साझेदारी के साथ एआई चुनौतियों को परिप्रेक्ष्य में रखना

प्रायोजित विशेषता जैसे-जैसे प्रौद्योगिकी अधिक ऊर्ध्वाधर क्षेत्रों और उद्योगों में व्यापक रूप से तैनात होती जा रही है, व्यावसायिक प्रक्रियाओं, रणनीतिक निर्णय लेने और ग्राहक अनुभवों को बदलने के लिए कृत्रिम बुद्धिमत्ता (एआई) की क्षमता की आईटी रणनीतिकारों और आर्थिक विश्लेषकों द्वारा सराहना की जा रही है।

यहां तक ​​कि मुख्य कार्यकारी अधिकारी भी एक बार निवेश को मंजूरी देने से सावधान रहते थे, एआई को इष्टतम मूल्य प्रदान करने की आवश्यकता होती है, जो परिचालन दक्षता में सुधार करने और नई राजस्व धाराओं के लिए मार्ग प्रशस्त करने की इसकी क्षमता को पहचानने लगे हैं।

पीडब्ल्यूसी जैसे सम्मानित बाजार-निरीक्षकों के पूर्वानुमान उनके विचार का समर्थन करते हैं। इसका 'वैश्विक कृत्रिम बुद्धिमत्ता अध्ययन'मानना ​​है कि एआई 15.7 में वैश्विक अर्थव्यवस्थाओं में 2030 ट्रिलियन डॉलर तक का योगदान दे सकता है। पीडब्ल्यूसी का दावा है कि इसमें से 6.6 ट्रिलियन डॉलर बढ़ी हुई उत्पादकता से और 9.1 ट्रिलियन डॉलर 'उपभोग-दुष्प्रभाव' से आ सकते हैं।

कई जेनरेटिव एआई टूल्स के हालिया रोल-आउट को माना जाता है ब्रेकआउट यह उस बात का संकेत है जो पहले कंप्यूटर विज्ञान की एक अत्यधिक विशिष्ट और 'भविष्यवादी' शाखा थी। यूके में 2022 में आर्टिफिशियल इंटेलिजेंस का कार्यालय की रिपोर्ट लगभग 15 प्रतिशत व्यवसायों ने कम से कम एक एआई तकनीक अपनाई है, जो 432,000 कंपनियों के बराबर है। लगभग 2 प्रतिशत व्यवसाय एआई का प्रयोग कर रहे थे, और 10 प्रतिशत ने आगे चलकर कम से कम एक एआई तकनीक अपनाने की योजना बनाई थी (क्रमशः 62,000 और 292,000 व्यवसाय)।

यह अभी भी जटिल चीज़ है

इस एआई-उत्साह के बीच संगठनों को यह याद रखना चाहिए कि एआई अभी भी अपेक्षाकृत युवा तकनीक है, और इसे पहली बार स्थापित करना चुनौतीपूर्ण हो सकता है। इसके अलावा, निवेश पर संबद्ध रिटर्न (आरओआई) अत्यधिक सटीक रूप से प्रबंधित कार्यान्वयन प्रक्रियाओं और कॉन्फ़िगरेशन पर निर्भर है जो पारंपरिक आईटी तैनाती की तुलना में त्रुटियों के सामने अक्सर कम मजबूत होते हैं।

उदाहरण के लिए, एआई/मशीन लर्निंग पहल और कार्यभार को लागू करने का काम करने वाली आईटी टीमों के लिए एआई अनुमानित परीक्षण प्रस्तुत करता है, जिसमें कौशल अंतराल और गणना बाधाओं पर काबू पाना शामिल हो सकता है। वे पहले से ही एक सामान्य आईटी बुनियादी ढांचे का उपयोग कर रहे अन्य उद्यम कार्यभार के साथ संसाधन व्यापार-बंद भी शामिल कर सकते हैं।

