Розгляд проблем штучного інтелекту в перспективі за допомогою партнерства

Розгляд проблем штучного інтелекту в перспективі за допомогою партнерства

Мітка часу: 25 жовтня 2023 р., 4:27
Погляд на виклики штучного інтелекту в перспективі з партнерством PlatoBlockchain Data Intelligence. Вертикальний пошук. Ai.

Спонсорська функція У міру того, як технологія все ширше розгортається в більш вертикальних секторах і галузях, здатність штучного інтелекту (ШІ) трансформувати бізнес-процеси, прийняття стратегічних рішень і клієнтський досвід широко хвалиться ІТ-стратегами та економічними аналітиками.

Навіть головні виконавчі директори, колись насторожено ставлячись до того, що ШІ потребує інвестицій, щоб забезпечити оптимальну цінність, починають визнавати його потенціал для підвищення операційної ефективності та прокладання шляхів для нових джерел доходу.

Прогнози поважних ринкових спостерігачів, таких як PwC, підтверджують їх точку зору. Його 'Глобальне дослідження штучного інтелекту«Підраховує, що штучний інтелект може принести до світової економіки до 15.7 трлн доларів США в 2030 році. З них 6.6 трлн доларів можуть надійти від підвищення продуктивності, а 9.1 трлн доларів — від «побічних ефектів споживання», стверджує PwC.

Нещодавнє розгортання кількох генеративних інструментів ШІ вважається a прорив точка для того, що раніше було вузькоспеціалізованою та «футуристичною» галуззю інформатики. У Великобританії в 2022 році Офіс штучного інтелекту повідомляє що близько 15 відсотків компаній застосували принаймні одну технологію ШІ, що дорівнює 432,000 2 компаній. Приблизно 10 відсотки підприємств пілотували AI, а 62,000 відсотків планували запровадити принаймні одну технологію AI у майбутньому (292,000 XNUMX та XNUMX XNUMX компаній відповідно).

Це все ще складні речі

У зв’язку з цим захопленням штучним інтелектом організації повинні пам’ятати, що штучний інтелект – це ще відносно молода технологія, і її може бути складно налаштувати вперше. Більше того, пов’язана рентабельність інвестицій (ROI) значною мірою залежить від дуже точно керованих процедур впровадження та конфігурацій, які часто менш стійкі до помилок, ніж звичайні ІТ-розгортання.

Штучний інтелект ставить гідні випробування для ІТ-команд, яким доручено впроваджувати ініціативи ШІ/машинного навчання та робочі навантаження, наприклад, які можуть включати подолання прогалин у навичках і обчислювальних обмежень. Вони також можуть передбачати компроміс ресурсів з іншими робочими навантаженнями підприємства, які вже використовують спільну ІТ-інфраструктуру.

«Штучний інтелект — це подорож, а не пункт призначення. Йдеться не про готовність до впровадження чи автоматизацію процесів просто для підвищення ефективності», — каже Метт Армстронг-Барнс, головний технічний директор відділу штучного інтелекту Hewlett Packard Enterprise (HPE). «Скоріше мова йде про реалізацію довгострокової цінності, забезпечення кращих результатів і визнання того, що ШІ вимагає принципово іншого підходу до розгортання ІТ. Для технологів підприємства це 360-градусна крива всебічного навчання».

Точку зору Армстронга-Барнса підтверджує останній звіт Deloitte.Стан ШІ на підприємствіопитування лідерів світового бізнесу. Його респонденти визначили купу проблем ШІ, які виникли на послідовних етапах їхніх проектів впровадження ШІ. Доведення бізнес-цінності штучного інтелекту було проблемою, яку вказали 37 відсотків: проекти можуть виявитися дорогими, а переконливе ділове обґрунтування може бути важко перевірити, стикаючись з настороженими щодо інвестицій радами директорів і керівниками.

Розширення цих проектів штучного інтелекту з часом може подолати інші визначені перешкоди, такі як управління ризиками, пов’язаними зі штучним інтелектом (зазначені 50 відсотками тих, хто брав участь в опитуванні Deloitte), відсутність зацікавленості керівників (також 50 відсотків) і відсутність технічне обслуговування або постійна підтримка (знову 50 відсотків).

«Цілком зрозуміло, що керівникам корпорацій потрібно переконати, що штучний інтелект окупиться», — каже Армстронг-Барнс. «Це те, де робота з самого початку з технічним партнером, який багато років працював над перевіреними впровадженнями ШІ, допомагає виграти справу. Його послужний список додасть довіри проектним пропозиціям і допоможе переконати керівників, що ризики штучного інтелекту так само керовані, як і будь-яке інше ІТ-підприємство».

І хоча технології та таланти, безперечно, потрібні, не менш важливо узгодити культуру компанії, структуру та способи роботи для підтримки широкого впровадження ШІ, за даними McKinsey, з відмінними характеристиками, які інколи виступають перешкодою для змін, спричинених ШІ.

