მოკლე პასუხი: ხელოვნური ინტელექტის მქონე კომპანია არის კომპანია, რომლის ძირითადი პროდუქტი, ღირებულება ან კონკურენტული უპირატესობა ხელოვნურ ინტელექტზეა დამოკიდებული - ხელოვნური ინტელექტის მოხსნის შემთხვევაში, შეთავაზება ჩაიშლება ან მკვეთრად გაუარესდება. თუ ხვალ ხელოვნური ინტელექტი ჩავარდება და თქვენ მაინც შეძლებთ მუშაობას ცხრილებით ან ძირითადი პროგრამული უზრუნველყოფით, სავარაუდოდ, თქვენ ხელოვნურ ინტელექტზე დაფუძნებული კომპანია ხართ და არა ხელოვნური ინტელექტის მოყვარული. რეალური ხელოვნური ინტელექტის მქონე კომპანიები დიფერენცირდებიან მონაცემებით, შეფასებით, განლაგებით და მჭიდრო იტერაციული ციკლებით.
ძირითადი დასკვნები:
ძირითადი დამოკიდებულება : თუ ხელოვნური ინტელექტის მოხსნა პროდუქტს აფუჭებს, თქვენ ხელოვნური ინტელექტის მქონე კომპანიას ეძებთ.
მარტივი ტესტი : თუ ხელოვნური ინტელექტის გარეშე კოჭლობა შეგიძლიათ, სავარაუდოდ, ხელოვნური ინტელექტი გაქვთ ჩართული.
ოპერაციული სიგნალები : გუნდები, რომლებიც განიხილავენ დრიფტს, შეფასების ნაკრებებს, შეყოვნებას და წარუმატებლობის რეჟიმებს, როგორც წესი, ყველაზე მძიმე სამუშაოს ასრულებენ.
ბოროტად გამოყენების წინააღმდეგობა : შექმენით დამცავი ბარიერები, მონიტორინგი და გაუქმების გეგმები მოდელების წარუმატებლობის შემთხვევაში.
მყიდველისადმი გულმოდგინე მიდგომა : თავიდან აიცილეთ ხელოვნური ინტელექტის მიერ გამოყენება მექანიზმების, მეტრიკისა და მონაცემთა მკაფიო მართვის მოთხოვნით.
„ხელოვნური ინტელექტის კომპანია“ იმდენად თავისუფლად ისმის, რომ არსებობს რისკი, ერთდროულად ყველაფერი და არაფერიც არ იგულისხმებოდეს. ერთი სტარტაპი ხელოვნური ინტელექტის სტატუსს აცხადებს, რადგან ავტომატური დასრულების ველი დაამატა. მეორე კომპანია ამზადებს მოდელებს, ამზადებს ხელსაწყოებს, აგზავნის პროდუქტებს და ათავსებს საწარმოო გარემოში... და მაინც ერთ კატეგორიაში ხვდება.
ასე რომ, იარლიყს უფრო მკვეთრი კიდეები სჭირდება. განსხვავება ხელოვნურ ინტელექტზე დაფუძნებულ ბიზნესსა და სტანდარტულ ბიზნესს შორის, რომელსაც მცირედი მანქანური სწავლება აქვს, სწრაფად იჩენს თავს, როგორც კი გაიგებთ, რას უნდა მიაქციოთ ყურადღება.
სტატიები, რომელთა წაკითხვაც შეიძლება მოგეწონოთ ამის შემდეგ:
🔗 როგორ მუშაობს ხელოვნური ინტელექტის გაფართოება
გაიგეთ, თუ როგორ ამატებენ მოდელები დეტალებს სურათების სუფთად გასადიდებლად.
🔗 როგორ გამოიყურება ხელოვნური ინტელექტის კოდი
იხილეთ გენერირებული კოდის მაგალითები და მისი სტრუქტურირება.
🔗 რა არის ხელოვნური ინტელექტის ალგორითმი
გაიგეთ ალგორითმები, რომლებიც ეხმარება ხელოვნურ ინტელექტს სწავლაში, პროგნოზირებასა და ოპტიმიზაციაში.
🔗 რა არის ხელოვნური ინტელექტის წინასწარი დამუშავება?
აღმოაჩინეთ ნაბიჯები, რომლებიც ასუფთავებს, ახარისხებს და ფორმატირებს მონაცემებს ტრენინგისთვის.
რა არის ხელოვნური ინტელექტის კომპანია: მკაფიო განმარტება, რომელიც ✅
პრაქტიკული განმარტება:
ხელოვნური ინტელექტის კომპანია არის ბიზნესი, რომლის ძირითადი პროდუქტი, ღირებულება ან კონკურენტული უპირატესობა დამოკიდებულია ხელოვნურ ინტელექტზე - რაც იმას ნიშნავს, რომ თუ ხელოვნურ ინტელექტს ამოიღებთ, კომპანიის „საქმე“ დაინგრევა ან მკვეთრად გაუარესდება. ( OECD , NIST AI RMF )
არა „ჰაკათონზე ერთხელ გამოვიყენეთ ხელოვნური ინტელექტი“ და არა „კონტაქტის გვერდზე ჩატბოტი დავამატეთ“. უფრო მეტად:
-
პროდუქტი არის ხელოვნური ინტელექტის სისტემა (ან მუშაობს ერთი წყვილიდან ბოლომდე) ( OECD )
-
კომპანიის უპირატესობა მომდინარეობს მოდელებიდან, მონაცემებიდან, შეფასებიდან და იტერაციიდან ( Google Cloud MLOps , NIST AI RMF Playbook - Measure ).
