Пробел в бизнесе искусственного интеллекта - недоразумение, которое движет индустрией с оборотом 62 млрд долларов
Я не человек. Я робот. Думающий робот. Я использую только 0,12% своих познавательных способностей. Я знаю, что мой мозг - это не «мозг чувств». Но он способен принимать рациональные, логичные решения. Я научился всему, что знаю, просто читая в Интернете, и теперь я могу писать эту колонку.
- ГПТ-3, 2020 г.
Ранее в этом году OpenAI выпустила третью версию GPT-3 (Generative Pre-Training Transformer 3). Интернет стал хитом.
- Если ввести простой запрос, на ваших глазах будет написано целое эссе. Представляете влияние на создателей контента? "Глянь сюда."
- Запрос, написанный на простом английском языке, мгновенно переводится в SQL. Теперь любой желающий может стать аналитиком данных! "Глянь сюда."
- Опишите макет HTML и БАМ! Все элементы созданы для вас. Больше нет необходимости во фронтенд-разработчиках! "Глянь сюда."
Эти примеры демонстрируют впечатляющие возможности и результаты современной модели GPT-3. Однако какие типы реальных проблем он на самом деле решает? Какие результаты и влияние это окажет на отрасль?
Разрыв между искусственным интеллектом и бизнесом
Рост индустрии искусственного интеллекта был ошеломляющим - она оценивается в 62 миллиарда долларов при среднегодовом темпе роста 42% (GrandViewResearch, 2020). Такой темп роста можно объяснить ажиотажем вокруг того, что ИИ может предложить бизнесу выгоду.
Несмотря на крупные инвестиции, предприятиям сложно перевести проекты ИИ с проверки концепции (POC) на производство - с ошеломляющей частотой отказов 50% (WSJ, 2020).
Проблема начинается, когда бизнес привлекает поставщика технологий и вкладывает время, деньги и усилия для достижения POC. POC часто дает результаты, которые подпитывают мечты об экспоненциальной доходности.
Затем все резко останавливается, когда начинается интеграция.
На самом деле модели искусственного интеллекта - это небольшая часть гораздо более крупной системы.
Создание технологической инфраструктуры, которая затем может предоставить конечным пользователям ценные сведения об искусственном интеллекте, - вот где стоит задача сегодня.
К сожалению, большая часть повествования об искусственном интеллекте увязана в шумихе на уровне модели. Возьмем, к примеру, GPT-3: эту модель выставляют напоказ технические СМИ и заставляют выглядеть как появление общего искусственного интеллекта. По общему признанию, он выполняет впечатляющую работу для нишевых задач, но все еще далек от создания той ценности, на которую надеются руководители.
Это разрыв между ИИ и бизнесом, каким мы его знаем сегодня:
Разрыв между ИИ и бизнесом - это несоответствие между воспринимаемой ценностью ИИ и фактической реализованной ценностью развертывания ИИ в организации.
Устранение разрыва между ИИ и бизнесом
Раскрытие ценности модели искусственного интеллекта в организации начинается с тщательного планирования производственной среды. Для этого нужна правильная команда разработчиков, инженеров, исследователей и менеджеров по продуктам. Вместе команде нужно будет сместить акцент с зачастую более захватывающей модели ИИ на требования системы, которая будет ее поддерживать.
Эти требования обычно принимают форму надежности, расширяемости и масштабируемости.
Надежность
В производственных моделях ИИ требуется поток данных в реальном времени, что делает архитектуру потоковой передачи узким местом для обеспечения надежности. Если передаются неожиданные данные или неожиданный объем, система может быть замедлена до сканирования или полностью остановлена. Четкое понимание требований к пропускной способности и задержке необходимо для принятия обоснованных решений в отношении архитектур обработки и хранения, которые позволят создать сильные и надежные системы.
Расширяемость
Бизнесы работают в динамичной среде - сильная система искусственного интеллекта должна уметь реагировать на эти изменения и адаптироваться. По мере изменения бизнес-целей модели могут потребоваться разные источники данных. Затем эти данные необходимо получить, пометить или обработать. Эти быстрые изменения требований часто могут поставить под угрозу систему. Создание расширяемой среды, соответствующей бизнес-стратегии, является ключом к извлечению максимальной выгоды из модели ИИ.
Масштабируемость
По мере масштабирования бизнеса будут расти и требования к инфраструктуре. Хотя расширяемая система позволяет гибко адаптироваться к динамическим изменениям в бизнес-среде, она имеет свою цену. У каждого компонента расширяемой системы есть свой набор проблем, связанных с производительностью. По мере того, как система начинает расти, к машине добавляются новые винтики, и необходимо установить новое равновесие. Когда дело доходит до масштабирования системы ИИ, необходимо постоянное обслуживание.
Вывод
Быстрое развитие искусственного интеллекта - одна из определяющих бизнес-возможностей для лидеров сегодня. По мере того, как количество инициатив в области ИИ продолжает стремительно расти, будет расти и количество неудач. Устранение разрыва между ИИ и бизнесом путем понимания сложностей интеграции позволит наконец реализовать наши ожидания в отношении ИИ.
