Putting AI Challenges In Perspective With Partnerships

Ponovno objavil Platon

Spremljevalci: 0

Putting AI challenges in perspective with partnerships PlatoBlockchain Data Intelligence. Vertical Search. Ai.

Sponzorirana funkcija Ko se tehnologija vse bolj uporablja v bolj vertikalnih sektorjih in panogah, IT-strategi in ekonomski analitiki močno hvalijo zmogljivost umetne inteligence za preoblikovanje poslovnih procesov, strateškega odločanja in uporabniških izkušenj.

Celo izvršni direktorji, ki so nekoč bili previdni glede odobritve naložb, ki jih potrebuje umetna inteligenca za zagotavljanje optimalne vrednosti, so začeli prepoznavati njen potencial za izboljšanje operativne učinkovitosti in utiranje poti novim tokovom prihodkov.

Napovedi uglednih opazovalcev trga, kot je PwC, podpirajo njihovo mnenje. njegov 'Globalna študija umetne inteligenceOcenjuje, da bi umetna inteligenca leta 15.7 svetovnim gospodarstvom lahko prispevala do 2030 bilijona dolarjev. Od tega bi 6.6 bilijona dolarjev lahko prispevala povečana produktivnost, 9.1 bilijona dolarjev pa bi lahko prišlo zaradi stranskih učinkov potrošnje, trdi PwC.

Nedavno uvajanje več generativnih orodij AI se šteje za a zlom točka za tisto, kar je bilo prej visoko specializirana in 'futuristična' veja računalništva. V Združenem kraljestvu leta 2022 Urad za umetno inteligenco poročali da je približno 15 odstotkov podjetij sprejelo vsaj eno tehnologijo umetne inteligence, kar ustreza 432,000 podjetjem. Približno 2 odstotka podjetij je pilotiralo umetno inteligenco, 10 odstotkov pa je načrtovalo sprejetje vsaj ene tehnologije umetne inteligence v prihodnosti (62,000 oziroma 292,000 podjetij).

Še vedno je zapletena stvar

Med tem navdušenjem nad AI bi se morale organizacije zavedati, da je AI še vedno razmeroma mlada tehnologija in da je njena prva vzpostavitev lahko izziv. Še več, povezana donosnost naložbe (ROI) je močno odvisna od zelo natančno vodenih postopkov in konfiguracij izvajanja, ki so pogosto manj robustni glede na napake kot običajne uvedbe IT.

Umetna inteligenca predstavlja cenjene preizkuse za ekipe IT, ki so zadolžene za izvajanje pobud in delovnih obremenitev umetne inteligence/strojnega učenja, na primer, ki lahko vključujejo premagovanje vrzeli v znanju in računalniških omejitev. Vključujejo lahko tudi kompromise glede virov z drugimi delovnimi obremenitvami podjetij, ki že uporabljajo skupno infrastrukturo IT.

»Umetna inteligenca je potovanje, ne cilj – ne gre za to, da bi bili pripravljeni na sprejetje ali avtomatizirali procese zgolj za večjo učinkovitost,« pravi Matt Armstrong-Barnes, glavni tehnološki direktor za umetno inteligenco pri Hewlett Packard Enterprise (HPE). »Najbolj gre za uresničitev dolgoročne vrednosti, omogočanje boljših rezultatov in zavedanje, da AI zahteva bistveno drugačen pristop k uvajanju IT. Za podjetniške tehnologe je to 360-stopinjska krivulja vsestranskega učenja.”

Armstrong-Barnesovo stališče dokazuje najnovejši Deloittov "Stanje umetne inteligence v podjetju« raziskava vodilnih v svetovnih podjetjih. Anketiranci so identificirali kup izzivov, ki jih je umetna inteligenca pojavila v zaporednih fazah njihovih projektov izvajanja umetne inteligence. Dokazovanje poslovne vrednosti umetne inteligence je bilo vprašanje, ki ga je navedlo 37 odstotkov – projekti se lahko izkažejo za drage, prepričljiv poslovni primer pa je težko potrditi, če se soočite z upravnimi odbori in vodstvenimi kadri, ki so previdni glede naložb.