हेवलेट पैकर्ड एंटरप्राइज (एचपीई) में आर्टिफिशियल इंटेलिजेंस के मुख्य प्रौद्योगिकी अधिकारी मैट आर्मस्ट्रांग-बार्न्स कहते हैं, "एआई एक यात्रा है, कोई गंतव्य नहीं - यह केवल अधिक दक्षता के लिए अपनाने के लिए तैयार होने या प्रक्रियाओं को स्वचालित करने के बारे में नहीं है।" “बल्कि, यह दीर्घकालिक मूल्य की प्राप्ति, बेहतर परिणामों को सक्षम करने और यह पहचानने के बारे में है कि एआई आईटी तैनाती के लिए मौलिक रूप से अलग दृष्टिकोण की मांग करता है। एंटरप्राइज़ तकनीशियनों के लिए यह 360-डिग्री सर्वांगीण सीखने की अवस्था है।''

आर्मस्ट्रांग-बार्न्स की बात डेलॉइट के नवीनतम 'से प्रमाणित होती हैएंटरप्राइज़ में AI की स्थिति'वैश्विक व्यापार जगत के नेताओं का सर्वेक्षण। इसके उत्तरदाताओं ने उनके एआई कार्यान्वयन परियोजनाओं के क्रमिक चरणों में एआई के सामने आने वाली ढेर सारी चुनौतियों की पहचान की। एआई के व्यावसायिक मूल्य को साबित करना 37 प्रतिशत द्वारा उद्धृत एक मुद्दा था - परियोजनाएं महंगी साबित हो सकती हैं, और निवेश-सतर्क बोर्डों और सी-सूट अधिकारियों के सामने एक सम्मोहक व्यावसायिक मामले को मान्य करना कठिन हो सकता है।

समय के साथ उन एआई परियोजनाओं को बढ़ाने से आगे की पहचानी गई बाधाएं आ सकती हैं, जैसे एआई से संबंधित जोखिमों का प्रबंधन (डेलॉइट सर्वेक्षण में भाग लेने वाले 50 प्रतिशत लोगों द्वारा उद्धृत), कार्यकारी खरीद की कमी (50 प्रतिशत भी), और कमी रखरखाव या चालू समर्थन (फिर से 50 प्रतिशत)।

आर्मस्ट्रांग-बार्न्स कहते हैं, "काफ़ी हद तक, कॉर्पोरेट नेताओं को आश्वस्त होने की ज़रूरत है कि एआई अपना रास्ता दिखाएगा।" “यह वह जगह है जहां कई वर्षों से सिद्ध एआई कार्यान्वयन में शामिल एक तकनीकी भागीदार के साथ शुरू से काम करने से केस जीतने में मदद मिलती है। इसका ट्रैक रिकॉर्ड परियोजना प्रस्तावों को विश्वसनीयता प्रदान करेगा और अधिकारियों को यह समझाने में मदद करेगा कि एआई के जोखिम किसी भी अन्य आईटी उद्यम की तरह ही प्रबंधनीय हैं।

और जबकि प्रौद्योगिकी और प्रतिभा की निश्चित रूप से आवश्यकता है, व्यापक एआई अपनाने का समर्थन करने के लिए कंपनी की संस्कृति, संरचना और काम करने के तरीकों को संरेखित करना भी उतना ही महत्वपूर्ण है। मैकिन्से के अनुसार, विशिष्ट विशेषताओं के साथ कभी-कभी एआई-संचालित परिवर्तन में बाधाओं के रूप में कार्य करता है।

मैकिन्से का सुझाव है, 'अगर किसी कंपनी में रिलेशनशिप मैनेजर हैं जो ग्राहकों की जरूरतों के प्रति खुद को तैयार होने पर गर्व करते हैं, तो वे इस धारणा को खारिज कर सकते हैं कि एक "मशीन" के पास ग्राहक क्या चाहते हैं इसके बारे में बेहतर विचार हो सकते हैं और एआई टूल की अनुरूप उत्पाद सिफारिशों को नजरअंदाज कर सकते हैं।'