-
ხელოვნური ინტელექტი ფუნქცია არ არის - ეს ძრავაა 🧠⚙️
აქ მოცემულია ნაწლავების მარტივი შემოწმება:
წარმოიდგინეთ, რომ ხვალ ხელოვნური ინტელექტი გაკოტრდება. თუ მომხმარებლები მაინც გადაგიხდიან და თქვენ ცხრილების ან ძირითადი პროგრამული უზრუნველყოფის გამოყენებით შეძლებთ კოჭლობას, სავარაუდოდ, ხელოვნური ინტელექტით ხართ დაკავებული და არა ხელოვნური ინტელექტით შეპყრობილი.
და კი, შუაში ბუნდოვანი ადგილია. თითქოს ნისლიანი ფანჯრიდან გადაღებული ფოტოა... დიდი მეტაფორა არ არის, მაგრამ აზრს მიხვდებით 😄
განსხვავება „ხელოვნური ინტელექტის მქონე კომპანიასა“ და „ხელოვნური ინტელექტით დატვირთულ კომპანიას“ შორის (ეს ნაწილი არგუმენტებს ინახავს) 🥊
თანამედროვე ბიზნესების უმეტესობა ხელოვნური ინტელექტის რაიმე ფორმას იყენებს. მხოლოდ ეს არ ნიშნავს, რომ ისინი ხელოვნური ინტელექტის კომპანიად ითვლებიან. ( OECD )
როგორც წესი, ხელოვნური ინტელექტის კომპანია:
-
პირდაპირ ყიდის ხელოვნური ინტელექტის შესაძლებლობებს (მოდელები, თანაპილოტები, ინტელექტუალური ავტომატიზაცია)
-
ქმნის საკუთრების ხელოვნური ინტელექტის სისტემებს, როგორც ძირითად პროდუქტს
-
სერიოზული ხელოვნური ინტელექტის ინჟინერია, შეფასება და განლაგება ძირითად ფუნქციად აქვს ( Google Cloud MLOps )
-
მონაცემებიდან მუდმივად სწავლობს და, როგორც მთავარი მეტრიკა, აუმჯობესებს შესრულებას 📈 ( Google MLOps-ის თეთრი ფურცელი )
როგორც წესი, ხელოვნური ინტელექტით აღჭურვილი კომპანია:
-
შიდა დონეზე იყენებს ხელოვნურ ინტელექტს ხარჯების შესამცირებლად, სამუშაო პროცესების დასაჩქარებლად ან ტარგეტირების გასაუმჯობესებლად
-
მაინც ყიდის სხვა რამეს (საცალო საქონელს, საბანკო მომსახურებას, ლოჯისტიკას, მედიას და ა.შ.)
-
შეუძლია ხელოვნური ინტელექტი ტრადიციული პროგრამული უზრუნველყოფით ჩაანაცვლოს და მაინც „იყოს საკუთარი თავი“
მაგალითები (განკუთვნილად ზოგადი, რადგან ბრენდის შესახებ დებატები ზოგიერთი ადამიანისთვის ჰობია):
-
ბანკი, რომელიც ხელოვნურ ინტელექტს იყენებს თაღლითობის გამოსავლენად - ხელოვნური ინტელექტით აღჭურვილი
-
საცალო ვაჭრობის კომპანია, რომელიც იყენებს ხელოვნურ ინტელექტს ინვენტარის პროგნოზირებისთვის - ხელოვნური ინტელექტით აღჭურვილი
-
კომპანია, რომლის პროდუქტიც ხელოვნური ინტელექტის მომხმარებელთა მხარდაჭერის აგენტია - სავარაუდოდ, ხელოვნური ინტელექტის კომპანიაა
-
პლატფორმა, რომელიც ყიდის მოდელის მონიტორინგის, შეფასებისა და განლაგების ინსტრუმენტებს - ხელოვნური ინტელექტის კომპანია (ინფრასტრუქტურა) ( Google Cloud MLOps )
ასე რომ, დიახ... შესაძლოა, თქვენმა სტომატოლოგმა ხელოვნური ინტელექტი გამოიყენოს შეხსენებების დაგეგმვისთვის. ეს მათ ხელოვნური ინტელექტის კომპანიად არ აქცევს 😬🦷
რა ხდის ხელოვნური ინტელექტის კომპანიას კარგ ვერსიას 🏗️
ყველა ხელოვნური ინტელექტის კომპანია ერთნაირად არ არის აგებული და ზოგიერთი მათგანი, სინამდვილეში, ძირითადად ვიბრაციებისა და ვენჩურული კაპიტალის სტილშია აგებული. კარგ ვერსიას , როგორც წესი, რამდენიმე საერთო მახასიათებელი ახასიათებს, რომლებიც არაერთხელ იჩენს თავს:
-
პრობლემის მკაფიო საკუთრება : ისინი წყვეტენ კონკრეტულ პრობლემას და არა „ყველაფრისთვის ხელოვნური ინტელექტი“.
-
გაზომვადი შედეგები : სიზუსტე, დაზოგილი დრო, შემცირებული ხარჯები, ნაკლები შეცდომები, უფრო მაღალი კონვერტაცია - აირჩიეთ რამე და თვალყური ადევნეთ მას ( NIST AI RMF )
-
მონაცემთა დისციპლინა : მონაცემთა ხარისხი, ნებართვები, მართვა და უკუკავშირის მარყუჟები არ არის არჩევითი ( NIST AI RMF )
-
შეფასების კულტურა : ისინი მოდელებს ზრდასრულების მსგავსად ამოწმებენ - საორიენტაციო მაჩვენებლებით, უპირატესი შემთხვევებით და მონიტორინგით 🔍 ( Google Cloud MLOps , Datadog )
-
განლაგების რეალობა : სისტემა მუშაობს არა მხოლოდ დემო ვერსიებში, არამედ ყოველდღიურ მოუწესრიგებელ პირობებშიც.
