Patrzenie na wyzwania związane ze sztuczną inteligencją z odpowiedniej perspektywy dzięki partnerstwom

Patrzenie na wyzwania związane ze sztuczną inteligencją z odpowiedniej perspektywy dzięki partnerstwom

Znacznik czasu: 25 października 2023 4:27
Spojrzenie na wyzwania związane ze sztuczną inteligencją w perspektywie dzięki partnerstwom PlatoBlockchain Data Intelligence. Wyszukiwanie pionowe. AI.

Sponsorowana funkcja W miarę coraz szerszego wdrażania tej technologii w bardziej wertykalnych sektorach i branżach zdolność sztucznej inteligencji (AI) do przekształcania procesów biznesowych, podejmowania strategicznych decyzji i doświadczeń klientów jest powszechnie chwalona przez strategów IT i analityków ekonomicznych.

Nawet dyrektorzy naczelni, którzy niegdyś nieufnie podchodzili do inwestycji w sztuczną inteligencję, których potrzebuje, aby zapewnić optymalną wartość, zaczynają dostrzegać jej potencjał w zakresie poprawy efektywności operacyjnej i torowania drogi dla nowych źródeł przychodów.

Prognozy szanowanych obserwatorów rynku, takich jak PwC, potwierdzają tę opinię. Jego 'Globalne badanie sztucznej inteligencji' uważa, że ​​sztuczna inteligencja może wnieść do gospodarki światowej aż do 15.7 biliona dolarów w 2030 r. Z tej kwoty 6.6 biliona dolarów może pochodzić ze zwiększonej produktywności, a 9.1 biliona dolarów z „efektów ubocznych konsumpcji”, twierdzi PwC.

Niedawne wprowadzenie kilku generatywnych narzędzi sztucznej inteligencji uważa się za: breakout punkt dla tego, co wcześniej było wysoce wyspecjalizowaną i „futurystyczną” gałęzią informatyki. W Wielkiej Brytanii w 2022 r. Biuro ds. Sztucznej Inteligencji zgłaszane że około 15 procent przedsiębiorstw przyjęło co najmniej jedną technologię sztucznej inteligencji, co odpowiada liczbie 432,000 2 firm. Około 10 procent firm pilotażowo wdrażało sztuczną inteligencję, a 62,000 procent planowało w przyszłości wdrożyć co najmniej jedną technologię sztucznej inteligencji (odpowiednio 292,000 XNUMX i XNUMX XNUMX firm).

To wciąż skomplikowana sprawa

W obliczu tego zapału do sztucznej inteligencji organizacje powinny pamiętać, że sztuczna inteligencja jest wciąż stosunkowo młodą technologią, a jej wdrożenie po raz pierwszy może być trudne. Co więcej, związany z tym zwrot z inwestycji (ROI) w dużym stopniu zależy od bardzo precyzyjnie zarządzanych procedur wdrożeniowych i konfiguracji, które często są mniej odporne na błędy niż konwencjonalne wdrożenia IT.

Sztuczna inteligencja stwarza szacunkowe testy dla zespołów IT, których zadaniem jest na przykład wdrażanie inicjatyw i obciążeń związanych ze sztuczną inteligencją/uczeniem maszynowym, które mogą obejmować pokonywanie luk w umiejętnościach i ograniczeń obliczeniowych. Mogą również obejmować kompromisy w zakresie zasobów w przypadku innych obciążeń przedsiębiorstwa, które już korzystają ze wspólnej infrastruktury IT.

„Sztuczna inteligencja to podróż, a nie cel – nie chodzi o to, aby była gotowa do wdrożenia lub automatyzowała procesy po prostu w celu zwiększenia wydajności” – mówi Matt Armstrong-Barnes, dyrektor ds. technologii sztucznej inteligencji w Hewlett Packard Enterprise (HPE). „Chodzi raczej o realizację długoterminowej wartości, umożliwienie lepszych wyników i uznanie, że sztuczna inteligencja wymaga zasadniczo innego podejścia do wdrażania IT. Dla technologów korporacyjnych jest to wszechstronna krzywa uczenia się obejmująca 360 stopni”.

Dowodem stanowiska Armstronga-Barnesa jest najnowszy raport Deloitte „Stan sztucznej inteligencji w przedsiębiorstwiebadanie przeprowadzone wśród światowych liderów biznesu. Respondenci zidentyfikowali szereg wyzwań, jakie AI stawiała przed sobą w kolejnych fazach swoich projektów wdrożeniowych AI. Udowodnienie wartości biznesowej sztucznej inteligencji było kwestią wskazywaną przez 37 procent – ​​projekty mogą okazać się kosztowne, a przekonujące uzasadnienie biznesowe może być trudne do zweryfikowania w obliczu nieufnych wobec inwestycji zarządów i kadry kierowniczej wyższego szczebla.

