امروز برابر است با :1403-09-12

هوش مصنوعی تا به کجا پیش خواهد رفت؟

انتظار می‌ رود در سال آینده، سازمان‌ ها سرمایه‌ گذاری زیادی را در زیر ساخت‌ های فناوری اطلاعات خود داشته باشند و %۸۴ از سازمان‌ ها در حال برنامه‌ ریزی برای مدرن‌ سازی فناوری اطلاعات خود برای پشتیبانی بهتر از هوش مصنوعی هستند.

حالا و ۱۸ ماه پس از آغاز چرخه هیاهوها درباره ChatGPT، این هوش مصنوعی جای خود را به درک دقیق‌ تری از واقعیت پشت اجرای این فناوری داده است. در شرایطی که در ابتدا، مدیران ارشد با اشتیاق و خوش‌ بینی، پیگیر پروژه‌ های علمی بودند، اما تغییرات اخیر باعث شده که تصمیم‌ گیرندگان به دنبال موارد تجاری دقیق‌ تر و شواهدی باشند که نشان دهد هوش مصنوعی چگونه ارزش شرکت را افزایش می‌ دهد. بدین ترتیب حالا AI-for-AI به پایان رسیده و هوش مصنوعی سازمانی در کانون توجهات قرار گرفته است.

در این مسیر، موانع متعددی پیش روی کسب‌ و کارها وجود دارد که باید بر آن‌ ها غلبه کرد. سه مورد از برجسته‌ ترین آن‌ ها برای هوش مصنوعی سازمانی عبارت‌ اند از: اطمینان از وجود مهارت‌ های لازم، متقاعد کردن هیئت‌ مدیره در مورد ارزش واقعی تجارت و اطمینان از اینکه این زیر ساخت می‌ تواند قدرت محاسباتی لازم را فراهم کند.

همگام‌ سازی مهارت‌ ها

نتیجه نظر سنجی اخیر که از ۶۵۰ مدیر فناوری اطلاعات در استرالیا به عمل آمد، حکایت از آن دارد که همه آن‌ ها (آمار ۱۰۰٪)، به مهارت‌ های هوش مصنوعی اضافی در ۱۲ ماه آینده نیازمندند. با توجه به تقاضای زیاد برای استعدادهای فنی، احتمالاً منجر به کمبود سیصد و هفتاد هزار نیروی متخصص دیجیتال تا سال ۲۰۲۶ خواهد شد.

شکاف در مهارت‌ های هوش مصنوعی بدین معناست که بسیار بعید است که سازمان‌ها مدل‌ های زبانی بزرگ خود (LLM) را توسعه دهند. در گزارش هوش مصنوعی شرکت Nutanix State of Enterprise به این نکته اشاره‌ شده که ۹۰% از شرکت‌ ها، به دلیل کمبود مهارت‌ های لازم، در حال برنامه‌ ریزی برای استفاده از LLM های قبلی هستند.

دو مهارت مورد تقاضا عبارت‌ اند از: “هوش مصنوعی مولد و مهندسی سریع” با ۴۵% اعلام نیاز و “علم داده و تجزیه‌ و تحلیل داده‌ ها” با آمار ۴۴٪ موردنیاز در سازمان‌ ها. این بدان معناست که با وجودی که سازمان‌ ها رویای ایجاد LLM های شخصی خود را رها کرده‌ اند، اما هنوز به تلاش زیادی برای استقرار، بهره‌ برداری و پشتیبانی از این فناوری‌ های جدید نیاز است.

برای اینکه یک LLM سازمانی بتواند پتانسیلش را ارائه دهد، باید به داده‌ های سازمان دسترسی داشته باشد. از نظر خیلی‌ ها، این بدان معناست که داده‌ های سازمانی باید از زیر ساخت‌ های قدیمی و برنامه‌ هایی استخراج شوند که هرگز برای هوش مصنوعی طراحی نشده بودند و این کار به سرمایه‌گذاری قابل‌ توجهی نیاز دارد.

