A mesterséges intelligencia kihívásainak kilátásba helyezése partnerségekkel

A mesterséges intelligencia kihívásainak kilátásba helyezése partnerségekkel

Időbélyeg: 25. október 2023. 4:27
A mesterséges intelligencia kihívásainak kilátásba helyezése a PlatoBlockchain Data Intelligence partnerségekkel. Függőleges keresés. Ai.

Szponzorált funkció Ahogy a technológiát egyre szélesebb körben alkalmazzák a vertikálisabb szektorokban és iparágakban, az IT-stratégiák és gazdasági elemzők nagy dicséretben részesítik a mesterséges intelligencia (AI) azon képességét, hogy átalakítsa az üzleti folyamatokat, a stratégiai döntéshozatalt és az ügyfelek tapasztalatait.

Még azok a vezérigazgatók is, akik ódzkodtak attól, hogy jóváhagyják azt a befektetést, amelyre az AI-nak szüksége van az optimális érték biztosításához, egyre inkább felismeri a benne rejlő lehetőségeket a működési hatékonyság javítására és új bevételi források megnyitására.

A tiszteletreméltó piacfigyelők, például a PwC előrejelzései alátámasztják véleményüket. az 'Globális mesterséges intelligencia tanulmányÚgy számol, hogy a mesterséges intelligencia akár 15.7 billió dollárral járulhat hozzá a globális gazdaságokhoz 2030-ban. Ebből 6.6 billió dollár származhat a termelékenység növekedéséből, és 9.1 billió dollár származhat a „fogyasztási mellékhatásokból” – állítja a PwC.

Számos generatív AI-eszköz közelmúltbeli bevezetése a kitörési pont az informatika korábban egy rendkívül specializált és „futurisztikus” ága számára. Az Egyesült Királyságban 2022-ben az Office for Artificial Intelligence jelentett hogy a vállalkozások körülbelül 15 százaléka alkalmazott legalább egy mesterséges intelligencia technológiát, ami 432,000 2 vállalatnak felel meg. A vállalkozások körülbelül 10 százaléka kísérletezett mesterséges intelligenciával, 62,000 százalékuk pedig legalább egy mesterséges intelligencia technológia bevezetését tervezte a jövőben (292,000 XNUMX, illetve XNUMX XNUMX vállalkozás).

Ez még mindig összetett dolog

A mesterséges intelligencia iránti lelkesedés közepette a szervezeteknek emlékezniük kell arra, hogy a mesterséges intelligencia még viszonylag fiatal technológia, és első alkalommal nehéz lehet beállítani. Sőt, a kapcsolódó beruházás megtérülése (ROI) nagymértékben függ a nagyon pontosan felügyelt megvalósítási eljárásoktól és konfigurációktól, amelyek gyakran kevésbé robusztusak a hibákkal szemben, mint a hagyományos IT-telepítések.

A mesterséges intelligencia becsülhető teszteket jelent az AI/Gépi tanulási kezdeményezések és munkaterhelések megvalósításával megbízott IT-csapatok számára, amelyek magukban foglalhatják a készséghiányok és a számítási korlátok leküzdését. Az erőforrások kompromisszumát is magukban foglalhatják más, már közös IT-infrastruktúrát használó vállalati munkaterhelésekkel.

„A mesterséges intelligencia egy utazás, nem pedig egy úti cél – nem arról van szó, hogy elfogadásra készen álljunk, vagy egyszerűen csak a nagyobb hatékonyság érdekében automatizáljuk a folyamatokat” – mondja Matt Armstrong-Barnes, a Hewlett Packard Enterprise (HPE) mesterséges intelligenciáért felelős technológiai igazgatója. „Inkább a hosszú távú érték megvalósításáról van szó, amely jobb eredményeket tesz lehetővé, valamint annak felismerését, hogy az AI alapvetően más megközelítést igényel az informatikai telepítéshez. A vállalati technológusok számára ez egy 360 fokos, teljes körű tanulási görbe.”

Armstrong-Barnes álláspontját bizonyítja a Deloitte legújabb 'Az AI állapota a vállalaton belül' felmérés a globális üzleti vezetők körében. A válaszadók egy rakás kihívást azonosítottak, amelyek az AI megvalósítási projektjeik egymást követő szakaszaiból fakadtak. A mesterséges intelligencia üzleti értékének bizonyítása 37 százalékos probléma volt – a projektek költségesnek bizonyulhatnak, és a befektetéstől óvakodó testületek és a C-Suite vezetői nehezen hitelesíthetik a meggyőző üzleti esetet.

