Szponzorált funkció Az utóbbi időben a mesterséges intelligencia (AI) uralja az üzleti és technológiai híreket. Nem nézhet meg egy híroldalt anélkül, hogy nem látna egy történetet arról, hogy a mesterséges intelligencia hogyan változtatja meg üzletvitelünket.

Természetesen szinte minden vállalat alig várja, hogy megkezdje vagy előrehaladjon a mesterséges intelligencia felé vezető úton, de a legtöbb nem tudja, hogyan tovább.

A mesterséges intelligencia már most is jelentős hatással van a modern üzleti életre. Valójában az által gyűjtött statisztikák szerint AuthorityHacker, a vállalkozások 35 százaléka alkalmazta a mesterséges intelligenciát, az eszközök 77 százaléka használja a mesterséges intelligencia valamilyen formáját, és 10 szervezetből kilenc támogatja az AI használatát a versenyelőny megszerzése érdekében. A mesterséges intelligencia ezt követően várhatóan 15.7 billió dollárral növeli a globális gazdaságot 2030-ra. És mint minden új technológia esetében, itt is munkahelyek szűnnek meg és új munkahelyek keletkeznek. A mesterséges intelligencia 85-ig 2025 millió munkahelyet szüntethet meg, de a másik oldalon 97 millió új munkahelyet is teremthet.

Azok a vállalatok, amelyek először szeretnék átvenni a mesterséges intelligenciát, vagy bővíteni kívánják meglévő használatát, számos kihívással néznek szembe mind a személyzeti, mind a technológiai oldalon. A technológiával kapcsolatban szabályozási és etikai aggályok is vannak. És mivel az AI-rendszereket adatok táplálják, a vállalatoknak elkerülhetetlenül aggályai vannak az AI-algoritmusokba betáplált információk minőségének, relevanciájának és elérhetőségének biztosításával kapcsolatban. Valószínűleg tartós kihívást jelent annak biztosítása, hogy ezek az adatkészletek pontosak, naprakészek és a lehető legátfogóbbak legyenek. Ugyanez igaz a szükséges hardver, infrastruktúra és energiaellátás bonyolultságának, valamint a kapcsolódó költségeknek a kezelésére is.

A kihívások leküzdése, hogy learassa a jutalmakat

Matt Armstrong-Barnes, a HPE mesterséges intelligenciáért felelős vezető technológusa úgy véli, hogy a szervezetek gyakran elkövetik azt a hibát, hogy stratégiai terv nélkül közelítik meg az AI-t. „Túl gyorsan nyúlnak a technológiához. Nincs közös stratégiájuk” – mondja. „Érdekes tudományos projekteket hoznak létre, de nem adnak hozzáadott üzleti értéket”.

Mindenekelőtt a vállalatoknak olyan mesterséges intelligencia-stratégiát kell kidolgozniuk, amely azonosítja és rangsorolja a használati eseteket, és biztosítja, hogy valódi problémákkal foglalkozzanak, és ne csak olyan dolgokat építsenek, amelyek a laboratóriumban élnek és meghalnak. Természetesen gyakorlati kérdések merülnek fel ezzel a folyamattal kapcsolatban: „Hogyan fogod felépíteni ezeket az AI-platformokat? Hogyan fogja őket figyelni?" – kérdezi Armstrong-Barnes. „Hogyan biztosíthatja, hogy továbbra is hatékonyan működjenek? Hogyan fogod felismerni, hogy olyan előnyöket értél el, amelyekről azt hitted, hogy el fognak érni? Hogyan osztja fel a költségvetést a kezdeményezések megfelelő módon történő finanszírozására?”

Nem kétséges, hogy a megfelelő kérdések feltevése és egy szilárd terv segíthet csökkenteni az AI előnyeinek felismeréséhez szükséges időt. De az AI-rendszerek kísérleti modelljéből tényleges működő modellé való átalakítása szintén komoly kihívást jelent. „A legnagyobb kihívások az „operacionalizálás” körül vannak, vagyis hogyan juthatunk el egy mesterséges intelligencia rendszerhez a kezdeti adatgyűjtéstől a modell megalkotásán át a termelési üzembe helyezésig” – magyarázza Armstrong-Barnes.

És elengedhetetlen, hogy az alkalmazottak megfelelő készségekkel rendelkezzenek. A fő hangsúlyt a megfelelő tulajdonságokkal rendelkező munkatársak vonzása és megtartása, vagy olyan szervezettel való partnerség képezi, amely képes biztosítani ezt a szakértelmet. „Még mindig sok a félreértés azzal kapcsolatban, hogy mire képes a technológia, így az oktatás nem csak a készségeket fejleszti, hanem a bevásárlást is” – teszi hozzá.