Skalowanie projektów związanych ze sztuczną inteligencją z biegiem czasu może spowodować napotkanie dalszych zidentyfikowanych przeszkód, takich jak zarządzanie ryzykiem związanym ze sztuczną inteligencją (wymienione przez 50 procent osób biorących udział w ankiecie Deloitte), brak poparcia kadry kierowniczej (również 50 procent) oraz brak utrzymanie lub bieżące wsparcie (znowu 50 procent).

„To całkiem zrozumiałe, że liderzy korporacji muszą być przekonani, że sztuczna inteligencja się opłaci” – mówi Armstrong-Barnes. „W tym przypadku współpraca od samego początku z partnerem technologicznym, który od wielu lat zajmuje się sprawdzonymi wdrożeniami sztucznej inteligencji, pomaga wygrać sprawę. Jego osiągnięcia uwiarygodnią propozycje projektów i pomogą przekonać kadrę kierowniczą, że ryzyka związane ze sztuczną inteligencją można zarządzać tak samo, jak w przypadku każdego innego przedsięwzięcia IT”.

I chociaż technologia i talent są z pewnością potrzebne, równie ważne jest dostosowanie kultury, struktury i sposobów pracy firmy, aby wspierać szerokie wdrażanie sztucznej inteligencji, według McKinsey, których charakterystyczne cechy czasami stanowią barierę dla zmian napędzanych sztuczną inteligencją.

„Jeśli w firmie zatrudnieni są menedżerowie ds. relacji, którzy szczycą się dostrojeniem do potrzeb klientów, mogą odrzucić pogląd, że „maszyna” może mieć lepsze pomysły na temat potrzeb klientów i zignorować rekomendacje produktów dostosowane do potrzeb narzędzia AI” – sugeruje McKinsey.

„Często rozmawiam z kolegami z HPE i klientami HPE na temat zakresu wyzwań, jakie napotykają podczas wdrażania sztucznej inteligencji” – raportuje Armstrong-Barnes. „Niektóre wspólne cechy dowodowe pojawiają się raz po raz. Jednym z nich jest niedoszacowanie tego, jak zasadniczo różnią się wdrożenia sztucznej inteligencji od tradycyjnych wdrożeń IT. Organizacje muszą wdrażać sztuczną inteligencję przede wszystkim w inny sposób niż projekty IT, które realizowały w przeszłości. Zarządzanie danymi i skalowanie znacznie się od siebie różnią w przypadku sztucznej inteligencji. Oznacza to, że czasami trzeba uczyć się od nowa zdobytego z trudem doświadczenia technologicznego”.

Należy unikać skłonności do eksperymentowania z projektami pilotażowymi AI przed wdrożeniem jej bezpośrednio w rzeczywistym przypadku użycia, który wspiera pilną potrzebę biznesową, wyjaśnia Armstrong-Barnes. „Podejście „wypróbuj przed zakupem” wydaje się rozsądne – sztuczna inteligencja jest złożona i wymaga dużych inwestycji” – wyjaśnia, „ale w przypadku sztucznej inteligencji testy próbne i projekty testowe tak naprawdę nie odzwierciedlają wyzwań, jakie organizacje użytkowników staną podczas rzeczywistego wdrożenia . To, co zaczyna się „w laboratorium”, zwykle w nim zostaje”.

Na drugim końcu skali wdrożenia Armstrong-Barnes widzi firmy, które starają się stosować sztuczną inteligencję wszędzie tam, gdzie można ją zastosować, nawet tam, gdzie aplikacja działa optymalnie bez sztucznej inteligencji: „To, co można wyciągnąć z AI, to fakt, że masz ogromny młotek, nie powinieneś wtedy postrzegać wszystkiego jako orzecha do zgryzienia.”

Ludzie i infrastruktura nie są łatwo dostępne

Nawet najbardziej zaawansowane systemy sztucznej inteligencji nie osiągnęły jeszcze całkowitej, kompleksowej autonomii – muszą być szkolone i dostrajane w oparciu o wiedzę specjalistyczną człowieka. Stanowi to kolejne wyzwanie dla firm aspirujących do sztucznej inteligencji: jak najlepiej zdobyć niezbędne umiejętności – przekwalifikować istniejący personel IT? Rekrutować nowych członków zespołu z wymaganą wiedzą na temat sztucznej inteligencji? A może zbadać możliwości odłożenia zapotrzebowania na specjalistyczną wiedzę w zakresie sztucznej inteligencji na rzecz partnerów technologicznych?