Povečevanje teh projektov umetne inteligence sčasoma lahko naleti na nadaljnje ugotovljene ovire, kot so obvladovanje tveganj, povezanih z umetno inteligenco (navedlo jih je 50 odstotkov tistih, ki so sodelovali v raziskavi Deloitta), pomanjkanje vodstvenega pristopa (prav tako 50 odstotkov) in pomanjkanje vzdrževanje ali stalna podpora (ponovno 50 odstotkov).

»Razumljivo je, da je treba vodje podjetij prepričati, da bo umetna inteligenca plačala svoje,« pravi Armstrong-Barnes. »Tukaj sodelovanje od samega začetka s tehnološkim partnerjem, ki že vrsto let sodeluje pri preizkušenih implementacijah umetne inteligence, pomaga pridobiti primer. Njegovi rezultati bodo dali verodostojnost projektnim predlogom in pomagali prepričati vodje, da so tveganja umetne inteligence tako obvladljiva kot kateri koli drug IT-podvig.«

In čeprav sta tehnologija in talent zagotovo potrebna, je enako pomembno uskladiti kulturo podjetja, strukturo in načine dela, da bi podprli široko uporabo umetne inteligence, po McKinseyju, z značilnimi lastnostmi, ki včasih delujejo kot ovire za spremembe, ki jih poganja umetna inteligenca.

"Če ima podjetje vodje odnosov, ki se ponašajo s tem, da so prilagojeni potrebam strank, lahko zavrnejo idejo, da bi lahko imel "stroj" boljše ideje o tem, kaj si stranke želijo, in prezrejo priporočila za izdelke, prilagojena orodju AI," predlaga McKinsey.

»Pogosto se posvetujem s sodelavci HPE in strankami HPE o vrsti izzivov, s katerimi se srečujejo pri uvajanju umetne inteligence,« poroča Armstrong-Barnes. »Znova in znova se pojavljajo nekatere skupne dokazne značilnosti. Ena je podcenjevanje tega, kako bistveno se uvedbe AI razlikujejo od tradicionalnih implementacij IT. Organizacije morajo uvesti umetno inteligenco na primarno drugačen način od projektov IT, ki so jih izvajale v preteklosti. Upravljanje podatkov in skaliranje se bistveno razlikujeta pri AI. To pomeni, da se je včasih težko pridobljene tehnološke izkušnje treba naučiti na novo.«

Armstrong-Barnes pojasnjuje, da se je treba izogibati nagnjenosti k eksperimentiranju s piloti umetne inteligence, preden jih neposredno uvedejo v resnični primer uporabe, ki podpira pereče poslovne potrebe. »Pristop poskusi, preden kupiš, se zdi razumen – umetna inteligenca je zapletena in zahteva naložbe,« pojasnjuje, »toda pri umetni inteligenci poskusi in testni projekti v resnici ne posnemajo izzivov, s katerimi se bodo uporabniške organizacije srečale pri dejanski implementaciji . Kar se začne 'v laboratoriju', ponavadi ostane v laboratoriju.«

Na drugem koncu lestvice sprejetja Armstrong-Barnes vidi podjetja, ki poskušajo uporabiti umetno inteligenco povsod, kjer jo je mogoče uporabiti, tudi tam, kjer aplikacija deluje optimalno brez umetne inteligence: »Izhod je – samo zato, ker imate v umetni inteligenci ogromno kladivo, potem ne bi smel videti vsega kot oreh, ki ga je treba streti.«

Ljudje in infrastruktura niso na voljo

Tudi najnaprednejši sistemi umetne inteligence še niso dosegli popolne avtonomije od konca do konca – treba jih je usposobiti in natančno prilagoditi človeško strokovno znanje. To predstavlja nadaljnji izziv za podjetja, ki si prizadevajo za umetno inteligenco: kako najbolje pridobiti potrebna znanja – prekvalificirati obstoječe IT osebje? Zaposliti nove člane ekipe s potrebnim znanjem AI? Ali raziskati možnosti za preložitev potrebe po strokovnem znanju in znanju umetne inteligence na tehnološke partnerje?