आर्मस्ट्रांग-बार्न्स की रिपोर्ट है, "मैं एचपीई साथियों और एचपीई ग्राहकों के साथ अक्सर एआई परिनियोजन के साथ आने वाली चुनौतियों के बारे में बात करता हूं।" “कुछ सामान्य साक्ष्यात्मक विशेषताएँ बार-बार सामने आती हैं। एक यह है कि एआई परिनियोजन पारंपरिक आईटी कार्यान्वयन से मौलिक रूप से कितना भिन्न है, इसका कम आकलन है। संगठनों को एआई को उन आईटी परियोजनाओं की तुलना में मुख्य रूप से अलग तरीके से तैनात करना चाहिए जिन्हें उन्होंने अतीत में लागू किया है। एआई के लिए डेटा प्रबंधन और स्केलिंग काफी भिन्न हैं। इसका मतलब यह है कि कभी-कभी, कड़ी मेहनत से प्राप्त तकनीकी अनुभव को नए सिरे से सीखना पड़ता है।

आर्मस्ट्रांग-बार्न्स बताते हैं कि एआई पायलटों को सीधे वास्तविक उपयोग-मामले में तैनात करने से पहले प्रयोग करने की प्रवृत्ति से बचा जाना चाहिए जो एक महत्वपूर्ण व्यावसायिक आवश्यकता का समर्थन करता है। "खरीदने से पहले प्रयास करने का दृष्टिकोण उचित लगता है - एआई जटिल और निवेश-भूखा है," वह बताते हैं, "लेकिन एआई के साथ, ड्राई रन और परीक्षण परियोजनाएं वास्तव में उन चुनौतियों को दोहराती नहीं हैं जिनका उपयोगकर्ता संगठनों को वास्तविक कार्यान्वयन के साथ सामना करना पड़ेगा।" . 'प्रयोगशाला में' जो शुरू होता है वह प्रयोगशाला में ही रहता है।

गोद लेने के पैमाने के दूसरे छोर पर आर्मस्ट्रांग-बार्न्स उन कंपनियों को देखते हैं जो एआई को वहां लागू करने की कोशिश करते हैं जहां इसे लागू किया जा सकता है, यहां तक ​​​​कि जहां एक एप्लिकेशन एआई के बिना भी बेहतर ढंग से काम कर रहा है: "यहां टेकअवे है - सिर्फ इसलिए कि एआई में आपके पास एक विशाल हथौड़ा है, फिर आपको हर चीज़ को तोड़ने योग्य अखरोट के रूप में नहीं देखना चाहिए।"

लोग और बुनियादी ढाँचा आसानी से उपलब्ध नहीं हैं

यहां तक ​​कि सबसे उन्नत एआई सिस्टम को भी अभी तक पूर्ण स्वायत्तता प्राप्त नहीं हुई है - उन्हें मानव विशेषज्ञता द्वारा प्रशिक्षित और ठीक करने की आवश्यकता है। यह एआई-आकांक्षी कंपनियों के लिए एक और चुनौती का प्रतिनिधित्व करता है: आवश्यक कौशल कैसे हासिल करें - मौजूदा आईटी कर्मियों को फिर से प्रशिक्षित करें? अपेक्षित एआई ज्ञान के साथ नई टीम के सदस्यों की भर्ती करें? या प्रौद्योगिकी भागीदारों के लिए एआई विशेषज्ञता की आवश्यकता को स्थगित करने के विकल्प तलाशें?

मैकिन्से रिपोर्टों कुशल प्रतिभा की कमी के कारण एआई की क्षमता बाधित हो रही है। एक विशिष्ट एआई प्रोजेक्ट के लिए डेटा वैज्ञानिक, डेटा इंजीनियर, एमएल इंजीनियर, उत्पाद प्रबंधक और डिजाइनर सहित एक अत्यधिक कुशल टीम की आवश्यकता होती है - और उन सभी खुली नौकरियों पर कब्जा करने के लिए पर्याप्त विशेषज्ञ उपलब्ध नहीं हैं।