McKinsey Raporty że potencjał sztucznej inteligencji jest ograniczany przez niedobór wykwalifikowanych talentów. Typowy projekt AI wymaga wysoce kompetentnego zespołu, w tym analityka danych, inżyniera danych, inżyniera ML, menedżera produktu i projektanta – a po prostu nie ma wystarczającej liczby specjalistów, aby obsadzić wszystkie te wolne stanowiska.

„Widzimy, że technolodzy korporacyjni zazwyczaj muszą podnosić swoje umiejętności w pięciu kluczowych aspektach” – mówi Armstrong-Barnes. „Dotyczą one przede wszystkim obszarów wiedzy specjalistycznej AI, infrastruktury IT, zarządzania danymi, zarządzania złożonością oraz w mniejszym stopniu wspomnianych wcześniej barier kulturowych. Żadne z tych wyzwań nie jest nie do pokonania, przy właściwym podejściu i partnerskim wsparciu.

Sztuczna inteligencja lubi także superwydajny sprzęt, na którym można pracować. Dostarczanie platform obliczeniowych o wysokiej wydajności w dalszym ciągu pozostaje niezmiennym wyzwaniem, ponieważ niewiele organizacji chce – lub może sobie na to pozwolić – na dokonanie niezbędnych inwestycji w swoje serwerownie bez możliwego do udowodnienia wzrostu wskaźników ROI.

„Planując wdrożenia sztucznej inteligencji, planiści IT muszą już na bardzo wczesnym etapie podjąć pewne kluczowe decyzje dotyczące podstawowej technologii wspomagającej” – mówi Armstrong-Barnes. „Na przykład, czy zamierzasz go kupić, zbudować, czy zastosować podejście hybrydowe, które obejmuje elementy obu?”

Następna ważna decyzja dotyczy partnerstw. Armstrong-Barnes podkreśla, że ​​decydującym warunkiem pomyślnego dostarczania sztucznej inteligencji jest to, że nikt nie może tego zrobić sam: „Potrzebujesz wsparcia partnerów technologicznych, a najlepszym sposobem na nawiązanie takiego partnerstwa jest ekosystem sztucznej inteligencji. Pomyśl o ekosystemie sztucznej inteligencji jako o wspierającym konsorcjach wiedzy specjalistycznej, które po połączeniu zapewnią ci dostęp do odpowiedniego know-how, danych, narzędzi sztucznej inteligencji, technologii i ekonomii, aby rozwijać i operacjonalizować wysiłki związane z sztuczną inteligencją.

Armstrong-Barnes dodaje: „Klienci czasami pytają, w jaki sposób HPE zdobyło tak duże doświadczenie w zastosowaniach sztucznej inteligencji – czy przewidzieliśmy jej wpływ wiele lat temu i rozpoczęliśmy przygotowania znacznie wyprzedzając rynek? Faktem jest, że wpływ sztucznej inteligencji widzieliśmy nie lata, ale dekady temu, od dawna tworzyliśmy centra doskonałości i ekosystemy AI oraz dokonywaliśmy strategicznych przejęć, aby poszerzyć naszą istniejącą wiedzę specjalistyczną zgodnie z wymaganiami klientów i możliwościami rozwoju.

Nie ma treningu nie ma efektów

Jednym z takich udoskonaleń jest zdeterminowana sztuczna inteligencja, która od 2021 r. stała się częścią oferty rozwiązań HPC i sztucznej inteligencji firmy HPE. Oprogramowanie typu open source firmy zdeterminowana sztuczna inteligencja uwzględnia fakt, że budowanie i szkolenie zoptymalizowanych modeli na dużą skalę to wymagający i krytyczny etap rozwoju uczenia maszynowego – etap, który w coraz większym stopniu wymaga od osób niebędących technologami, takich jak analitycy, badacze i naukowcy, podjęcia wyzwań związanych z HPC.

Wyzwania te obejmują konfigurowanie i zarządzanie wysoce równoległym stosem oprogramowania i infrastrukturą, która obejmuje wyspecjalizowane dostarczanie zasobów obliczeniowych, przechowywanie danych, infrastrukturę obliczeniową i karty akceleratorów.

„Ponadto przedstawiciele uczenia maszynowego muszą efektywnie programować, planować i szkolić swoje modele, aby zmaksymalizować wykorzystanie utworzonej przez siebie specjalistycznej infrastruktury” – mówi Armstrong-Barnes – „co może powodować złożoność i spowalniać produktywność”.

Zadania te muszą być oczywiście wykonywane z zachowaniem rygorystycznego poziomu kompetencji, którego nie można łatwo zapewnić nawet przy wsparciu przeciążonych wewnętrznych zespołów IT.