McKinsey Poročila da je potencial umetne inteligence omejen zaradi pomanjkanja kvalificiranih talentov. Tipičen projekt umetne inteligence zahteva zelo strokovno ekipo, ki vključuje podatkovnega znanstvenika, podatkovnega inženirja, inženirja ML, produktnega vodjo in oblikovalca – in preprosto ni dovolj strokovnjakov, ki bi zasedli vsa ta odprta delovna mesta.

»Vidimo, da morajo podjetniški tehnologi na splošno nadgraditi svoje sposobnosti v petih ključnih vidikih,« pravi Armstrong-Barnes. »Načeloma so na področjih strokovnega znanja o umetni inteligenci, IT infrastrukture, upravljanja podatkov, upravljanja kompleksnosti in v manjši meri prej omenjenih kulturnih ovir. Noben od teh izzivov ni nepremostljiv ob pravem pristopu in partnerski podpori.«

Umetna inteligenca ima rada tudi super zmogljivo strojno opremo. Zagotavljanje visoko zmogljivih računalniških platform ostaja stalen izziv, saj malo organizacij želi – ali si lahko privošči – potrebne naložbe v svoje strežniške posesti brez dokazljivega povečanja razmerja donosnosti naložbe.

»Pri načrtovanju implementacij umetne inteligence morajo IT-načrtovalci že v zelo zgodnji fazi sprejeti nekaj ključnih odločitev v zvezi z osrednjo omogočitveno tehnologijo,« pravi Armstrong-Barnes. "Ali ga boste na primer kupili, zgradili – ali ubrali hibridni pristop, ki bo vključeval elemente obojega?"

Naslednja pomembna odločitev se nanaša na partnerstva. Odločilni pogoj za uspešno dostavo umetne inteligence je, da nihče ne more sam, poudarja Armstrong-Barnes: »Potrebujete podporo tehnoloških partnerjev in najboljši način za vzpostavitev teh partnerstev je prek ekosistema umetne inteligence. Zamislite si ekosistem umetne inteligence kot podporni konzorcij strokovnega znanja, ki vam bo z združitvijo omogočil dostop do pravega znanja, podatkov, orodij umetne inteligence, tehnologije in ekonomije za razvoj in operacionalizacijo vaših prizadevanj umetne inteligence.«

Armstrong-Barnes dodaja: »Stranke včasih sprašujejo, kako je HPE tako izkušen v primerih uporabe umetne inteligence – ali smo njegov vpliv predvideli že pred leti in se začeli pripravljati precej pred trgom? Dejstvo je, da vpliva umetne inteligence nismo opazili pred leti, ampak pred desetletji, že dolgo vzpostavljamo centre odličnosti in ekosisteme umetne inteligence ter izvajamo strateške prevzeme, da bi povečali svoje obstoječe strokovno znanje v skladu z zahtevami strank in priložnostmi za rast.«

Brez vlaka, brez dobička

Ena taka nadgradnja je Determined AI, ki je leta 2021 postal del HPE-jeve ponudbe rešitev HPC in AI. Odprtokodna programska oprema Determined AI obravnava dejstvo, da sta izgradnja in usposabljanje optimiziranih modelov v velikem obsegu zahtevna in kritična stopnja razvoja strojnega jezika – tista, ki vse bolj zahteva, da netehnologi, kot so analitiki, raziskovalci in znanstveniki, sprejmejo izzive HPC.

Ti izzivi vključujejo nastavitev in upravljanje visoko vzporednega sklada programske opreme in infrastrukture, ki obsega specializirano zagotavljanje računalništva, shranjevanje podatkov, računalniško strukturo in pospeševalne kartice.

»Poleg tega morajo eksponenti ML učinkovito programirati, načrtovati in usposobiti svoje modele, da povečajo izkoristek specializirane infrastrukture, ki so jo vzpostavili,« pravi Armstrong-Barnes, »kar lahko povzroči kompleksnost in upočasni produktivnost.«

Te naloge je seveda treba opraviti s strogo stopnjo usposobljenosti, ki je tudi s podporo preobremenjenih internih ekip IT ni enostavno zagotoviti.

