Η σειρά για την αρχιτεκτονική της τεχνητής νοημοσύνης – Μέρος 1
Πηγαίνετε σε οποιοδήποτε συνέδριο του κλάδου αυτή τη στιγμή και θα ακούσετε τις ίδιες λέξεις σε κάθε συνεδρία: βοηθός τεχνητής νοημοσύνης, συγκυβερνήτης, πράκτορας, MCP, δεξιότητα, συνδετικός κρίκος, μοντέλο. Κάθε προμηθευτής υπόσχεται ότι η δική του έκδοση είναι η πιο ισχυρή, η πιο διαισθητική, η πιο έτοιμη για παραγωγή. Το αποτέλεσμα είναι θόρυβος, όχι σαφήνεια.
Η πρόκληση για όσους λαμβάνουν σήμερα αποφάσεις στον τομέα της τεχνολογίας δεν είναι η εύρεση εργαλείων τεχνητής νοημοσύνης. Αυτά δεν λείπουν. Η πρόκληση είναι να κατανοήσουμε τι κάνουν πραγματικά τα διάφορα εργαλεία, πώς σχετίζονται μεταξύ τους και ποιος συνδυασμός είναι ο καταλληλότερος για ένα συγκεκριμένο πρόβλημα.
Ακολουθεί ένας οδηγός σε απλή γλώσσα για τα βασικά στοιχεία που αποτελούν τα σύγχρονα συστήματα τεχνητής νοημοσύνης: τι είναι, πώς συνδέονται μεταξύ τους και τι καθιστούν δυνατό όταν λειτουργούν από κοινού. Ο οδηγός δημοσιεύεται σε τέσσερα μέρη, ένα κάθε εβδομάδα. Ετοιμαστείτε να θέτετε πολύ πιο εύστοχες ερωτήσεις σε οποιονδήποτε προμηθευτή τεχνητής νοημοσύνης με τον οποίο θα μιλήσετε.
Το κρυφό κόστος της προτίμησης των λειτουργιών έναντι της υποδομής
Ορισμένες τεχνολογικές επιλογές δεν ενέχουν μεγάλο ρίσκο. Δοκιμάζεις κάτι, δεν λειτουργεί, και προχωράς χωρίς να υποστείς σημαντικές απώλειες. Ωστόσο, σε ρυθμιζόμενες ροές εργασίας, σε διαδικασίες που αφορούν ευαίσθητα δεδομένα και σε συστήματα που πρέπει να μπορούν να αιτιολογηθούν ενώπιον των ρυθμιστικών αρχών ή των πελατών, οι αρχιτεκτονικές επιλογές που γίνονται στην αρχή τείνουν να έχουν αλυσιδωτές επιπτώσεις με την πάροδο του χρόνου.
Αυτό δεν ισχύει μόνο για έναν συγκεκριμένο κλάδο. Ένα νοσοκομειακό σύστημα που εφαρμόζει ένα εργαλείο τεχνητής νοημοσύνης χωρίς να εξετάσει πώς θα παρακολουθούνται και θα επαληθεύονται τα αποτελέσματά του, αντιμετωπίζει διαφορετικούς κινδύνους σε σχέση με ένα νοσοκομείο που ενσωματώνει αυτή την ιχνηλασιμότητα από την αρχή. Ένα δικηγορικό γραφείο που αυτοματοποιεί την εξέταση εγγράφων χωρίς να ενσωματώσει τη δική του μεθοδολογία στο σύστημα θα λαμβάνει γενικά αποτελέσματα αντί για ανάλυση που ανταποκρίνεται στα πρότυπα του γραφείου. Ένα χρηματοπιστωτικό ίδρυμα που προτιμά μια λειτουργία τεχνητής νοημοσύνης αντί για μια υποδομή τεχνητής νοημοσύνης θα βρεθεί τελικά αντιμέτωπο με κατακερματισμένα συστήματα και μη ανακτήσιμα κόστη.
Αυτό είναι ένα συνηθισμένο φαινόμενο: μια λειτουργία τεχνητής νοημοσύνης που αποδίδει εντυπωσιακά σε μια επίδειξη, αλλά δεν μπορεί να εξηγήσει τα αποτελέσματά της, δεν μπορεί να αναχθεί σε κάποια πηγή και δεν μπορεί να ενσωματωθεί σε ελεγχόμενες ροές εργασίας, καταλήγει να αποτελεί κίνδυνο που περιμένει να αποκαλυφθεί, μεταμφιεσμένη σε εργαλείο παραγωγικότητας.
Το πιο χρήσιμο ερώτημα που πρέπει να θέτει κανείς σε οποιονδήποτε προμηθευτή τεχνητής νοημοσύνης είναι: «Είναι κατασκευασμένο για να αντέξει στο χρόνο και μπορεί πραγματικά να ενταχθεί σε ένα σύστημα που μπορώ να διαχειριστώ;»
Μια πρώτη ματιά στον τρόπο αξιολόγησης των εργαλείων τεχνητής νοημοσύνης σε ρυθμιζόμενα περιβάλλοντα
Ο τομέας της τεχνητής νοημοσύνης είναι πραγματικά συναρπαστικός και ο ρυθμός των αλλαγών είναι πραγματικός. Ωστόσο, οι οργανισμοί που θα αποκομίσουν διαρκή αξία από αυτές τις τεχνολογίες θα είναι εκείνοι που θα κοιτάξουν πέρα από τις ανακοινώσεις για τις νέες λειτουργίες και θα θέσουν πιο ουσιαστικά ερωτήματα σχετικά με το τι κρύβεται πίσω από αυτές.