Az AI-projektek idővel történő bővítése további azonosított akadályokba ütközhet, mint például a mesterséges intelligenciával kapcsolatos kockázatok kezelése (ezt a Deloitte-felmérésben résztvevők 50 százaléka idézi), a vezetői részvétel hiánya (szintén 50 százalék) és karbantartás vagy folyamatos támogatás (ismét 50 százalék).

„Megérthető, hogy a vállalati vezetőket meg kell győzni arról, hogy a mesterséges intelligencia meg fogja fizetni a maga módján” – mondja Armstrong-Barnes. „Itt segít megnyerni az ügyet, ha a kezdetektől fogva együttműködünk egy olyan technológiai partnerrel, aki már évek óta részt vesz a mesterséges intelligencia megvalósításában. Eredménye hitelessé teszi a projektjavaslatokat, és segít meggyőzni a vezetőket arról, hogy az AI kockázatai ugyanolyan kezelhetőek, mint bármely más IT-vállalkozás.”

És bár minden bizonnyal szükség van technológiára és tehetségre, ugyanilyen fontos a vállalati kultúra, struktúra és munkamódszerek összehangolása a mesterséges intelligencia széles körű elterjedésének támogatása érdekében. McKinsey szerint, amelyek sajátos jellemzői néha gátat szabnak a mesterséges intelligencia által vezérelt változásoknak.

"Ha egy vállalatnak vannak kapcsolati menedzserei, akik büszkék arra, hogy az ügyfelek igényeihez igazodnak, akkor elutasíthatják azt az elképzelést, hogy egy "gépnek" jobb elképzelései lehetnek arról, hogy mit szeretnének az ügyfelek, és figyelmen kívül hagyják az AI-eszköz testreszabott termékajánlatait" - javasolja McKinsey.

„Gyakran konzultálok a HPE-társakkal és a HPE-ügyfelekkel az AI bevezetése során felmerülő kihívásokról” – számol be Armstrong-Barnes. „Újra és újra előkerül néhány gyakori bizonyíték. Az egyik annak alábecsülése, hogy az AI-telepítések alapvetően különböznek a hagyományos IT-megvalósításoktól. A szervezeteknek alapvetően más módon kell az AI-t telepíteniük, mint az általuk korábban megvalósított IT-projekteket. Az adatkezelés és a méretezés jelentősen eltér a mesterséges intelligencia esetében. Ez azt jelenti, hogy néha a nehezen megszerzett technológiai tapasztalatokat újra meg kell tanulni.”

Armstrong-Barnes magyarázza, hogy el kell kerülni azt a hajlandóságot, hogy kísérletezzenek mesterséges intelligencia-pilótákkal, mielőtt azokat közvetlenül egy valós felhasználási esetre telepítenék, amely támogatja a sürgető üzleti igényeket. „A „próbálkozz, mielőtt vásárolsz” megközelítés ésszerűnek tűnik – az AI összetett és befektetésigényes” – magyarázza. „A mesterséges intelligencia esetében azonban a szárazonfutások és a tesztprojektek nem igazán replikálják azokat a kihívásokat, amelyekkel a felhasználói szervezetek szembesülnek a tényleges megvalósítás során. . Ami „a laborban” kezdődik, az általában a laborban marad.”

Az elfogadási skála másik végén Armstrong-Barnes azokat a cégeket látja, amelyek megpróbálják alkalmazni az MI-t, ahol csak alkalmazható, még akkor is, ha az alkalmazás mesterséges intelligencia nélkül is optimálisan működik: „Az elvihető itt a lényeg – csak azért, mert az AI-ban hatalmas kalapács van, akkor nem szabad mindent törni való diónak tekinteni.”

Az emberek és az infrastruktúra nem elérhető

Még a legfejlettebb mesterséges intelligencia rendszereknek sem kell még elnyerniük a teljes autonómiát a végpontok között – emberi szakértelemmel kell őket kiképezni és finomítani. Ez további kihívást jelent a mesterséges intelligenciára törekvő vállalatok számára: hogyan lehet a legjobban megszerezni a szükséges készségeket – átképezni a meglévő IT-személyzetet? Új csapattagokat toborozni a szükséges mesterséges intelligencia ismeretekkel? Vagy keressen olyan lehetőségeket, amelyek segítségével technológiai partnerekre halaszthatja az AI-szakértelem szükségességét?

