Kodėl jūsų organizacijai dirbtinio intelekto sprendimai neatneša naudos?

Keli dalykai, iš nuogirdų bei patirčių su skirtingomis organizacijomis šioje temoje:

• Pirmiausia - netinkamai apibrėžtos problemos: dirbtinio intelekto technologijos dažnai taikomos neturint aiškaus supratimo, kokią konkrečią verslo problemą jos turėtų spręsti.

• Antra, prasti duomenys: dirbtinio intelekto sprendimai remiasi kokybiškais duomenimis. Jei organizacija turi nepakankamai duomenų kiekį arba jie yra netvarkingi, neaktualūs, rezultatai bus, tiesiog - netikslūs.

• Technologijos nesuderinamumas: dirbtinio intelekto sprendimai gali būti pritaikyti tik tam tikriems procesams ar tam tikruose technologiniuose rėmuose, todėl gali kilti integracijos sunkumų su esamomis sistemomis.

• Nepakankamos kompetencijos: status quo yra toks - organizacijoms dažnai trūksta specialistų, galinčių kurti, diegti ir valdyti dirbtinio intelekto sprendimus.

• Pernelyg dideli lūkesčiai: visi tikisi greitų rezultatų ar stebuklingų sprendimų, tačiau dirbtinio intelekto sprendimų įgyvendinimas reikalauja laiko ir nuolatinio optimizavimo. Nėra taip, kaip daugelis tikisi - padarai ir viskas veikia.

• Organizacijos kultūros pasipriešinimas: darbuotojai gali priešintis naujausių technologijų diegimui, ypač jei bijo darbo vietų praradimo ar dar nesupranta, kaip dirbtinis intelektas keis jų darbo pobūdį.

• Neaiškūs rodikliai: jei organizacija nesugeba iš anksto apibrėžti, kaip bus matuojama dirbtinio intelekto investicijų grąža, gali atrodyti, kad sprendimas neatneša naudos.

• Pabaigai, pernelyg sudėtingi sprendimai: kartais pasirenkami pernelyg sudėtingi dirbtinio intelekto metodai, kai problema galėtų būti išspręsta paprastesnėmis priemonėmis.

O noriu aptarti šiek tiek plačiau - Williamas Falconas, atvirojo kodo DI platformos „PyTorch Lightning“ kūrėjas, teigia, kad viena iš didžiausių įmonių daromų klaidų yra nepakankamas darbo kiekio, reikalingo dirbtinio intelekto procesų orkestravimui, įvertinimas.

Jis sako: „šiandien kurti savo dirbtinio intelekto platformą yra tas pats, kas kurti savo „Slack“ - sudėtinga, brangu ir nesusiję su jūsų verslo pagrindine veikla“. „Įmonėms vertę kuria jų duomenys, patirties sritys, unikalūs modeliai, o ne dirbtinio intelekto infrastruktūros palaikymas” tęsė jis.

Williamas Falconas, buvęs „Navy Seal“ narys ir „Facebook AI Research“ stažuotojas, pradėjo kurti „PyTorch Lightning“, būdamas dar Kolumbijos universiteto studentu. Ši sistema suteikia aukšto lygio sąsają „PyTorch“ dirbtinio intelekto bibliotekai, supaprastindama kodą, reikalingą dirbtinio intelekto sistemoms diegti bei prižiūrėti.

Nebaigęs savo doktoranto studijų Niujorko universitete, Falconas nusprendė suvienyti jėgas su Luisu Capelo, buvusiu „Forbes“ duomenų produktų vadovu, kad komercializuotų „PyTorch Lightning“. Jų įmonė „Lightning AI“ pritaiko atvirojo kodo platformą, papildydama ją paslaugomis ir įrankiais, skirtais verslui.

„Turime tūkstančius kūrėjų, kurie vieni patys treniruoja ir diegia modelius [naudodamiesi „Lightning AI“] tokiu mastu, kuris be „Lightning“ būtų reikalavęs didelių komandų“, – teigė William Falconas.

„Lightning AI“ automatizuoja sudėtingas užduotis, tokias kaip dirbtinio intelekto darbo krūvio paskirstymas tarp serverių ir infrastruktūros, reikalingos modeliams mokyti bei vertinti. Pagrindinis įmonės produktas „AI Studios“ leidžia klientams pritaikyti ir paleisti DI modelius jų pasirinktose debesų aplinkose.

Įmonės taip pat gali naudoti „Lightning AI“ DI pagrįstoms programėlėms, veikiančioms privačiuose debesų serveriuose arba jų vietinėse duomenų bazėse. Kainodara paremta „mokėk už tai, ką naudoji“ principu.

Williamas Falconas teigia, kad „Lightning AI“ tikslas yra padaryti dirbtinio intelekto kūrimą ir integracijas tokias intuityvias, kaip naudotis „iPhone“.

„Dauguma žmonių to nežino, bet daugelis pasaulyje pirmaujančių dirbtinio intelekto produktų buvo mokomi arba kuriami naudojant „Lightning“, – teigė Williamas Falconas. „Pavyzdžiui, „Nvidia“ modelių rinkinys „NeMo“ buvo sukurtas naudojant „Lightning“ įrankius. „Stable Diffusion“ iš „Stability AI“ lygiai taip pat.“

Akivaizdu, kad „Lightning AI“ sparčiai auga. Daugiau nei 230 000 dirbtinio inelekto kūrėjų ir 3 200 organizacijų jau naudoja platformą, o įmonė neseniai surinko 50-ies milijonų dolerių investiciją.

Aišku, konkurencijos netrūksta. Tokios įmonės kaip „Comet“, „Galileo“, „FedML“, „Arize“, „Deepset“, „Diveplane“, „Weights & Biases“ ir „InfuseAI“ siūlo panašias mokamų ir nemokamų dirbtinio intelekto operacinių paslaugų kombinacijas.

Pats Williamas Falconas tiki, kad dirbtiniu intelektu valdomų sprendimų rinka yra pakankamai didelė daugeliui žaidėjų. Ir jis greičiausiai neklysta. „Fortune Business Insights“ duomenimis, mašininio mokymosi operacijų sektoriaus vertė – kurią apima ir „Lightning AI“ – iki 2030-ų metų galėtų siekti apie 13 milijardų dolerių.

Su naujomis 50-ies milijonų dolerių investicijomis, kurias skyrė „Cisco Investments“, „J.P. Morgan“, „Nvidia“ ir „K5 Global“, „Lightning AI“ iš viso jau yra pritraukusi 103 milijonus dolerių. Niujorke įsikūrusi 50-imt darbuotojų turinti įmonė planuoja šias lėšas panaudoti pritraukiant naujus klientus, įskaitant valstybines institucijas, bei plėsdama platformą į naujas rinkas.

„Turėdami efektyvią komandą ir daugiau nei 90 % pelningumo siekiantį produktą,“ – sakė Williamas Falconas, – „mes einame link 10–20-imt milijonų dolerių metinių pajamų dar iki kitų metų pabaigos.