Είναι μια εύλογη ερώτηση, και κάποιοι θα την προχωρήσουν ακόμη περισσότερο: ακόμα κι αν τα γενικά γλωσσικά μοντέλα δεν ανταποκρίνονται στις προσδοκίες σήμερα, δεν θα φτάσουν τελικά στο επιθυμητό επίπεδο; Καθώς οι δυνατότητες βελτιώνονται με τον ρυθμό που έχουν μέχρι τώρα, το χάσμα μπορεί να κλείσει από μόνο του. Αλλά αυτό προϋποθέτει ότι το πρόβλημα αφορά την ακατέργαστη νοημοσύνη, και δεν είναι έτσι. Σκεφτείτε το σαν έναν εξαιρετικό γενικό ιατρό. Ανεξάρτητα από το πόσο γνώστες γίνουν, θα προτιμούσατε να σας χειρουργήσει την καρδιά ένας καρδιοχειρουργός, όχι επειδή ο γενικός γιατρός δεν είναι ικανός, αλλά επειδή ο χειρουργός έχει αφιερώσει χρόνια στην ανάπτυξη της συγκεκριμένης εξειδίκευσης, των εργαλείων και των πρωτοκόλλων για αυτή ακριβώς την περίπτωση. Τα γενικά μοντέλα θα συνεχίσουν να γίνονται πιο ισχυρά. Ωστόσο, η ανάγκη για δεδομένα, μεθοδολογία και ελεγχόμενες ροές εργασίας που αφορούν συγκεκριμένους τομείς αποτελεί δομική απαίτηση για εργασίες υψηλού κινδύνου, και όχι ένα προσωρινό κενό που πρέπει να καλυφθεί.
Αυτό είναι σκόπιμο: τα βασικά μοντέλα εκπαιδεύονται με βάση πληροφορίες που είναι ευρέως διαθέσιμες, και όχι με βάση τα ιδιόκτητα δεδομένα μιας εταιρείας, τη μεθοδολογία που έχει συσσωρευτεί επί χρόνια ή τη λεπτή κρίση που απορρέει από τη λειτουργία σε ένα συγκεκριμένο ρυθμιστικό περιβάλλον.
Η ΣΕΙΡΑ ΓΙΑ ΤΗΝ ΑΡΧΙΤΕΚΤΟΝΙΚΗ ΤΗΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ – ΜΕΡΟΣ 1
6 ερωτήσεις που πρέπει να κάνετε σε κάθε προμηθευτή τεχνητής νοημοσύνης
Πριν αποφασίσετε να χρησιμοποιήσετε ένα εργαλείο ή μια πλατφόρμα
ΑΡΧΙΤΕΚΤΟΝΙΚΗ & ΔΙΑΧΕΙΡΙΣΗ
1
Με ποιες πηγές δεδομένων συνδέεται αυτό το σύστημα και με ποιον τρόπο;
2
Μπορεί να εφαρμόζει τη μεθοδολογία μας με συνέπεια ή κάθε αποτέλεσμα είναι απλώς μια εικασία;
3
Μπορεί η ροή εργασιών να υποβληθεί σε έλεγχο;
4
Μπορεί να επεκταθεί σε περιβάλλον παραγωγής χωρίς να καταλήξει σε ένα σύνολο αποσυνδεδεμένων εργαλείων;
ΠΟΙΟΤΗΤΑ & ΑΞΙΟΠΙΣΤΙΑ
5
Ποιοι δείκτες χρησιμοποιούνται για τη μέτρηση της ποιότητας του συστήματος;
6
Πώς και πόσο συχνά ελέγχεται το σύστημα για ζητήματα ποιότητας;
Αυτά είναι τα ερωτήματα που διαχωρίζουν την υποδομή από τις λειτουργίες, καθώς και τα συστήματα που αντέχουν στον έλεγχο από εκείνα που δεν αντέχουν.
Για να απαντήσουμε σε αυτά τα ερωτήματα, πρέπει πρώτα να κατανοήσουμε τα βασικά συστατικά στοιχεία: τα επιμέρους επίπεδα που κάνουν ένα σύγχρονο σύστημα τεχνητής νοημοσύνης να λειτουργεί, καθώς και τις αρμοδιότητες του καθενός.
Τα επόμενα τρία μέρη αυτής της σειράς εμβαθύνουν στα βασικά στοιχεία των σύγχρονων συστημάτων τεχνητής νοημοσύνης, σε πραγματικές περιπτώσεις εφαρμογής στον τομέα των χρηματοοικονομικών υπηρεσιών, καθώς και στην κατεύθυνση προς την οποία εξελίσσεται η τεχνολογία.
Ακολουθήστε μας στο LinkedIn ή εγγραφείτε στο ενημερωτικό μας δελτίο για να μην τα χάσετε.
Μείνετε ενημερωμένοι
Πληροφορίες για τον συγγραφέα