आर्मस्ट्रांग-बार्न्स कहते हैं, "हम देखते हैं कि उद्यम प्रौद्योगिकीविदों को आम तौर पर पांच प्रमुख पहलुओं में अपनी क्षमताओं को उन्नत करना पड़ता है।" “मुख्य रूप से, वे एआई विशेषज्ञता, आईटी बुनियादी ढांचे, डेटा प्रबंधन, जटिलता प्रबंधन और कुछ हद तक उपरोक्त सांस्कृतिक बाधाओं के क्षेत्रों में स्थित हैं। सही दृष्टिकोण और साझेदारी समर्थन को देखते हुए इनमें से कोई भी चुनौती दुर्गम नहीं है।''

AI को चलने के लिए सुपर-शक्तिशाली हार्डवेयर भी पसंद है। उच्च-प्रदर्शन वाले कंप्यूट प्लेटफ़ॉर्म का प्रावधान करना एक स्थायी चुनौती के रूप में जारी है क्योंकि कुछ संगठन आरओआई अनुपात में संभावित वृद्धि के बिना अपने सर्वर एस्टेट में आवश्यक निवेश करना चाहते हैं - या बर्दाश्त कर सकते हैं।

आर्मस्ट्रांग-बार्न्स कहते हैं, "एआई कार्यान्वयन की योजना बनाते समय, बहुत प्रारंभिक चरण में आईटी योजनाकारों को मुख्य सक्षम प्रौद्योगिकी के संबंध में कुछ महत्वपूर्ण निर्णय लेने की आवश्यकता होती है।" "उदाहरण के लिए, क्या आप इसे खरीदने जा रहे हैं, इसका निर्माण कर रहे हैं - या एक हाइब्रिड दृष्टिकोण अपनाएंगे जिसमें दोनों के तत्व शामिल हों?"

अगला महत्वपूर्ण निर्णय साझेदारी से संबंधित है। सफल एआई डिलीवरी की एक परिभाषित शर्त यह है कि कोई भी इसे अकेले नहीं कर सकता है, आर्मस्ट्रांग-बार्न्स बताते हैं: “आपको प्रौद्योगिकी भागीदारों के समर्थन की आवश्यकता है, और उन साझेदारियों को स्थापित करने का सबसे अच्छा तरीका एआई पारिस्थितिकी तंत्र के माध्यम से है। एआई पारिस्थितिकी तंत्र को विशेषज्ञता के एक सहायक संघ के रूप में सोचें, जो एक साथ आकर, आपको अपने एआई प्रयासों को विकसित करने और संचालित करने के लिए सही जानकारी, डेटा, एआई उपकरण, प्रौद्योगिकी और अर्थशास्त्र तक पहुंच प्रदान करेगा।

आर्मस्ट्रांग-बार्न्स कहते हैं: "ग्राहक कभी-कभी पूछते हैं कि एआई उपयोग के मामलों में एचपीई इतना अनुभवी कैसे हो गया - क्या हमने वर्षों पहले इसके प्रभाव की भविष्यवाणी की थी और बाजार से पहले अच्छी तैयारी शुरू कर दी थी? तथ्य यह है कि हमने एआई का प्रभाव वर्षों पहले नहीं बल्कि दशकों पहले देखा था, हम लंबे समय से एआई उत्कृष्टता केंद्र और पारिस्थितिकी तंत्र स्थापित कर रहे हैं, और ग्राहकों की आवश्यकताओं और विकास के अवसरों के अनुरूप हमारी मौजूदा विशेषज्ञता को बढ़ाने के लिए रणनीतिक अधिग्रहण कर रहे हैं।