«Якщо в компанії є менеджери зі зв’язків із клієнтами, які пишаються тим, що вони налаштовані на потреби клієнтів, вони можуть відкинути думку про те, що «машина» може мати кращі уявлення про те, чого хочуть клієнти, і проігнорувати рекомендації щодо продукту, розробленого інструментом штучного інтелекту», — припускає McKinsey.

«Я часто консультуюся з колегами HPE і клієнтами HPE щодо ряду проблем, з якими вони стикаються під час розгортання штучного інтелекту», — повідомляє Армстронг-Барнс. «Деякі загальні доказові характеристики виникають знову і знову. Одна з них – недооцінка того, наскільки принципово відрізняються розгортання ШІ від традиційних ІТ-реалізацій. Організації повинні розгортати штучний інтелект не так, як ІТ-проекти, які вони реалізовували в минулому. Управління даними та масштабування значно відрізняються для ШІ. Це означає, що інколи важко здобутий технологічний досвід потрібно вивчати заново».

Армстронг-Барнс пояснює, що слід уникати експериментів із пілотами штучного інтелекту перед розгортанням його безпосередньо в реальному випадку використання, який підтримує нагальні потреби бізнесу. «Підхід «спробуй, перш ніж купити» здається доцільним – штучний інтелект є складним і потребує інвестицій, – пояснює він, – але з штучним інтелектом пробні прогони та тестові проекти насправді не відтворюють тих проблем, з якими організації користувачів зіткнуться під час фактичного впровадження . Те, що починається «в лабораторії», має тенденцію залишатися в лабораторії».

На іншому кінці шкали впровадження Армстронг-Барнс бачить компанії, які намагаються застосовувати штучний інтелект скрізь, де його можна застосувати, навіть якщо програма працює оптимально без штучного інтелекту: «Висновок тут такий: просто тому, що в штучному інтелекті у вас є величезний молоток, тоді вам не слід сприймати все як горіх, який потрібно розбити».

Люди та інфраструктура недоступні

Навіть найдосконаліші системи штучного інтелекту ще не досягли повної наскрізної автономності – їх потрібно навчити та налаштувати за допомогою досвідчених людей. Це являє собою додатковий виклик для компаній, які прагнуть до штучного інтелекту: як найкраще отримати необхідні навички – перенавчати існуючий ІТ-персонал? Набрати нових членів команди з необхідними знаннями ШІ? Або вивчити варіанти, щоб відкласти потребу в досвіді штучного інтелекту на технологічних партнерів?

McKinsey звіти що потенціал штучного інтелекту обмежений браком кваліфікованих кадрів. Типовий проект штучного інтелекту потребує високопрофесійної команди, яка включає спеціаліста з обробки даних, інженера з обробки даних, інженера з машинного навчання, менеджера з продукції та дизайнера – і просто не вистачає спеціалістів, щоб зайняти всі ці відкриті вакансії.

«Ми бачимо, що технологам підприємств зазвичай доводиться вдосконалювати свої здібності в п’яти ключових аспектах», — каже Армстронг-Барнс. «В основному вони лежать у сферах досвіду ШІ, ІТ-інфраструктури, управління даними, управління складністю та, меншою мірою, вищезгаданих культурних бар’єрів. Жоден із цих викликів не є непереборним за умови правильного підходу та підтримки партнерства».

AI також любить надпотужне обладнання для роботи. Забезпечення високопродуктивних обчислювальних платформ залишається постійним викликом, тому що небагато організацій хочуть або можуть дозволити собі робити необхідні інвестиції у свої серверні масиви без доведеного збільшення показників ROI.

«Плануючи впровадження штучного інтелекту, на дуже ранній стадії ІТ-планувальники повинні прийняти деякі ключові рішення щодо основної базової технології», — говорить Армстронг-Барнс. «Наприклад, чи збираєтеся ви купити його, побудувати — чи застосувати гібридний підхід, який охоплює елементи обох?»

Наступне важливе рішення стосується партнерства. Визначальною умовою успішного впровадження штучного інтелекту є те, що ніхто не може зробити це сам, зазначає Армстронг-Барнс: «Вам потрібна підтримка технологічних партнерів, і найкращий спосіб налагодити ці партнерства — через екосистему ШІ. Думайте про екосистему штучного інтелекту як про допоміжний консорціум експертів, який, об’єднавшись, надасть вам доступ до потрібного ноу-хау, даних, інструментів штучного інтелекту, технологій та економіки для розробки та введення в дію ваших зусиль ШІ».

Армстронг-Барнс додає: «Іноді клієнти запитують, як HPE стала настільки досвідченою в застосуванні штучного інтелекту – чи ми передбачили його вплив багато років тому і почали готуватися задовго до ринку? Справа в тому, що ми побачили, що вплив штучного інтелекту настає не роки, а десятиліття тому, ми вже давно створюємо центри передового досвіду та екосистеми штучного інтелекту та здійснюємо стратегічні придбання, щоб розширити наш наявний досвід відповідно до вимог клієнтів і можливостей зростання».