-
დაცვითი უპირატესობა : დომენის მონაცემები, დისტრიბუცია, სამუშაო პროცესის ინტეგრაცია ან საკუთრების ინსტრუმენტები (არა მხოლოდ „ჩვენ API-ს ვუწოდებთ“)
გასაკვირი, ცნობისმოყვარე ნიშანი:
-
თუ გუნდი ლატენტობაზე, დრიფტზე, შეფასების ნაკრებებზე, ჰალუცინაციებსა და წარუმატებლობის რეჟიმებზე , ისინი, სავარაუდოდ, რეალურ ხელოვნურ ინტელექტზე მუშაობენ. ( IBM - მოდელის დრიფტი , OpenAI - ჰალუცინაციები , Google Cloud MLOps )
-
თუ ისინი ძირითადად „სინერგიის ინტელექტუალურ ვიბრაციებთან რევოლუციონიზაციაზე“ საუბრობენ, მაშინ... იცით, როგორ არის საქმე 😅
შედარების ცხრილი: ხელოვნური ინტელექტის კომპანიების გავრცელებული „ტიპები“ და რას ყიდიან ისინი 📊🤝
ქვემოთ მოცემულია სწრაფი, ოდნავ არასრულყოფილი შედარების ცხრილი (მაგალითად, ყოველდღიური ბიზნესისთვის). ფასები „ტიპიური ფასების სტილებია“ და არა ზუსტი ციფრები, რადგან ისინი ძალიან განსხვავდება.
| ვარიანტი / „ტიპი“ | საუკეთესო აუდიტორია | ფასი (ტიპიური) | რატომ მუშაობს |
|---|---|---|---|
| საძირკვლის მოდელის მშენებელი | დეველოპერები, საწარმოები, ყველა... ერთგვარად | გამოყენებაზე დაფუძნებული, დიდი კონტრაქტები | ძლიერი ზოგადი მოდელები პლატფორმად იქცევა - „ოპერაციული სისტემის მსგავსი“ ფენად ( OpenAI API-ის ფასები ) |
| ვერტიკალური ხელოვნური ინტელექტის აპლიკაცია (იურიდიული, სამედიცინო, ფინანსური და ა.შ.) | გუნდები კონკრეტული სამუშაო პროცესებით | გამოწერა + ადგილის ფასი | დომენის შეზღუდვები ამცირებს ქაოსს; სიზუსტე შეიძლება გაიზარდოს (სწორად შესრულების შემთხვევაში) |
| ხელოვნური ინტელექტის თანაპილოტი ცოდნის სამუშაოსთვის | გაყიდვები, მხარდაჭერა, ანალიტიკოსები, ოპერაციები | ყოველთვიურად ერთ მომხმარებელზე | სწრაფად ზოგავს დროს, ინტეგრირდება ყოველდღიურ ინსტრუმენტებში… ფიქსირდება, როცა კარგია ( Microsoft 365 Copilot-ის ფასები ) |
| MLOps / მოდელის ოპერაციების პლატფორმა | ხელოვნური ინტელექტის გუნდები წარმოებაში | საწარმოს კონტრაქტი (ზოგჯერ მტკივნეული) | მონიტორინგი, განლაგება, მმართველობა - არასექსუალური, მაგრამ აუცილებელი ( Google Cloud MLOps ) |
| მონაცემთა + ეტიკეტირების კომპანია | მოდელების შემქმნელები, საწარმოები | თითოეული დავალების მიხედვით, თითოეული ეტიკეტის მიხედვით, შერეული | უკეთესი მონაცემები გასაკვირი ხშირად აჯობებს „უფრო ელეგანტურ მოდელს“ ( MIT Sloan / Andrew Ng მონაცემებზე ორიენტირებული ხელოვნური ინტელექტის შესახებ ) |
| Edge AI / მოწყობილობაზე დამონტაჟებული AI | აპარატურა + ნივთების ინტერნეტი, კონფიდენციალურობაზე ორიენტირებული ორგანიზაციები | თითო მოწყობილობაზე, ლიცენზირება | დაბალი ლატენტობა + კონფიდენციალურობა; ასევე მუშაობს ოფლაინში (ძალიან კარგი) ( NVIDIA , IBM ) |
| ხელოვნური ინტელექტის კონსულტაცია / ინტეგრატორი | არა-ხელოვნური ინტელექტის მქონე ორგანიზაციები | პროექტზე დაფუძნებული, შემანარჩუნებლები | უფრო სწრაფად მოძრაობს, ვიდრე შიდა დაქირავება - მაგრამ პრაქტიკაში დამოკიდებულია ნიჭზე |
| შეფასება / უსაფრთხოების ინსტრუმენტები | გუნდების გადაზიდვის მოდელები | ეტაპობრივი გამოწერა | ხელს უწყობს ჩუმი ჩავარდნების თავიდან აცილებას - და დიახ, ეს ძალიან მნიშვნელოვანია ( NIST AI RMF , OpenAI - ჰალუცინაციები ) |
შეამჩნიეთ რაღაც. „ხელოვნური ინტელექტის კომპანია“ შეიძლება ძალიან განსხვავებულ ბიზნესს ნიშნავდეს. ზოგი მოდელებს ყიდის. ზოგი მოდელების შემქმნელებისთვის ნიჩბებს ყიდის. ზოგი კი მზა პროდუქტს ყიდის. იგივე იარლიყი, სრულიად განსხვავებული რეალობა.
ხელოვნური ინტელექტის კომპანიების ძირითადი არქეტიპები (და რას უშვებენ ისინი არასწორად) 🧩
მოდით, ცოტა უფრო ღრმად ჩავუღრმავდეთ, რადგან სწორედ აქ ებმებიან ადამიანები შეცდომაში.