اقدامات مورد نیاز برای پیاده‌ سازی این طرح

به‌ رغم آنچه تبلیغات نشان می‌ دهد، هوش مصنوعی و LLM های مولد سازمانی، تنها با دانلود کردن در اختیار مدیران قرار نخواهند گرفت. قوانین سخت‌ گیرانه حاکمیت و حریم خصوصی در یک محیط سازمانی به این معناست که هوش مصنوعی باید در یک محیط بسته پیاده‌ سازی شود تا داده‌ های محرمانه به بیرون درز نکرده و برای آموزش مدل برای سازمان‌ های خارجی مورد استفاده قرار نگیرند.

یک LLM سازمانی برای ارائه ارزش واقعی‌ اش، باید به داده‌ های یک سازمان دسترسی داشته باشد. چرا که هر بینش بر اساس درک کامل از کسب‌ و کار ارائه می‌ شود و در صورت وجود نقاط کور، دقت پروژه زیر سؤال خواهد رفت؛ اما باید در نظر داشت که ارائه دسترسی به این داده‌ ها آسان‌ تر از انجام آن است. مخصوصاً وقتی‌ که شرکت هنوز از سیستم‌ های قدیمی که اصولاً حیاتی‌ ترین سیستم‌ های تجاری هستند، استفاده می‌ کند. در این صورت داده‌ ها باید منطقی شوند و برنامه‌ ها قبل از پیاده‌ سازی هوش مصنوعی مدرن سازی شوند.

این اولین قدم حیاتی است. هر تلاشی در راستای متقاعد کردن هیئت‌ مدیره در مسیر پیاده‌ سازی هوش مصنوعی، باید با گفتگو در مورد نوسازی زیر ساخت‌ ها باشد و در غیر این صورت، مزایای تجاری بالقوه هوش مصنوعی مختل خواهد شد؛ چرا که این مدل تصمیم‌ گیری‌ ها را در مورد مجموعه داده‌ های ناقص انجام خواهد داد.

زیر ساخت‌ های هوشمند

در یکی از گزارش‌ های اخیر، مشخص شد که در حالی‌ که ۹۰% سازمان‌ ها، هوش مصنوعی را در اولویت قرار داده‌ اند، یک‌ سوم از آن‌ ها زیر ساخت‌ های فناوری اطلاعات فعلی‌ شان را برای اجرای چنین برنامه‌ هایی مناسب نمی‌ دانند.

بخش کلیدی این سرمایه‌ گذاری، پذیرش محیط‌ های چند ابری ترکیبی (ترکیبی از ابرهای لبه، خصوصی و عمومی) است. در حال حاضر از هر پنج سازمان در آسیا-اقیانوسیه، تنها یک سازمان یک مدل ترکیبی چند ابری را اجرا می‌ کند و از هر پنج سازمان، دو سازمان دیگر قصد دارند در یک تا سه سال آینده این مدل را پیاده‌ سازی کنند. بهره‌ گیری‌ از زیر ساخت‌ های انعطاف‌ پذیر، مقیاس‌ پذیر و مقرون‌ به‌ صرفه بودن، پایه و اساس ایده‌ آلی را برای پیاده‌ سازی هوش مصنوعی فراهم می‌ کند.

محیط‌ های چند ابری ترکیبی مدرن بسیار خودکار هستند. آن‌ ها، محیط‌ های قدیمی مدیریت دستی و نگهداری را حذف کرده و این امکان را در شرکت فراهم می‌ آورند تا مهندسین ماهر، دوباره مهارتشان را برای تحقق وعدهٔ هوش مصنوعی به کار بگیرند. وعده هوش مصنوعی در صورت اجرای صحیح، مثل هر فناوری دیگری می‌ تواند مزایایی باورنکردنی داشته باشد.

منبع: خبر آنلاین

اشتراک گذاری