Az egyik megközelítés, amelyet a vállalatok alkalmazhatnak a készségkészlettel és az infrastruktúrával kapcsolatos problémák megoldására, az, hogy partnereket keresnek. Azt tanácsolja: „Lehet partnerként beépíteni ezeket a készségeket; partner az infrastruktúra-, platform- és modellszolgáltatásokhoz való hozzáférésben.”

Az AI-natív architektúra sok rétegből áll. A mesterséges intelligencia infrastruktúra-szolgáltatási összetevői tartalmazhatnak például GPU-kat és gyorsítókat, számítási, tárolási és hálózati elemeket, konténereket, virtuális gépeket és AI-könyvtárakat. Hasonlóképpen, az AI platformszolgáltatások magukba foglalhatnak ML alkalmazásokat, valamint adat-, fejlesztési és telepítési szolgáltatásokat. És ne feledkezzünk meg a modellszolgáltatásokról sem, amelyek magukban foglalják az alapmodelleket, a finomhangolást, a vektortárolást és a felszólítást, valamint az AI üzleti szolgáltatásokat, amelyek célja a megbízhatóság előmozdítása az elfogultság és a sodródás megszüntetésével, hogy értékes használati esetbemutatókat készítsenek.

A HPE már felépített egy robusztus, emberközpontú keretrendszert, amely alkalmazható az ügyfelek igényeire, és középpontjában a magánélet, az inkluzivitás és a felelősség áll.

„Ez azt jelenti, hogy az adatokra és az üzleti problémákra összpontosíthat” – mondja Armstrong-Barnes.

Minden az adatokon múlik

Az AI-rendszerek tervezése és üzembe helyezése során kritikus lehet az adatokra való összpontosítás. A szervezeteket minden egyes nap adatcunami sújtja. A mesterséges intelligencia lehetővé teszi számukra, hogy rejtett mintákat találjanak az adatokban, ami segít felgyorsítani a képességüket, hogy értéket merítsenek belőlük. Ekkor lényegesen megalapozottabb döntéseket hozhatnak az általuk építeni vagy továbbfejleszteni kívánt alkalmazásokról, folyamatokról és szolgáltatásokról.

Ennek az adatközpontúnak a fő összetevője egy szilárd stratégia megalkotása az adatok gyűjtésére, kezelésére és nyomon követésére – amely szorosan illeszkedik az üzlethez, adatkultúrát épít, és magában foglalja az irányítást, az adatminőséget, adatvédelem és metaadatok, mondja a HPE.

„Meg kell értened, hogy az üzlet mit akar csinálni” – magyarázza Armstrong-Barnes. "Meg kell értened, hogyan javítod az adatok minőségét, kik fértek hozzá, hogyan semmisíted meg őket, milyen metaadatokat tárolsz."

Az adatok másik problémája a silók. Amikor az adatok zárolva vannak, problémás lehet az adatok kinyerése és értékszerzése. És amint ezek az adatok hozzáférhetőek és elérhetőek, felmerül a mesterséges intelligencia platformok számára hasznos adatok betanításának kérdése. A mesterséges intelligencia rendszerek felépítésének magas szinten több szakasza van: adatgyűjtés; az adatok finomítása, hogy készen álljon a modellkészítésre; a modellek elkészítése; a modellek hangolása; majd bevetni őket. Ezen szakaszok mindegyike sajátos kihívásokat jelent.

A HPE Greenlake mesterséges intelligenciájú architektúrájának használata azonban nagyban hozzájárulhat a megfelelő alapok megteremtéséhez a folyamatok felgyorsításához, mondja a HPE. A vállalat gépi tanulási fejlesztőkörnyezete (MLDE) szintén célja a gépi tanulási modellfejlesztés bonyolultságának és költségeinek csökkentése.

Ezen AI-modellek betanítása is jelentős feldolgozási teljesítményt igényel. Ahogy a vállalatok áttérnek a mesterséges intelligencia átvételére vagy használatának növelésére, először rendelkezniük kell a terhelés kezeléséhez szükséges technológiai kapacitással. A HPE GreenLake platform nagy teljesítményű feldolgozási architektúra és egyszerűsített adatfolyam formájában biztosíthatja azt a kapacitást, amelyre a szervezeteknek biztosítaniuk kell a kiváló minőségű, releváns adatokhoz való hozzáférést az AI-modellek és munkaterhelések létrehozásához és üzembe helyezéséhez.