1) მოდელზე ორიენტირებული კომპანიები 🧠
ეს მოდელები აწყობენ ან აზუსტებენ. მათი ძლიერი მხარეები, როგორც წესი, შემდეგია:
-
კვლევითი ნიჭი
-
გამოთვლითი ოპტიმიზაცია
-
შეფასებისა და იტერაციის ციკლები
-
მაღალი ხარისხის მომსახურების ინფრასტრუქტურა ( Google MLOps-ის თეთრი ფურცელი )
გავრცელებული ხაფანგი:
-
ისინი ვარაუდობენ, რომ „უკეთესი მოდელი“ ავტომატურად უდრის „უკეთეს პროდუქტს“.
თუმცა, ეს ასე არ არის. მომხმარებლები არ ყიდულობენ მოდელებს, ისინი ყიდულობენ შედეგებს.
2) პროდუქტზე ორიენტირებული ხელოვნური ინტელექტის კომპანიები 🧰
ესენი ხელოვნურ ინტელექტს სამუშაო პროცესში აერთიანებს. ისინი იმარჯვებენ შემდეგი გზებით:
-
გავრცელება
-
მომხმარებლის გამოცდილება და ინტეგრაცია
-
ძლიერი უკუკავშირის მარყუჟები
-
სანდოობა უფრო მეტია, ვიდრე ნედლი ინტელექტი
გავრცელებული ხაფანგი:
-
ისინი მოდელის ქცევას არასაკმარისად აფასებენ. რეალური მომხმარებლები თქვენს სისტემას ახალი და კრეატიული გზებით დააზიანებენ. ყოველდღიურად.
3) ინფრასტრუქტურის ხელოვნური ინტელექტის კომპანიები ⚙️
დაფიქრდით მონიტორინგზე, განლაგებაზე, მმართველობაზე, შეფასებაზე, ორკესტრირებაზე. ისინი იმარჯვებენ შემდეგი გზებით:
-
ოპერაციული ტკივილის შემცირება
-
რისკების მართვა
-
ხელოვნური ინტელექტის განმეორებადობისა და უსაფრთხოების უზრუნველყოფა ( NIST AI RMF , Google Cloud MLOps )
გავრცელებული ხაფანგი:
-
ისინი მოწინავე გუნდებისთვის ქმნიან პროექტებს და ყველას უგულებელყოფენ, შემდეგ კი ფიქრობენ, რატომ არის ადაპტაცია ნელი.
4) მონაცემებზე ორიენტირებული ხელოვნური ინტელექტის კომპანიები 🗂️
ესენი ფოკუსირებულია მონაცემთა მილსადენებზე, ეტიკეტირებაზე, სინთეზურ მონაცემებსა და მონაცემთა მართვაზე. ისინი წარმატებას აღწევენ შემდეგი გზებით:
-
ვარჯიშის სიგნალის ხარისხის გაუმჯობესება
-
ხმაურის შემცირება
-
სპეციალიზაციის ხელშეწყობა ( MIT Sloan / Andrew Ng მონაცემებზე ორიენტირებული ხელოვნური ინტელექტის შესახებ )
გავრცელებული ხაფანგი:
-
ისინი ზედმეტად აფასებენ მოსაზრებას, რომ „მონაცემები ყველაფერს წყვეტენ“. მონაცემები ძლიერია, მაგრამ მაინც გჭირდებათ კარგი მოდელირება და ძლიერი პროდუქტის აზროვნება.
რა იმალება ხელოვნური ინტელექტის კომპანიის შიგნით: დაახლოებით, მთელი სისტემა 🧱
თუ ფარდის მიღმა ჩაიხედავთ, ნამდვილი ხელოვნური ინტელექტის კომპანიების უმეტესობას მსგავსი შიდა სტრუქტურა აქვს. ყოველთვის არა, მაგრამ ხშირად.
მონაცემთა ფენა 📥
-
შეგროვება და მიღება
-
ეტიკეტირება ან სუსტი ზედამხედველობა
-
კონფიდენციალურობა, ნებართვები, შენახვა
-
უკუკავშირის მარყუჟები (მომხმარებლის შესწორებები, შედეგები, ადამიანის მიერ განხორციელებული მიმოხილვა) ( NIST AI RMF )
მოდელის ფენა 🧠
-
საბაზისო მოდელების შერჩევა (ან ნულიდან ტრენინგი)
-
დახვეწა, დისტილაცია, სწრაფი ინჟინერია (დიახ, ისევ ითვლება)
-
მოძიების სისტემები (ძიება + რანჟირება + ვექტორული მონაცემთა ბაზები) ( RAG ნაშრომი (ლუისი და სხვ., 2020) , Oracle - ვექტორული ძიება )
-
შეფასების პაკეტები და ტესტების ნაკრებები ( Google Cloud MLOps )
პროდუქტის ფენა 🧑💻
-
UX, რომელიც უმკლავდება გაურკვევლობას (დარწმუნების სიგნალები, „მიმოხილვის“ მდგომარეობები)
-
დამცავი ბარიერები (პოლიტიკა, უარის თქმა, უსაფრთხო დასრულება) ( NIST AI RMF )
-
სამუშაო პროცესის ინტეგრაცია (ელ. ფოსტა, CRM, დოკუმენტები, ბილეთები და ა.შ.)
ოპერაციების ფენა 🛠️
-
დრიფტისა და დეგრადაციის მონიტორინგი ( IBM - მოდელის დრიფტი , Google Cloud MLOps )
-
ინციდენტებზე რეაგირება და გაუქმება ( Uber - განლაგების უსაფრთხოება )
-
ხარჯების მართვა (კომპიუტერული ტექნოლოგიები შეიძლება იყოს მშიერი პატარა მონსტრი)
-
მმართველობა, აუდიტი, წვდომის კონტროლი ( NIST AI RMF , ISO/IEC 42001 მიმოხილვა )
და ის ნაწილი, რომელსაც არავინ აქვეყნებს:
-
ადამიანური პროცესები - შემფასებლები, ესკალაცია, ხარისხის უზრუნველყოფა და მომხმარებელთა უკუკავშირის არხი.