Odprtokodna platforma Determined AI za usposabljanje modela ML je zasnovana tako, da zapolni to vrzel v virih, kar olajša nastavitev, konfiguracijo, upravljanje in skupno rabo delovnih postaj ali gruče AI, ki delujejo na mestu uporabe ali v oblaku. Poleg vrhunske podpore vključuje funkcije, kot so napredna varnost, orodja za spremljanje in opazovanje – vse to podpira strokovno znanje znotraj HPE.

»Determined AI gre za odstranjevanje ovir za podjetja pri gradnji in usposabljanju modelov ML v obsegu in hitrosti, da bi dosegli večjo vrednost v krajšem času, z novim sistemom za razvoj strojnega učenja HPE,« pojasnjuje Armstrong-Barnes. »Te zmožnosti vključujejo precej tehnološke stvari, potrebne za optimizacijo delovnih obremenitev AI/strojnega učenja, kot so načrtovanje pospeševalnika, toleranca napak, visokohitrostno vzporedno in porazdeljeno usposabljanje modelov, napredna optimizacija hiperparametrov in iskanje po nevronski arhitekturi.

»Dodajte k temu disciplinske naloge, kot sta ponovljivo sodelovanje in sledenje meritvam – veliko je treba imeti na tekočem. S pomočjo Determined AI se lahko strokovnjaki za projekte osredotočijo na inovacije in pospešijo svoj čas do izvedbe.”

Več virov HPC in predpisi igrajo svojo vlogo

Moč HPC se vedno bolj uporablja tudi za usposabljanje in optimizacijo modelov AI, poleg kombiniranja z AI za povečanje delovnih obremenitev, kot sta modeliranje in simulacija – dolgo uveljavljena orodja za pospešitev časa do odkritja v sektorjih celotne proizvodne industrije.

Svetovni trg HPC naj bi do konca leta 2020 dosegel cenjeno rast. Mordorska inteligenca ocene njegova vrednost je leta 56.98 znašala 2023 milijarde dolarjev in pričakuje, da bo do leta 96.79 dosegla 2028 milijarde dolarjev – CAGR 11.18 odstotka v predvidenem obdobju.

»HPE že dolgo gradi infrastrukturo HPC in ima zdaj portfelj HPC, ki vključuje superračunalnike Exascale in računalniške platforme, optimizirane za gostoto. Nekateri največji HPC grozdi so zgrajeni na HPE inovacijah,« pravi Armstrong-Barnes. "HPE ima neprimerljivo strokovno znanje in izkušnje na področju visoko zmogljivih platform strojne opreme."

Z uvedbo HPE GreenLake za velike jezikovne modele v začetku tega leta (2023) lahko podjetja – od startupov do Fortune 500 – usposobijo, prilagodijo in uvedejo obsežno umetno inteligenco z uporabo trajnostne superračunalniške platforme, ki združuje HPE-jevo programsko opremo umetne inteligence in najnaprednejše superračunalnike.

Jasno je, da je uvedba umetne inteligence izziv za organizacije vseh velikosti, vendar ne gre le za tehnologijo, poudarja Armstrong-Barnes: »Vsi, ki bodo uvedli umetno inteligenco, bodo morali biti vedno na tekočem s prihajajočimi predpisi in skladnostmi v zvezi z umetno inteligenco. Zakonodaja, kot je ameriška listina o pravicah do umetne inteligence, zakon EU o umetni inteligenci in prihajajoči regulativni predlogi, določeni v beli knjigi o umetni inteligenci vlade Združenega kraljestva – za katere se na splošno pričakuje, da bodo zagotovili okvir za umetno inteligenco, pripravljen na skladnost – so imanentni primeri tega.«

Za podjetja, ki delujejo mednarodno, je to videti kot še ena ovira, zavita v birokracijo, vendar Armstrong-Barnes predlaga, da skladnost z zakonodajo morda ni tako zahtevna, kot se morda zdi – z malo pomoči dobro imenovanega partnerskega ekosistema AI.

"Preverite, ali bi vam vaši partnerji ekosistema umetne inteligence lahko pomagali tudi pri skladnosti – če ste že v močno reguliranem poslovnem okolju, se lahko zgodi, da ste že na pol poti z obstoječimi upoštevanji."

Sponzorira HPE.