Ні поїзда, ні прибутку

Одним із таких доповнень є Determined AI, який у 2021 році став частиною пропозицій рішень HPE HPC та AI. Програмне забезпечення з відкритим кодом Determined AI враховує той факт, що створення та навчання оптимізованих моделей у великому масштабі є вимогливим і критичним етапом розробки машинного навчання, який дедалі більше вимагає нетехніків, таких як аналітики, дослідники та науковці, щоб взяти на себе виклики HPC.

Ці виклики включають налаштування та керування високопаралельним програмним стеком та інфраструктурою, яка охоплює спеціалізоване забезпечення обчислень, зберігання даних, обчислювальну структуру та карти прискорювача.

«Крім того, експоненти ML повинні програмувати, планувати та ефективно навчати свої моделі, щоб максимізувати використання спеціалізованої інфраструктури, яку вони створили, — каже Армстронг-Барнс, — що може ускладнити роботу та сповільнити продуктивність».

Звичайно, ці завдання потрібно виконувати з високим рівнем компетентності, який нелегко забезпечити навіть за підтримки перенапружених внутрішніх ІТ-команд.

Платформа Determined AI з відкритим кодом для навчання моделям ML розроблена, щоб усунути цей дефіцит ресурсів, спрощуючи установку, конфігурацію, керування та спільний доступ до робочих станцій або кластерів AI, які працюють локально або в хмарі. Крім преміум-підтримки, він включає такі функції, як розширена безпека, інструменти моніторингу та спостереження – усе це підтримується експертами HPE.

«Рішучий штучний інтелект — це усунення перешкод підприємствам для створення та навчання моделей машинного навчання в масштабах і швидкості, щоб отримати більшу цінність за менший час за допомогою нової системи розробки машинного навчання HPE», — пояснює Армстронг-Барнс. «Ці можливості включають досить технічні речі, необхідні для оптимізації робочих навантажень AI/Machine Learning, як-от планування прискорювача, відмовостійкість, високошвидкісне паралельне та розподілене навчання моделей, розширена оптимізація гіперпараметрів і пошук нейронної архітектури.

«Додайте до цього дисциплінарні завдання, як-от відтворювана співпраця та відстеження показників – це багато чого, що потрібно тримати на вершині. Завдяки допомозі Determined AI спеціалісти проекту можуть зосередитися на інноваціях і прискорити час виконання».

Свою роль відіграє більше ресурсів HPC та регулювання

Потужність HPC також все частіше використовується для навчання та оптимізації моделей штучного інтелекту, а також для поєднання зі штучним інтелектом для збільшення робочих навантажень, таких як моделювання та симуляція – давно зарекомендували себе інструменти для прискорення часу відкриття в секторах промисловості.

Глобальний ринок високопродуктивних обчислювальних машин очікує значне зростання протягом решти 2020-х років. Мордорська розвідка Оцінки його вартість становила 56.98 мільярда доларів у 2023 році, і очікується, що він досягне 96.79 мільярда доларів до 2028 року – CAGR 11.18 відсотка за прогнозований період.

«HPE тривалий час створювала інфраструктуру HPC і тепер має портфоліо HPC, що включає суперкомп’ютери Exascale та обчислювальні платформи з оптимізацією щільності. Деякі з найбільших високопродуктивних кластерів побудовані на інноваціях HPE», — говорить Армстронг-Барнс. «HPE має неперевершений досвід роботи з високопродуктивними апаратними платформами».

З введенням HPE GreenLake для великих мовних моделей Раніше цього року (2023) підприємства – від стартапів до Fortune 500 – можуть навчати, налаштовувати та розгортати масштабний штучний інтелект за допомогою стійкої суперкомп’ютерної платформи, яка поєднує програмне забезпечення штучного інтелекту від HPE та найсучасніші суперкомп’ютери.

Зрозуміло, що впровадження штучного інтелекту є складним завданням для організацій будь-якого розміру, але справа не лише в технології, зазначає Армстронг-Барнс: «Всі користувачі штучного інтелекту дедалі частіше повинні бути в курсі нових нормативних актів щодо штучного інтелекту та вимог. Такі законодавчі акти, як Білль про права на штучний інтелект США, Закон ЄС про штучний інтелект та майбутні регулятивні пропозиції, викладені в Білій книзі щодо штучного інтелекту уряду Великобританії, – як правило, очікується, що вони стануть інформацією про готову до відповідності структуру штучного інтелекту – є невід’ємними прикладами цього».

Для компаній, які працюють на міжнародному рівні, це виглядає як ще одна перешкода, загорнута в бюрократичну стрічку, але Армстронг-Барнс припускає, що відповідність нормативним вимогам може бути не такою обтяжливою, як може здатися – за невеликої допомоги добре облаштованої екосистеми партнерства зі штучним інтелектом.

«Перевірте, чи можуть ваші партнери з екосистеми штучного інтелекту також допомогти вам у дотриманні вимог — якщо ви вже перебуваєте в жорстко регульованому бізнес-середовищі, цілком можливо, що ви вже на півдорозі з існуючими правилами».

Спонсовано HPE.

Часова мітка:

Більше від Реєстр