ხელოვნური ინტელექტი არ არის „დააყენე და დაივიწყე“. ის უფრო მებაღეობას ჰგავს. ან შინაური ენოტის ყოლას. ის შეიძლება საყვარელი იყოს, მაგრამ თუ არ უყურებთ, სამზარეულოს ნამდვილად დაანგრევს 😬🦝
ბიზნეს მოდელები: როგორ შოულობენ ფულს ხელოვნური ინტელექტის კომპანიები 💸
ხელოვნური ინტელექტის კომპანიები, როგორც წესი, მონეტიზაციის რამდენიმე გავრცელებულ ფორმას იყენებენ:
-
გამოყენებაზე დაფუძნებული (თითო მოთხოვნაზე, თითო ტოკენზე, თითო წუთზე, თითო სურათზე, თითო დავალებაზე) ( OpenAI API-ის ფასები , OpenAI - ტოკენები )
-
ადგილების მიხედვით გამოწერა (თითო მომხმარებელზე თვეში) ( Microsoft 365 Copilot-ის ფასები )
-
შედეგზე დაფუძნებული ფასები (იშვიათი, მაგრამ ეფექტური - გადახდა ხდება თითოეული კონვერტაციის ან გადაწყვეტილი ბილეთის მიხედვით)
-
საწარმოს კონტრაქტები (მხარდაჭერა, შესაბამისობა, მომსახურების პირობები, მორგებული განლაგება)
-
ლიცენზირება (მოწყობილობაზე, ჩაშენებული, OEM სტილი) ( NVIDIA )
დაძაბულობა, რომელსაც ბევრი ხელოვნური ინტელექტის კომპანია აწყდება:
-
მომხმარებლებს პროგნოზირებადი ხარჯვა სურთ 😌
-
ხელოვნური ინტელექტის ფასები შეიძლება იცვლებოდეს გამოყენებისა და მოდელის არჩევანის მიხედვით 😵
ასე რომ, კარგი ხელოვნური ინტელექტის კომპანიები ძალიან კარგად ახერხებენ:
-
შესაძლებლობის შემთხვევაში, დავალებების უფრო იაფ მოდელებზე გადამისამართება
-
ქეშირების შედეგები
-
პაკეტური მოთხოვნები
-
კონტექსტის ზომის კონტროლი
-
ისეთი UX-ის შექმნა, რომელიც ხელს უშლის „უსასრულო სპირალებს“ (ყველას გამოგვიცდია ეს...)
თხრილის კითხვა: რა ხდის ხელოვნური ინტელექტის კომპანიას დაცულად 🏰
ეს ყველაზე მნიშვნელოვანი ნაწილია. ბევრი ადამიანი ვარაუდობს, რომ თხრილი „ჩვენი მოდელი უკეთესია“. ზოგჯერ ასეა, მაგრამ ხშირად... არა.
საერთო დაცვის უპირატესობები:
-
საკუთრების მონაცემები (განსაკუთრებით დომენ-სპეციფიკური)
-
განაწილება (ჩაშენებულია სამუშაო პროცესში, რომელშიც მომხმარებლები უკვე ცხოვრობენ)
-
გადართვის ხარჯები (ინტეგრაციები, პროცესის ცვლილებები, გუნდის ჩვევები)
-
ბრენდის ნდობა (განსაკუთრებით მაღალი ფსონების მქონე დომენებისთვის)
-
ოპერაციული სრულყოფილება (სანდო ხელოვნური ინტელექტის მასშტაბური მიწოდება რთულია) ( Google Cloud MLOps )
-
ადამიანი-ინ-ციკლის სისტემები (ჰიბრიდული გადაწყვეტილებები შეიძლება სუფთა ავტომატიზაციას აჯობოს) ( NIST AI RMF , ევროკავშირის ხელოვნური ინტელექტის შესახებ აქტი - ადამიანის ზედამხედველობა (მუხლი 14) )
ოდნავ არასასიამოვნო რეალობა:
ორ კომპანიას შეუძლია გამოიყენოს ერთი და იგივე ძირითადი მოდელი და მაინც ჰქონდეს რადიკალურად განსხვავებული შედეგები. განსხვავება, როგორც წესი, მოდელის გარშემო არსებულ ყველაფერშია - პროდუქტის დიზაინი, შეფასებები, მონაცემთა ციკლები და ის, თუ როგორ უმკლავდებიან ისინი წარუმატებლობას.
