – kouluttaa nykyistä IT-henkilöstöä uudelleen? Rekrytoidaanko uusia tiimin jäseniä, joilla on tarvittava AI-tieto? Tai tutkia vaihtoehtoja siirtää tekoälyosaamisen tarve teknologiakumppaneille?

McKinsey raportit että tekoälyn potentiaalia rajoittaa osaavien kykyjen puute. Tyypillinen tekoälyprojekti vaatii erittäin ammattitaitoisen tiimin, johon kuuluu datatieteilijä, tietoinsinööri, ML-insinööri, tuotepäällikkö ja suunnittelija – eikä asiantuntijoita yksinkertaisesti ole saatavilla täyttämään kaikkia näitä avoimia työpaikkoja.

"Näemme, että yritysteknologit joutuvat yleensä parantamaan kykyjään viidessä keskeisessä suhteessa", Armstrong-Barnes sanoo. ”Pääasiassa ne ovat tekoälyosaamisen, IT-infrastruktuurin, tiedonhallinnan, kompleksisuuden hallinnan ja vähäisemmässä määrin edellä mainittujen kulttuuristen esteiden alueilla. Mikään näistä haasteista ei ole ylitsepääsemätön oikealla lähestymistavalla ja kumppanuustuella."

Tekoäly pitää myös erittäin tehokkaasta laitteistosta. Suorituskykyisten laskenta-alustojen tarjoaminen jatkuu jatkuvana haasteena, koska harvat organisaatiot haluavat – tai niillä on varaa – tehdä tarvittavat investoinnit palvelintiloihinsa ilman, että sijoitetun pääoman tuottoprosentti kasvaa.

"Tekoälytoteutuksia suunnitellessaan IT-suunnittelijoiden on jo hyvin varhaisessa vaiheessa tehtävä keskeisiä päätöksiä mahdollistavan ydinteknologian suhteen", Armstrong-Barnes sanoo. "Aiotteko esimerkiksi ostaa, rakentaa sen – vai käyttää hybridilähestymistapaa, joka sisältää elementtejä molemmista?"

Seuraava tärkeä päätös liittyy kumppanuuksiin. Onnistuneen tekoälytoimituksen ratkaiseva ehto on, että kukaan ei pärjää yksin, Armstrong-Barnes huomauttaa: "Tarvitset teknologiakumppaneiden tukea, ja paras tapa luoda kumppanuussuhteita on tekoälyekosysteemin kautta. Ajattele tekoälyekosysteemiä tukevana asiantuntemuksen yhteenliittymänä, joka yhdessä antaa sinulle pääsyn oikeaan tietotaitoon, dataan, tekoälytyökaluihin, teknologiaan ja talouteen, jotta voit kehittää ja toteuttaa tekoälypyrkimyksiäsi.”

Armstrong-Barnes lisää: ”Asiakkaat kysyvät joskus, miten HPE tuli niin kokeneeksi tekoälyn käyttötapauksissa – ennakoimmeko sen vaikutuksen vuosia sitten ja aloimmeko valmistautua hyvissä ajoin ennen markkinoita? Tosiasia on, että näimme tekoälyn vaikutuksen tulevan vuosia, vaan vuosikymmeniä sitten, olemme perustaneet tekoälyn osaamiskeskuksia ja ekosysteemejä pitkään ja tehneet strategisia yritysostoja laajentaaksemme olemassa olevaa osaamistamme asiakkaiden vaatimusten ja kasvumahdollisuuksien mukaisesti.

Ei junaa, ei voittoa

Yksi tällainen lisäys on Determined AI, josta tuli osa HPE:n HPC- ja tekoälyratkaisujen tarjontaa vuonna 2021. Determined AI:n avoimen lähdekoodin ohjelmisto käsittelee sitä tosiasiaa, että optimoitujen mallien rakentaminen ja kouluttaminen mittakaavassa on vaativa ja kriittinen vaihe ML-kehityksessä. vaatii ei-teknologioita, kuten analyytikoita, tutkijoita ja tiedemiehiä, ottamaan vastaan ​​HPC:n haasteet.

Näihin haasteisiin kuuluu erittäin rinnakkaisen ohjelmistopinon ja infrastruktuurin määrittäminen ja hallinta, joka kattaa erikoistuneet laskennan provisiot, tiedontallennus, laskentarakenne ja kiihdytyskortit.

"Lisäksi ML-eksponenttien on ohjelmoitava, ajoitettava ja koulutettava mallinsa tehokkaasti maksimoidakseen perustamansa erikoisinfrastruktuurin hyödyntämisen", Armstrong-Barnes sanoo, "joka voi luoda monimutkaisuutta ja hidastaa tuottavuutta."

Nämä tehtävät on tietysti suoritettava tiukasti pätevästi, mikä ei ole helppoa edes ylikuormitettujen sisäisten IT-tiimien tuella.