McKinsey jelentések hogy a mesterséges intelligencia lehetőségeit korlátozza a képzett tehetségek hiánya. Egy tipikus mesterséges intelligencia-projekthez rendkívül hozzáértő csapatra van szükség, beleértve egy adattudóst, adatmérnököt, ML mérnököt, termékmenedzsert és tervezőt – és egyszerűen nincs elég szakember ahhoz, hogy betöltse ezeket a nyitott állásokat.

„Azt látjuk, hogy a vállalati technológusoknak általában öt kulcsfontosságú vonatkozásban kell továbbfejleszteniük képességeiket” – mondja Armstrong-Barnes. „Elsősorban az AI-szakértelem, az IT-infrastruktúra, az adatkezelés, a komplexitáskezelés és kisebb mértékben a fent említett kulturális korlátok területén fekszenek. E kihívások egyike sem leküzdhetetlen a megfelelő megközelítés és partnerségi támogatás mellett.”

A mesterséges intelligencia is szereti a szupererős hardvert. A nagy teljesítményű számítási platformok biztosítása továbbra is állandó kihívást jelent, mert kevés szervezet akarja – vagy engedheti meg magának – a szükséges beruházásokat a szervertelepeken a megtérülési arány bizonyítható növekedése nélkül.

„A mesterséges intelligencia megvalósításának tervezése során az informatikai tervezőknek nagyon korai szakaszban meg kell hozniuk néhány kulcsfontosságú döntést az alaptechnológiát illetően” – mondja Armstrong-Barnes. „Például megveszi, megépíti – vagy egy hibrid megközelítést alkalmaz, amely mindkettő elemeit magában foglalja?”

A következő fontos döntés a partnerségekre vonatkozik. A sikeres mesterséges intelligencia megvalósításának meghatározó feltétele, hogy senki ne tudjon egyedül menni – mutat rá Armstrong-Barnes: „Szükség van a technológiai partnerek támogatására, és ezeknek a partnerségeknek a legjobb módja egy mesterséges intelligencia ökoszisztémán keresztül. Tekintsen egy mesterséges intelligencia ökoszisztémára úgy, mint egy támogató szakértelem konzorciumára, amely összeállva hozzáférést biztosít a megfelelő know-how-hoz, adatokhoz, mesterséges intelligencia eszközökhöz, technológiához és gazdaságossághoz ahhoz, hogy AI-törekvéseit fejlessze és működtethesse.”

Armstrong-Barnes hozzáteszi: „Az ügyfelek időnként azt kérdezik, hogy a HPE hogyan lett ennyire tapasztalt a mesterséges intelligencia felhasználási eseteiben – vajon évekkel ezelőtt előre láttuk a hatását, és jóval a piac előtt kezdtük el a felkészülést? A tény az, hogy láttuk, hogy az AI hatása nem évekkel, hanem évtizedekkel ezelőtt jelentkezett, hosszú ideje MI kiválósági központokat és ökoszisztémákat hoztunk létre, és stratégiai akvizíciókat hajtunk végre, hogy meglévő szakértelmünket az ügyfelek igényeinek és növekedési lehetőségeinek megfelelően bővítsük.”

Nincs vonat, nincs nyereség

Az egyik ilyen kiegészítés a Determined AI, amely 2021-ben a HPE HPC- és AI-megoldásainak részévé vált. A Determined AI nyílt forráskódú szoftvere azzal a ténnyel foglalkozik, hogy az optimalizált modellek méretarányos építése és betanítása az ML-fejlesztés igényes és kritikus szakasza, amely egyre inkább megköveteli a nem technológiai szakemberektől, mint például az elemzők, kutatók és tudósok, hogy vállalják a HPC kihívásait.

Ezek a kihívások magukban foglalják egy rendkívül párhuzamos szoftververem és infrastruktúra felállítását és kezelését, amely kiterjed a speciális számítástechnikai kiépítésre, adattárolásra, számítási szerkezetre és gyorsítókártyákra.

„Emellett az ML-exponenseknek hatékonyan kell programozniuk, ütemezniük és betanítaniuk modelleiket, hogy maximalizálják az általuk létrehozott speciális infrastruktúra kihasználtságát – mondja Armstrong-Barnes –, amely bonyolultságot teremthet és lelassíthatja a termelékenységet.”

Ezeket a feladatokat természetesen szigorú szakértelemmel kell elvégezni, ami még a túlterhelt belső informatikai csapatok támogatásával sem könnyen biztosítható.