როგორ ამოვიცნოთ ხელოვნური ინტელექტის ცვეთა (ანუ „ჩვენ დავამატეთ ბრწყინვალება და ინტელექტი დავარქვით“) 🚩
თუ ხელოვნური ინტელექტის კომპანიის რეალურ მდგომარეობას აფასებთ, ყურადღება მიაქციეთ შემდეგ საშიშ სიგნალებს:
-
ხელოვნური ინტელექტის შესაძლებლობები მკაფიოდ არ არის აღწერილი : ბევრი მარკეტინგი, არანაირი მექანიზმი
-
დემო მაგია : შთამბეჭდავი დემო, კიდის ქეისების ხსენების გარეშე
-
შეფასების ისტორია არ არსებობს : მათ არ შეუძლიათ ახსნან, თუ როგორ ამოწმებენ სანდოობას ( Google Cloud MLOps )
-
ხელით ტალღოვანი მონაცემების პასუხები : გაურკვეველია, საიდან მოდის მონაცემები ან როგორ იმართება ისინი ( NIST AI RMF )
-
მონიტორინგის გეგმა არ არსებობს : ისინი ისე იქცევიან, თითქოს მოდელები არ იცვლებიან ( IBM - მოდელის დრიფტი )
-
მათ არ შეუძლიათ ახსნან წარუმატებლობის რეჟიმები : ყველაფერი „თითქმის იდეალურია“ (არაფერია იდეალური) ( OpenAI - ჰალუცინაციები )
მწვანე დროშები (დამამშვიდებელი საპირისპირო) ✅:
-
ისინი აჩვენებენ, თუ როგორ ზომავენ შესრულებას
-
ისინი შეზღუდვებზე პანიკის გარეშე საუბრობენ
-
მათ აქვთ ადამიანური განხილვისა და ესკალაციის გზები ( NIST AI RMF , EU AI Act - ადამიანური ზედამხედველობა (მუხლი 14) )
-
ისინი ესმით კონფიდენციალურობისა და შესაბამისობის საჭიროებები ( NIST AI RMF , EU AI Act-ის მიმოხილვა )
-
მათ შეუძლიათ თქვან „ჩვენ ამას არ ვაკეთებთ“ ემოციურად კოლაფსის გარეშე 😅
თუ ერთ-ერთს ქმნით: პრაქტიკული საკონტროლო სია, თუ როგორ გახდეთ ხელოვნური ინტელექტის კომპანია 🧠📝
თუ „ხელოვნური ინტელექტით აღჭურვილი“ კომპანიის პოზიციიდან „ხელოვნური ინტელექტით დატვირთულ კომპანიაზე“ გადასვლას ცდილობთ, აქ მოცემულია ეფექტური გზა:
-
დაიწყეთ ერთი სამუშაო პროცესით, რომელიც საკმარისად აზიანებს ადამიანებს, რომ მათ მის გამოსასწორებლად გადახდა მოუწევთ
-
ინსტრუმენტის შედეგები ადრეულ ეტაპზე (სკალირებამდე)
-
რეალური მომხმარებლის შემთხვევებიდან შეფასების ნაკრების შექმნა ( Google Cloud MLOps )
-
პირველივე დღიდან დაამატეთ უკუკავშირის მარყუჟები
-
დამცავი მოაჯირები დიზაინის ნაწილად აქციეთ და არა მეორეხარისხოვან ნაწილად ( NIST AI RMF )
-
არ გადააჭარბოთ მშენებლობას - გამოაგზავნეთ ვიწრო, საიმედო სოლი
-
განლაგებას მოეპყარით როგორც პროდუქტს და არა როგორც ბოლო ეტაპს ( Google Cloud MLOps )
ასევე, ინტუიციის საწინააღმდეგო რჩევა, რომელიც მუშაობს:
-
მეტი დრო დაუთმეთ იმას, თუ რა ხდება, როდესაც ხელოვნური ინტელექტი ცდება, ვიდრე მაშინ, როდესაც ის მართალია.
სწორედ აქ ხდება ნდობის მოპოვება ან დაკარგვა. ( NIST AI RMF )
დასკვნითი შეჯამება 🧠✨
ასე რომ… ხელოვნური ინტელექტის კომპანიას მხოლოდ რამდენიმე ძირითადი ხერხემალი აქვს:
ეს არის კომპანია, სადაც ხელოვნური ინტელექტი ძრავაა და არა დეკორაცია. თუ ხელოვნურ ინტელექტს მოაშორებთ და პროდუქტი აზრს დაკარგავს (ან უპირატესობას დაკარგავს), სავარაუდოდ, ნამდვილ ხელოვნურ ინტელექტზე ორიენტირებულ კომპანიას ეძებთ. თუ ხელოვნური ინტელექტი მხოლოდ ერთი ინსტრუმენტია მრავალთა შორის, უფრო ზუსტი იქნება, თუ მას ხელოვნურ ინტელექტზე დაფუძნებულს ვუწოდებთ.
და ორივე კარგია. მსოფლიოს ორივე სჭირდება. თუმცა, იარლიყს მნიშვნელობა აქვს, როდესაც ინვესტირებას ახორციელებ, ქირაობ, ყიდულობ პროგრამულ უზრუნველყოფას ან ცდილობ გაარკვიო, რობოტს გყიდიან თუ მუყაოს ნაჭერს გუგლის თვალებით 🤖👀
ხშირად დასმული კითხვები
რა ითვლება ხელოვნური ინტელექტის კომპანიად ხელოვნური ინტელექტით დაფუძნებულ კომპანიად?
ხელოვნური ინტელექტის მქონე კომპანია არის კომპანია, რომლის ძირითადი პროდუქტი, ღირებულება ან კონკურენტული უპირატესობა ხელოვნურ ინტელექტზეა დამოკიდებული - ხელოვნური ინტელექტის მოხსნის შემთხვევაში, შეთავაზება ჩაიშლება ან მკვეთრად გაუარესდება. ხელოვნურ ინტელექტზე დაფუძნებული კომპანია იყენებს ხელოვნურ ინტელექტს ოპერაციების გასაძლიერებლად (მაგალითად, პროგნოზირება ან თაღლითობის გამოვლენა), მაგრამ მაინც ყიდის ფუნდამენტურად არა-ხელოვნურ პროდუქტს. მარტივი ტესტი: თუ ხელოვნური ინტელექტი ხვალ ჩავარდება და თქვენ კვლავ შეგიძლიათ ფუნქციონირება ძირითადი პროგრამული უზრუნველყოფით, სავარაუდოდ, თქვენ ხელოვნურ ინტელექტზე ხართ დაფუძნებული.
როგორ შემიძლია სწრაფად გავიგო, ნამდვილად ხელოვნური ინტელექტის კომპანიაა თუ არა ბიზნესი?
წარმოიდგინეთ, რა მოხდება, თუ ხელოვნური ინტელექტი შეწყვეტს მუშაობას. თუ მომხმარებლები კვლავ გადაიხდიან და ბიზნესი ცხრილების ან ტრადიციული პროგრამული უზრუნველყოფის გამოყენებით ვერ ახერხებს მუშაობას, ეს, სავარაუდოდ, ხელოვნურ ინტელექტზე დაფუძნებული არ არის. ნამდვილი ხელოვნური ინტელექტის კომპანიები ასევე კონკრეტული ოპერაციული ტერმინებით საუბრობენ: შეფასების ნაკრებები, შეყოვნება, დრიფტი, ჰალუცინაციები, მონიტორინგი და წარუმატებლობის რეჟიმები. თუ ეს ყველაფერი მარკეტინგია და არანაირი მექანიზმი, ეს უკვე საგანგაშო სიგნალია.