Determined AI:n avoimen lähdekoodin alusta ML-mallikoulutukseen on suunniteltu täyttämään tämä resurssivaje, mikä helpottaa paikalla tai pilvessä toimivien työasemien tai tekoälyklustereiden määrittämistä, määrittämistä, hallintaa ja jakamista. Ensiluokkaisen tuen lisäksi se sisältää ominaisuuksia, kuten edistyneet tietoturva-, valvonta- ja havainnointityökalut – kaikki tuetaan HPE:n asiantuntemuksella.

"Määrätietoisen tekoälyn tarkoituksena on poistaa esteitä yrityksiltä rakentaa ja kouluttaa ML-malleja mittakaavassa ja nopeudessa, jotta saadaan suurempi arvo lyhyemmässä ajassa uudella HPE-koneoppimiskehitysjärjestelmällä", Armstrong-Barnes selittää. "Nämä ominaisuudet sisältävät melko teknisiä asioita, joita tarvitaan tekoälyn/koneoppimisen työkuormien optimointiin, kuten kiihdyttimien ajoitus, vikasietoisuus, nopea rinnakkais- ja hajautettu mallien koulutus, edistynyt hyperparametrien optimointi ja hermoarkkitehtuurin haku.

"Lisätään tähän kurinpitotehtävät, kuten toistettava yhteistyö ja mittareiden seuranta – siinä on paljon pidettävää ajan tasalla. Determined AI:n avulla projektiasiantuntijat voivat keskittyä innovaatioihin ja nopeuttaa toimitusaikaansa."

Lisää HPC-resursseja ja sääntelyä on osansa

HPC:n tehoa käytetään yhä useammin tekoälymallien kouluttamiseen ja optimointiin, sen lisäksi, että se yhdistetään tekoälyn kanssa työkuormien, kuten mallintamisen ja simuloinnin, lisäämiseen. Nämä ovat pitkään vakiintuneet työkalut, jotka nopeuttavat löytämiseen kuluvaa aikaa tuotantoteollisuuden aloilla.

Globaalit HPC-markkinat kasvavat arviolta 2020-luvun loppupuolella. Mordorin tiedustelu arviot sen arvo on 56.98 miljardia dollaria vuonna 2023, ja sen odotetaan saavuttavan 96.79 miljardia dollaria vuoteen 2028 mennessä – CAGR 11.18 prosenttia ennustejaksolla.

"HPE on rakentanut HPC-infrastruktuuria pitkään, ja nyt sillä on HPC-portfolio, joka sisältää Exascale-supertietokoneita ja tiheysoptimoituja laskentaalustoja. Jotkut suurimmista HPC-klustereista on rakennettu HPE-innovaatioille”, Armstrong-Barnes sanoo. "HPE:llä on vertaansa vailla oleva asiantuntemus korkean suorituskyvyn laitteistoalustoista."

Ottamalla käyttöön HPE GreenLake suurille kielimalleille aiemmin tänä vuonna (2023) yritykset – startupeista Fortune 500:een – voivat kouluttaa, virittää ja ottaa käyttöön laajamittaista tekoälyä käyttämällä kestävää supertietokonealustaa, jossa yhdistyvät HPE:n tekoälyohjelmistot ja edistyneimmät supertietokoneet.

On selvää, että tekoälyn käyttöönotto on haastavaa kaikenkokoisille organisaatioille, mutta kyse ei ole vain tekniikasta, Armstrong-Barnes huomauttaa: ”Kaikkien tekoälyn omaksujien on yhä useammin pysyttävä ajan tasalla tulevista tekoälysäännöistä ja -säännöistä. Lainsäädäntö, kuten Yhdysvaltain tekoäly Bill of Rights, EU AI Act ja tulevat säädösehdotukset, jotka esitetään Yhdistyneen kuningaskunnan hallituksen tekoälyn valkoisessa kirjassa – joiden yleensä odotetaan olevan ohjeet noudattamisvalmiille tekoälykehykselle – ovat immanentteja esimerkkejä tästä.

Kansainvälisesti toimiville yrityksille tämä näyttää uudelta esteeltä, joka on kääritty byrokratiaan, mutta Armstrong-Barnes ehdottaa, että säännösten noudattaminen ei välttämättä ole niin raskasta kuin miltä se saattaa näyttää – hyvin varustetun tekoälyn kumppanuusekosysteemin avulla.

"Tarkista, voisivatko tekoälyn ekosysteemikumppanit myös auttaa sinua vaatimusten noudattamisessa – jos olet jo voimakkaasti säännellyssä liiketoimintaympäristössä, voi hyvinkin olla, että olet jo puolivälissä olemassa olevien vaatimusten kanssa."

Sponsorina HPE.

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
• PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
• PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
• PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
• Lähde: https://go.theregister.com/feed/www.theregister.com/2023/10/25/putting_ai_challenges_in_perspective/