बिना शिक्षा कुछ प्राप्त नहीं होता

ऐसा ही एक संवर्द्धन डिटर्मिन्ड एआई है, जो 2021 में एचपीई के एचपीसी और एआई समाधानों की पेशकश का हिस्सा बन गया। डिटर्मिन्ड एआई का ओपन-सोर्स सॉफ्टवेयर इस तथ्य को संबोधित करता है कि बड़े पैमाने पर अनुकूलित मॉडल का निर्माण और प्रशिक्षण एमएल विकास का एक सटीक और महत्वपूर्ण चरण है - जो तेजी से बढ़ रहा है एचपीसी की चुनौतियों का सामना करने के लिए विश्लेषकों, शोधकर्ताओं और वैज्ञानिकों जैसे गैर-प्रौद्योगिकीविदों की आवश्यकता है।

इन चुनौतियों में अत्यधिक समानांतर सॉफ्टवेयर स्टैक और बुनियादी ढांचे की स्थापना और प्रबंधन शामिल है जो विशेष कंप्यूट प्रोविजनिंग, डेटा स्टोरेज, कंप्यूट फैब्रिक और एक्सेलेरेटर कार्ड तक फैला हुआ है।

आर्मस्ट्रांग-बार्न्स कहते हैं, "इसके अतिरिक्त, एमएल प्रतिपादकों को अपने द्वारा स्थापित विशेष बुनियादी ढांचे के उपयोग को अधिकतम करने के लिए अपने मॉडलों को कुशलतापूर्वक प्रोग्राम, शेड्यूल और प्रशिक्षित करने की आवश्यकता है," जो जटिलता पैदा कर सकता है और उत्पादकता को धीमा कर सकता है।

निःसंदेह, इन कार्यों को सक्षमता के एक कठोर स्तर के साथ किया जाना चाहिए, जो कि, यहां तक ​​​​कि अत्यधिक आंतरिक आईटी टीमों के समर्थन के साथ भी, आसानी से सुनिश्चित नहीं किया जा सकता है।

एमएल मॉडल प्रशिक्षण के लिए निर्धारित एआई का ओपन सोर्स प्लेटफॉर्म इस संसाधन अंतर को बंद करने के लिए डिज़ाइन किया गया है, जिससे ऑन-प्रिमाइसेस या क्लाउड में चलने वाले वर्कस्टेशन या एआई क्लस्टर को सेट-अप, कॉन्फ़िगर, प्रबंधित और साझा करना आसान हो जाता है। और प्रीमियम समर्थन के अलावा, इसमें उन्नत सुरक्षा, निगरानी और अवलोकन उपकरण जैसी सुविधाएं शामिल हैं - ये सभी एचपीई के भीतर विशेषज्ञता द्वारा समर्थित हैं।

आर्मस्ट्रांग-बार्न्स बताते हैं, "नए एचपीई मशीन लर्निंग डेवलपमेंट सिस्टम के साथ, कम समय में अधिक मूल्य प्राप्त करने के लिए, निर्धारित एआई उद्यमों के लिए बड़े पैमाने पर और गति से एमएल मॉडल बनाने और प्रशिक्षित करने में आने वाली बाधाओं को दूर करने के बारे में है।" “इन क्षमताओं में एआई/मशीन लर्निंग वर्कलोड को अनुकूलित करने के लिए आवश्यक काफी तकनीकी चीजें शामिल हैं, जैसे त्वरक शेड्यूलिंग, गलती सहनशीलता, उच्च गति समानांतर और मॉडलों का वितरित प्रशिक्षण, उन्नत हाइपरपैरामीटर अनुकूलन और तंत्रिका वास्तुकला खोज।

“उसमें प्रतिलिपि प्रस्तुत करने योग्य सहयोग और मेट्रिक्स ट्रैकिंग जैसे अनुशासनात्मक कार्य जोड़ें - इसे शीर्ष पर बनाए रखना बहुत कुछ है। डिटर्मिन्ड एआई की मदद से परियोजना विशेषज्ञ नवाचार पर ध्यान केंद्रित कर सकते हैं और डिलीवरी के लिए अपना समय तेजी से ट्रैक कर सकते हैं।