Platforma open source firmy zdeterminowana sztuczna inteligencja do szkolenia modeli uczenia maszynowego została zaprojektowana w celu wypełnienia tej luki w zasobach, ułatwiając konfigurowanie, zarządzanie i udostępnianie stacji roboczych lub klastrów sztucznej inteligencji działających lokalnie lub w chmurze. Oprócz wsparcia premium obejmuje takie funkcje, jak zaawansowane narzędzia bezpieczeństwa, monitorowania i obserwowalności – a wszystko to wspierane przez specjalistyczną wiedzę HPE.

„Zdeterminowana sztuczna inteligencja polega na usuwaniu barier dla przedsiębiorstw w budowaniu i szkoleniu modeli uczenia maszynowego na dużą skalę i z dużą szybkością, aby uzyskać większą wartość w krótszym czasie dzięki nowemu systemowi rozwoju uczenia maszynowego HPE” – wyjaśnia Armstrong-Barnes. „Te możliwości obejmują rozwiązania technologiczne niezbędne do optymalizacji obciążeń związanych ze sztuczną inteligencją/uczeniem maszynowym, takie jak planowanie akceleratorów, odporność na awarie, szybkie równoległe i rozproszone uczenie modeli, zaawansowana optymalizacja hiperparametrów i wyszukiwanie architektury neuronowej.

„Dodaj do tego zadania dyscyplinujące, takie jak powtarzalna współpraca i śledzenie wskaźników – to dużo, o czym warto pamiętać. Dzięki pomocy zdeterminowanej sztucznej inteligencji specjaliści projektowi mogą skoncentrować się na innowacjach i przyspieszyć czas realizacji.”

Większe zasoby i regulacje HPC odgrywają swoją rolę

Moc HPC jest również coraz częściej wykorzystywana do szkolenia i optymalizacji modeli sztucznej inteligencji, a także do łączenia się ze sztuczną inteligencją w celu zwiększenia obciążeń, takich jak modelowanie i symulacja – czyli od dawna stosowanych narzędzi przyspieszających czas potrzebny do odkrycia w sektorach całej branży produkcyjnej.

Globalny rynek HPC przewiduje szacunkowy wzrost przez resztę lat 2020. Wywiad Mordoru Szacunki jego wartość wyniesie 56.98 miliarda dolarów w 2023 r. i oczekuje, że osiągnie ona 96.79 miliarda dolarów do 2028 r., co oznacza CAGR na poziomie 11.18 procent w okresie objętym prognozą.

„HPE od dawna buduje infrastrukturę HPC, a obecnie posiada portfolio HPC obejmujące superkomputery Exascale i platformy obliczeniowe zoptymalizowane pod kątem gęstości. Niektóre z największych klastrów HPC opierają się na innowacjach HPE” – mówi Armstrong-Barnes. „HPE ma niezrównaną wiedzę specjalistyczną w zakresie platform sprzętowych o wysokiej wydajności”.

Wraz z wprowadzeniem HPE GreenLake dla modeli wielojęzycznych na początku tego roku (2023) przedsiębiorstwa – od startupów po osoby z listy Fortune 500 – mogą szkolić, dostrajać i wdrażać sztuczną inteligencję na dużą skalę, korzystając ze zrównoważonej platformy superkomputerowej, która łączy oprogramowanie HPE AI i najbardziej zaawansowane superkomputery.

„Bez wątpienia wdrożenie sztucznej inteligencji jest wyzwaniem dla organizacji każdej wielkości, ale nie chodzi tylko o technologię” – podkreśla Armstrong-Barnes: „Wszyscy wdrażający sztuczną inteligencję będą musieli być na bieżąco z pojawiającymi się przepisami i zgodnościami dotyczącymi sztucznej inteligencji. Ustawodawstwo takie jak amerykańska Karta praw dotycząca sztucznej inteligencji, unijna ustawa o sztucznej inteligencji i nadchodzące propozycje regulacyjne określone w białej księdze brytyjskiego rządu dotyczącej sztucznej inteligencji – ogólnie oczekuje się, że będą stanowić podstawę dla ram sztucznej inteligencji zapewniających zgodność z przepisami – są tego immanentnymi przykładami.

W przypadku firm działających na arenie międzynarodowej wygląda to na kolejną przeszkodę związaną z biurokracją, ale Armstrong-Barnes sugeruje, że przestrzeganie przepisów może nie być tak uciążliwe, jak mogłoby się wydawać – przy niewielkiej pomocy dobrze wyposażonego ekosystemu partnerstwa w zakresie sztucznej inteligencji.

„Sprawdź, czy partnerzy z ekosystemu sztucznej inteligencji mogliby również pomóc Ci w zapewnieniu zgodności – jeśli działasz już w środowisku biznesowym podlegającym ścisłym regulacjom, może się zdarzyć, że jesteś już w połowie drogi w zakresie istniejących zasad”.

Sponsorowane przez HPE.

Znak czasu:

Więcej z Rejestr