A Determined AI nyílt forráskódú platformja az ML-modellképzéshez úgy lett kialakítva, hogy felszámolja ezt az erőforráshiányt, megkönnyítve a helyszínen vagy a felhőben futó munkaállomások vagy AI-fürtök beállítását, konfigurálását, kezelését és megosztását. A prémium támogatáson felül olyan funkciókat is tartalmaz, mint a fejlett biztonsági, megfigyelési és megfigyelési eszközök – mindezt a HPE-n belüli szakértelem támogatja.

„A határozott mesterségesintelligencia célja, hogy eltávolítsuk az akadályokat a vállalkozások előtt az ML-modellek méretarányos és gyorsaságában történő építkezése és betanítása előtt, hogy az új HPE gépi tanulási fejlesztőrendszerrel rövidebb idő alatt nagyobb értéket érjenek el” – magyarázza Armstrong-Barnes. „Ezek a képességek magukban foglalják az AI/gépi tanulási munkaterhelések optimalizálásához szükséges meglehetősen technikás dolgokat, mint például a gyorsító ütemezés, a hibatűrés, a modellek nagysebességű párhuzamos és elosztott betanítása, fejlett hiperparaméter-optimalizálás és neurális architektúra keresés.

„Adjuk hozzá az olyan fegyelmező feladatokat, mint a reprodukálható együttműködés és a mérőszámok követése – ez sokat kell követni. A Determined AI segítségével a projektspecialisták az innovációra összpontosíthatnak, és felgyorsíthatják a szállítás idejét.”

Több HPC erőforrás és szabályozás játszik szerepet

A HPC erejét a mesterséges intelligencia modellek betanítására és optimalizálására is egyre gyakrabban használják, amellett, hogy az AI-val kombinálják a munkaterhelést, például a modellezést és a szimulációt – ezek a régóta bevált eszközök a felfedezésig eltelt idő felgyorsítására a feldolgozóipar ágazataiban.

A HPC globális piaca a 2020-as évek hátralévő részében becsülhető növekedésre számít. Mordor Intelligencia becslések értéke 56.98-ban 2023 milliárd dollár, és 96.79-ra várhatóan eléri a 2028 milliárd dollárt, ami 11.18 százalékos CAGR az előrejelzési időszakban.

„A HPE már régóta építi a HPC infrastruktúrát, és most olyan HPC-portfólióval rendelkezik, amely Exascale szuperszámítógépeket és sűrűség-optimalizált számítási platformokat tartalmaz. A legnagyobb HPC-klaszterek egy része a HPE innovációra épül” – mondja Armstrong-Barnes. „A HPE páratlan szakértelemmel rendelkezik a nagy teljesítményű hardverplatformok terén.”

Bevezetésével HPE GreenLake nagy nyelvű modellekhez Az év elején (2023) a vállalkozások – az induló vállalkozásoktól a Fortune 500-ig – nagyszabású mesterséges intelligenciát képezhetnek, hangolhatnak és telepíthetnek egy fenntartható szuperszámítógép-platform segítségével, amely egyesíti a HPE AI szoftverét és a legfejlettebb szuperszámítógépeket.

Nyilvánvaló, hogy a mesterséges intelligencia bevezetése minden méretű szervezet számára kihívást jelent, de nem csak a technológiáról van szó – mutat rá Armstrong-Barnes: „A mesterséges intelligencia alkalmazóinak egyre inkább naprakésznek kell lenniük a születőben lévő mesterséges intelligencia szabályozásokkal és megfeleléssel. Az olyan jogszabályok, mint az Egyesült Államok mesterséges intelligenciájáról szóló törvény, az EU AI-törvénye és az Egyesült Királyság kormányának mesterséges intelligencia fehér könyvében megfogalmazott, hamarosan megjelenő szabályozási javaslatok – amelyek általában egy megfelelőségre kész mesterségesintelligencia-keretrendszert szolgálnak – immanens példák erre.”

A nemzetközileg működő vállalkozások számára ez egy újabb bürokráciával burkolt akadálynak tűnik, de Armstrong-Barnes azt sugallja, hogy a szabályozási megfelelés nem feltétlenül olyan megterhelő, mint amilyennek tűnhet – egy jól felszerelt AI-partnerségi ökoszisztéma segítségével.

„Ellenőrizze, hogy a mesterséges intelligencia ökoszisztéma-partnerei is segíthetnek-e a megfelelésben – ha már erősen szabályozott üzleti környezetben él, könnyen lehet, hogy már félúton jár a meglévő betartásokkal.”

A HPE támogatásával.

Időbélyeg:

Még több A regisztráció