अधिक एचपीसी संसाधन और विनियमन अपनी भूमिका निभाते हैं

मॉडलिंग और सिमुलेशन जैसे कार्यभार को बढ़ाने के लिए एआई के साथ संयोजन के अलावा, एचपीसी की शक्ति का उपयोग एआई मॉडल को प्रशिक्षित और अनुकूलित करने के लिए भी किया जा रहा है - विनिर्माण उद्योग के क्षेत्रों में समय-समय पर खोज को गति देने के लिए लंबे समय से स्थापित उपकरण।

वैश्विक एचपीसी बाजार 2020 के बाकी महीनों में अनुमानित वृद्धि के लिए तैयार है। मोर्डोर इंटेलिजेंस अनुमान 56.98 में इसका मूल्य $2023 बिलियन है, और उम्मीद है कि यह 96.79 तक $2028 बिलियन तक पहुंच जाएगा - पूर्वानुमानित अवधि में 11.18 प्रतिशत का सीएजीआर।

“एचपीई लंबे समय से एचपीसी बुनियादी ढांचे का निर्माण कर रहा है, और अब उसके पास एक एचपीसी पोर्टफोलियो है जिसमें एक्सास्केल सुपर कंप्यूटर और घनत्व-अनुकूलित कंप्यूट प्लेटफॉर्म शामिल हैं। आर्मस्ट्रांग-बार्न्स कहते हैं, ''कुछ सबसे बड़े एचपीसी क्लस्टर एचपीई नवाचार पर बनाए गए हैं।'' "HPE के पास उच्च-प्रदर्शन हार्डवेयर प्लेटफ़ॉर्म में बेजोड़ विशेषज्ञता है।"

की शुरूआत के साथ बड़े भाषा मॉडल के लिए एचपीई ग्रीनलेक इस साल की शुरुआत में (2023), उद्यम - स्टार्टअप से लेकर फॉर्च्यून 500 तक - एक स्थायी सुपरकंप्यूटिंग प्लेटफॉर्म का उपयोग करके बड़े पैमाने पर एआई को प्रशिक्षित, ट्यून और तैनात कर सकते हैं जो एचपीई के एआई सॉफ्टवेयर और सबसे उन्नत सुपर कंप्यूटर को जोड़ती है।

स्पष्ट रूप से, एआई को अपनाना सभी आकार के संगठनों के लिए चुनौतीपूर्ण है, लेकिन यह केवल तकनीक के बारे में नहीं है, आर्मस्ट्रांग-बार्न्स बताते हैं: “तेजी से, सभी एआई अपनाने वालों को उभरते एआई नियमों और अनुपालनों के साथ अद्यतन रहना होगा। यूएस एआई बिल ऑफ राइट्स, ईयू एआई अधिनियम और यूके सरकार के एआई श्वेत पत्र में निर्धारित आगामी नियामक प्रस्ताव जैसे कानून - आम तौर पर एक अनुपालन-तैयार एआई फ्रेमवर्क को सूचित करने की उम्मीद है - इसके अंतर्निहित उदाहरण हैं।

अंतरराष्ट्रीय स्तर पर काम करने वाले व्यवसायों के लिए, यह लालफीताशाही में लिपटी एक और बाधा की तरह दिखता है, लेकिन आर्मस्ट्रांग-बार्न्स का सुझाव है कि नियामक अनुपालन उतना कठिन नहीं हो सकता है जितना वे दिखाई दे सकते हैं - एक अच्छी तरह से नियुक्त एआई साझेदारी पारिस्थितिकी तंत्र की थोड़ी मदद से।

"जांचें कि क्या आपके एआई पारिस्थितिकी तंत्र भागीदार भी अनुपालन में आपकी मदद कर सकते हैं - यदि आप पहले से ही भारी-विनियमित व्यावसायिक माहौल में हैं, तो यह अच्छी तरह से हो सकता है कि आप पहले से ही मौजूदा अनुपालन के आधे रास्ते पर हैं।"

एचपीई द्वारा प्रायोजित।

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
• प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
• प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
• स्रोत: https://go.theregister.com/feed/www.theregister.com/2023/10/25/putting_ai_challenges_in_perspective/