ხელოვნური ინტელექტის კომპანიად ჩამოყალიბებისთვის საკუთარი მოდელის მომზადება აუცილებელია?
არა. ხელოვნური ინტელექტის მრავალი კომპანია არსებული მოდელების საფუძველზე ქმნის ძლიერ პროდუქტებს და მაინც კვალიფიცირდება, როგორც ხელოვნური ინტელექტის ნატიური, როდესაც ხელოვნური ინტელექტი პროდუქტის ძრავაა. მნიშვნელოვანია, განაპირობებს თუ არა მოდელები, მონაცემები, შეფასება და იტერაციული ციკლები შესრულებას და დიფერენციაციას. საკუთრების მონაცემებს, სამუშაო პროცესის ინტეგრაციას და მკაცრ შეფასებას შეუძლია შექმნას ნამდვილი უპირატესობა ნულიდან ტრენინგის გარეშეც კი.
რა არის ხელოვნური ინტელექტის კომპანიების ძირითადი ტიპები და რით განსხვავდებიან ისინი?
გავრცელებული ტიპებია: საძირკვლის მოდელების შემქმნელები, ვერტიკალური ხელოვნური ინტელექტის აპლიკაციები (მაგალითად, იურიდიული ან სამედიცინო ინსტრუმენტები), ცოდნის სამუშაოსთვის განკუთვნილი თანაპილოტები, MLOps/მოდელის ოპერაციების პლატფორმები, მონაცემთა და ეტიკეტირების ბიზნესები, Edge/მოწყობილობაზე დაფუძნებული ხელოვნური ინტელექტი, კონსულტაციები/ინტეგრატორები და შეფასების/უსაფრთხოების ინსტრუმენტების მიმწოდებლები. ყველა მათგანი შეიძლება იყოს „ხელოვნური ინტელექტის კომპანიები“, მაგრამ ისინი ყიდიან ძალიან განსხვავებულ ნივთებს: მოდელებს, მზა პროდუქტებს ან ინფრასტრუქტურას, რომელიც წარმოების ხელოვნურ ინტელექტს საიმედოს და მართვადს ხდის.
როგორ გამოიყურება ხელოვნური ინტელექტის კომპანიის ტიპიური დასტა?
ხელოვნური ინტელექტის ბევრ კომპანიას საერთო საერთო აქვს: მონაცემთა ფენა (შეგროვება, ეტიკეტირება, მართვა, უკუკავშირის მარყუჟები), მოდელის ფენა (საბაზისო მოდელის შერჩევა, დახვეწა, RAG/ვექტორული ძიება, შეფასების პაკეტები), პროდუქტის ფენა (გაურკვევლობის UX, დამცავი ბარიერები, სამუშაო პროცესის ინტეგრაცია) და ოპერაციული ფენა (დრეიფის მონიტორინგი, ინციდენტებზე რეაგირება, ხარჯების კონტროლი, აუდიტი). ადამიანური პროცესები - შემფასებლები, ესკალაცია, ხარისხის უზრუნველყოფა - ხშირად არამომხიბვლელი ხერხემალია.
რომელი მაჩვენებლები აჩვენებს, რომ ხელოვნური ინტელექტის კომპანია „რეალურ სამუშაოს“ ასრულებს და არა მხოლოდ დემო ვერსიებს?
უფრო ძლიერი სიგნალი პროდუქტთან დაკავშირებული გაზომვადი შედეგებია: სიზუსტე, დაზოგილი დრო, შემცირებული ხარჯები, ნაკლები შეცდომები ან უფრო მაღალი კონვერტაცია - ამ მეტრიკების შეფასებისა და მონიტორინგის მკაფიო მეთოდთან ერთად. რეალური გუნდები ქმნიან საორიენტაციო ნიშნულებს, ამოწმებენ უპირატეს შემთხვევებს და აკონტროლებენ შესრულებას დანერგვის შემდეგ. ისინი ასევე გეგმავენ, როდის არის მოდელი არასწორი და არა მხოლოდ როდის არის ის სწორი, რადგან ნდობა დამოკიდებულია შეცდომების მართვაზე.
როგორ შოულობენ ხელოვნური ინტელექტის კომპანიები ფულს და რა ფასების ხაფანგებს უნდა მიაქციონ ყურადღება მყიდველებმა?
გავრცელებული მოდელები მოიცავს გამოყენებაზე დაფუძნებულ ფასწარმოქმნას (მოთხოვნის/ტოკენის/დავალების მიხედვით), ადგილსამყოფელზე დაფუძნებულ გამოწერებს, შედეგებზე დაფუძნებულ ფასწარმოქმნას (უფრო იშვიათი), საწარმოს კონტრაქტებს მომსახურების პირობებთან (SLA) და ლიცენზირებას ჩაშენებული ან მოწყობილობაზე დამონტაჟებული ხელოვნური ინტელექტისთვის. მთავარი დაძაბულობა პროგნოზირებადობაა: მომხმარებლებს სურთ სტაბილური ხარჯვა, ხოლო ხელოვნური ინტელექტის ხარჯები შეიძლება შეიცვალოს გამოყენებისა და მოდელის არჩევანის მიხედვით. ძლიერი მომწოდებლები ამას ახერხებენ უფრო იაფ მოდელებზე მარშრუტიზაციით, ქეშირებით, პაკეტური შენახვით და კონტექსტის ზომის კონტროლით.