A sikeres projektek utat mutathatnak

Gyakran hasznos útmutatásként megvizsgálni azokat a cégeket, amelyek már jó munkát végeztek az AI átvétele és bevezetése terén. Ezek egyike a Seattle-i, WA-beli Evil Geniuses esportcsapat. 25 éves története során a vállalat számos esportban lépett be csapatokba, amelyek a Call of Duty-t, a Fortnite-ot, a Halót, a Rocket League-et és a VALROANT-t játszották. Az Evil Geniuses csapatai meglehetősen sikeresek voltak. A cég Call of Duty: WWII csapata például megnyerte a 2018-as Call of Duty bajnokságot, a VALORANT csapat pedig a 2023-as VALORANT Championst.

„Azért vagyunk itt, hogy megváltoztassuk a játék arculatát” – mondja Chris DeAppolonio, az Evil Geniuses vezérigazgatója. „E-sport és játék szórakoztató szervezet vagyunk. Profi játékokat játszunk szerte a világon. A technológia és az adatok jelentik minden tevékenységünk gerincét. Játékaink egyesekre és nullákra épülnek. Adatokon alapulnak, és hogyan dolgozzuk fel ezeket, és hogyan készítsünk betekintést belőlük?”

Az egyik legsürgetőbb probléma, amellyel az Evil Geniuses szembesül, a potenciális professzionális játékosok azonosítása. A vállalat nagy mennyiségű összetett adatot dolgoz fel, hogy tehetségeket találjon szerte a világon, és . "Szeretnénk adatokat találni erről a jövőbeli profiról" - mondja. És úgy tűnik, működik. „Győzni akarunk. Szeretnénk jobb tehetségeket találni. Hatékonyabbak akarunk lenni az edzőkkel és a felderítőkkel. A betekintések segítségével feltárhatjuk a következő szupersztárt.”

Az AI jövője – mind a termelékenység, mind az üzleti haszon szempontjából – ígéretesnek tűnik. „A mesterséges intelligencia csapatsport, a képességekről szól” – mondja a HPE Armstrong-Barnes. „Amikor a mesterséges intelligenciarendszerek sikeres megvalósításáról van szó, az egyik megközelítés az, hogy egy olyan szervezettel partnerségre lépünk, amely már nyomokban skálázható, hatékony és eredményes mesterségesintelligencia-rendszereket épít. A mesterséges intelligencia évtizedekre visszanyúló mély örökségével a HPE eszközöket, technikákat és készségeket kínál az AI-kezdeményezések felgyorsításához.”

Az adatközpontúság, valamint az adatok és az adatok felhasználásának teljes megértése segít a szervezetnek abban, hogy a felhasználási eset-központú megközelítést alkalmazza, és azonosítsa, hogyan tudja adatait mesterséges intelligencia technikákkal ötvözni az üzleti érték növelése érdekében. Ha ez a megértés a helyén van, könnyebbé válik az előnyökre építeni.  

Armstrong-Barnes azt tanácsolja a vállalatoknak, hogy építsenek olyan platformokat, amelyek lehetővé teszik számukra, hogy kicsiben kezdjenek, de minden alapot megvannak ahhoz, hogy szükség esetén bővíthessék őket. Ezután már csak azt kell kitalálniuk, hogy mit akarnak csinálni, és hogyan növeli az értéket, és idővel együtt kell növekedniük az igényeikkel. A HPE hangsúlyozza, hogy képes olyan „AI-gyárakat” építeni, amelyek egyesítik a vállalati méretezhetőséget biztosító hardvert, szoftvert és szolgáltatásokat, amelyeket integrált rendszerekkel támogatnak, amelyek megkönnyítik a végfelhasználók életét.

„Szeretne lépést tartani a versenytársaival már az AI útján” – mondja. „Partnerek felvétele a Team AI-be kulcsfontosságú sikertényező, ha olyan AI-natív architektúráról van szó, amely az Ön igényeihez igazodik, és lehetővé teszi, hogy a mögöttes alapok összetettsége helyett az adatokra és az üzleti kihívásokra összpontosítson.”

A HPE támogatásával.

• SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
• PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
• PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
• PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
• PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
• Forrás: https://go.theregister.com/feed/www.theregister.com/2024/04/18/getting_on_board_with_ai/