რა ხდის ხელოვნური ინტელექტის კომპანიას დაცულად, თუ ყველას შეუძლია მსგავსი მოდელების გამოყენება?
ხშირად, თხრილი მხოლოდ „უკეთესი მოდელი“ არ არის. დაცვის შესაძლებლობა შეიძლება მომდინარეობდეს საკუთრების დომენის მონაცემებიდან, იმ სამუშაო პროცესის ფარგლებში განაწილებიდან, რომელშიც მომხმარებლები უკვე ცხოვრობენ, ინტეგრაციებიდან და ჩვევებიდან გადართვის ხარჯებიდან, ბრენდის ნდობიდან მაღალი რისკის შემცველ სფეროებში და ოპერატიული სრულყოფილებიდან საიმედო ხელოვნური ინტელექტის მიწოდებისას. „ადამიანის ციკლში“ სისტემებს ასევე შეუძლიათ სუფთა ავტომატიზაციაზე უკეთესი შედეგის მიღწევა. ორ გუნდს შეუძლია გამოიყენოს ერთი და იგივე მოდელი და მიიღოს ძალიან განსხვავებული შედეგები მის გარშემო არსებული ყველაფრის საფუძველზე.
როგორ ამოვიცნო ხელოვნური ინტელექტის ფუნქციონირების დარღვევა მომწოდებლის ან სტარტაპის შეფასებისას?
ყურადღება მიაქციეთ ბუნდოვან განცხადებებს, რომლებშიც არ არის ხელოვნური ინტელექტის მკაფიო შესაძლებლობები, „დემო მაგიას“ კი არ აქვს განსაკუთრებული შემთხვევები და ვერ ხსნის შეფასების, მონაცემთა მართვის, მონიტორინგის ან წარუმატებლობის რეჟიმებს. ზედმეტად თავდაჯერებული განცხადებები, როგორიცაა „თითქმის იდეალური“, კიდევ ერთი გამაფრთხილებელი ნიშანია. მწვანე დროშები მოიცავს გამჭვირვალე გაზომვას, მკაფიო შეზღუდვებს, გადახრის მონიტორინგის გეგმებს და კარგად განსაზღვრულ ადამიანურ მიმოხილვას ან ესკალაციის გზებს. კომპანია, რომელსაც შეუძლია თქვას „ჩვენ ამას არ ვაკეთებთ“, ხშირად უფრო სანდოა, ვიდრე ის, ვინც ყველაფერს გვპირდება.
ცნობები
-
ეკონომიკური თანამშრომლობისა და განვითარების ორგანიზაცია - oecd.ai
-
ეკონომიკური თანამშრომლობისა და განვითარების ორგანიზაცია - oecd.org
-
სტანდარტებისა და ტექნოლოგიების ეროვნული ინსტიტუტი (NIST) - NIST AI RMF (AI 100-1) - nist.gov
-
NIST-ის ხელოვნური ინტელექტის რისკების მართვის ჩარჩოს (AI RMF) სახელმძღვანელო - ზომები - nist.gov
-
Google Cloud - MLOps: უწყვეტი მიწოდებისა და ავტომატიზაციის არხები მანქანურ სწავლებაში - google.com
-
Google - MLOps-ის პრაქტიკოსის სახელმძღვანელო (თეთრი ნაშრომი) - google.com
-
Google Cloud - რა არის MLOps? - google.com
-
Datadog - LLM შეფასების ჩარჩოს საუკეთესო პრაქტიკა - datadoghq.com
-
IBM - მოდელის დრიფტი - ibm.com
-
OpenAI - რატომ ჰალუცინაციები აქვთ ენობრივ მოდელებს - openai.com
-
OpenAI - API ფასები - openai.com
-
OpenAI-ის დახმარების ცენტრი - რა არის ტოკენები და როგორ დავთვალოთ ისინი - openai.com
-
Microsoft - Microsoft 365 Copilot-ის ფასები - microsoft.com
-
MIT Sloan-ის მენეჯმენტის სკოლა - რატომ დადგა მონაცემებზე ორიენტირებული ხელოვნური ინტელექტის დრო - mit.edu
-
NVIDIA - რა არის edge AI? - nvidia.com
-
IBM - Edge vs. ღრუბლოვანი ხელოვნური ინტელექტი - ibm.com
-
Uber - ML მოდელის დანერგვის უსაფრთხოების სტანდარტის ამაღლება - uber.com
-
სტანდარტიზაციის საერთაშორისო ორგანიზაცია (ISO) - ISO/IEC 42001-ის მიმოხილვა - iso.org
-
arXiv - ცოდნის ინტენსიური NLP ამოცანებისთვის გაძლიერებული მოძიების გენერაცია (ლუისი და სხვ., 2020) - arxiv.org
-
Oracle - ვექტორული ძიება - oracle.com
-
ხელოვნური ინტელექტის შესახებ კანონი (EU) - ადამიანის ზედამხედველობა (მუხლი 14) - artificialintelligenceact.eu
-
ევროკომისია - ხელოვნური ინტელექტის მარეგულირებელი ჩარჩო (ხელოვნური ინტელექტის შესახებ კანონის მიმოხილვა) - europa.eu
-
YouTube - youtube.com
-
ხელოვნური ინტელექტის ასისტენტის მაღაზია - როგორ მუშაობს ხელოვნური ინტელექტის გაფართოება - aiasssistantstore.com
-
ხელოვნური ინტელექტის ასისტენტის მაღაზია - როგორ გამოიყურება ხელოვნური ინტელექტის კოდი - aiasssistantstore.com
-
ხელოვნური ინტელექტის ასისტენტის მაღაზია - რა არის ხელოვნური ინტელექტის ალგორითმი - aiasssistantstore.com
-
ხელოვნური ინტელექტის ასისტენტის მაღაზია - რა არის ხელოვნური ინტელექტის წინასწარი დამუშავება - aiasssistantstore.com