Tính năng được tài trợ Khi công nghệ được triển khai rộng rãi hơn trên nhiều lĩnh vực và ngành dọc hơn, khả năng của trí tuệ nhân tạo (AI) trong việc chuyển đổi quy trình kinh doanh, ra quyết định chiến lược và trải nghiệm khách hàng đang được các nhà chiến lược CNTT và nhà phân tích kinh tế ca ngợi hết lời.

Ngay cả các giám đốc điều hành từng thận trọng trong việc phê duyệt khoản đầu tư cần thiết để mang lại giá trị tối ưu cho AI cũng đang dần nhận ra tiềm năng của nó trong việc cải thiện hiệu quả hoạt động và mở đường cho các nguồn doanh thu mới.

Dự báo của những nhà quan sát thị trường đáng kính như PwC ủng hộ quan điểm của họ. Của nó 'Nghiên cứu trí tuệ nhân tạo toàn cầu' cho rằng AI có thể đóng góp tới 15.7 nghìn tỷ USD cho nền kinh tế toàn cầu vào năm 2030. Trong số này, 6.6 nghìn tỷ USD có thể đến từ việc tăng năng suất và 9.1 nghìn tỷ USD có thể đến từ 'tác dụng phụ về tiêu dùng', PwC khẳng định.

Việc tung ra một số công cụ AI tổng quát gần đây được coi là một breakout điểm cho những gì trước đây từng là một nhánh khoa học máy tính có tính chuyên môn cao và 'tương lai'. Ở Anh vào năm 2022, Văn phòng Trí tuệ Nhân tạo báo cáo rằng khoảng 15% doanh nghiệp đã áp dụng ít nhất một công nghệ AI, tương đương với 432,000 công ty. Khoảng 2% doanh nghiệp đang thử nghiệm AI và 10% dự định áp dụng ít nhất một công nghệ AI trong tương lai (lần lượt là 62,000 và 292,000 doanh nghiệp).

Nó vẫn là thứ phức tạp

Trong bối cảnh các tổ chức đam mê AI này nên nhớ rằng AI vẫn là một công nghệ tương đối trẻ và việc thiết lập lần đầu tiên có thể gặp nhiều khó khăn. Hơn nữa, lợi tức đầu tư (ROI) liên quan phụ thuộc rất nhiều vào các quy trình và cấu hình triển khai được quản lý rất chính xác, thường kém hiệu quả hơn khi đối mặt với lỗi so với việc triển khai CNTT thông thường.

AI đặt ra các bài kiểm tra có thể ước tính cho các nhóm CNTT được giao nhiệm vụ triển khai các sáng kiến ​​và khối lượng công việc AI/Machine Learning, chẳng hạn, có thể bao gồm việc khắc phục các khoảng trống về kỹ năng và các hạn chế về tính toán. Chúng cũng có thể liên quan đến việc đánh đổi tài nguyên với khối lượng công việc khác của doanh nghiệp đang sử dụng cơ sở hạ tầng CNTT chung.

Matt Armstrong-Barnes, Giám đốc Công nghệ về Trí tuệ Nhân tạo tại Hewlett Packard Enterprise (HPE), cho biết: “AI là một hành trình, không phải là đích đến – nó không phải là việc sẵn sàng áp dụng hay tự động hóa các quy trình để đạt hiệu quả cao hơn”. “Thay vào đó, đó là việc hiện thực hóa giá trị lâu dài, mang lại kết quả tốt hơn và nhận ra rằng AI đòi hỏi một cách tiếp cận khác về cơ bản để triển khai CNTT. Đối với các nhà công nghệ doanh nghiệp, đó là một đường cong học tập toàn diện 360 độ.”

Quan điểm của Armstrong-Barnes được chứng minh bằng thông tin mới nhất của DeloitteTrạng thái AI trong doanh nghiệp' khảo sát các nhà lãnh đạo doanh nghiệp toàn cầu. Những người được hỏi đã xác định có rất nhiều thách thức mà AI nảy sinh trong các giai đoạn liên tiếp của các dự án triển khai AI của họ. Chứng minh giá trị kinh doanh của AI là một vấn đề được 37% trích dẫn – các dự án có thể tốn kém và một trường hợp kinh doanh hấp dẫn có thể khó được xác nhận đối với các hội đồng thận trọng đầu tư và giám đốc điều hành C-Suite.

Việc mở rộng quy mô các dự án AI đó theo thời gian có thể gặp phải những rào cản đã được xác định rõ hơn, chẳng hạn như quản lý rủi ro liên quan đến AI (được trích dẫn bởi 50% những người tham gia khảo sát của Deloitte), thiếu sự tham gia của giám đốc điều hành (cũng 50%) và thiếu sự tham gia của các nhà điều hành. bảo trì hoặc hỗ trợ liên tục (lại 50%).

Armstrong-Barnes nói: “Khá dễ hiểu, các nhà lãnh đạo doanh nghiệp cần phải được thuyết phục rằng AI sẽ mang lại lợi ích cho nó”. “Đây là nơi làm việc ngay từ đầu với một đối tác công nghệ đã tham gia vào việc triển khai AI đã được chứng minh trong nhiều năm sẽ giúp thắng kiện. Hồ sơ theo dõi của nó sẽ mang lại độ tin cậy cho các đề xuất dự án và giúp thuyết phục các nhà điều hành rằng rủi ro của AI cũng có thể quản lý được như bất kỳ dự án CNTT nào khác.”

Và mặc dù công nghệ và nhân tài chắc chắn là cần thiết, nhưng điều quan trọng không kém là phải điều chỉnh văn hóa, cơ cấu và cách làm việc của công ty để hỗ trợ việc áp dụng AI rộng rãi, theo McKinsey, với những đặc điểm riêng biệt đôi khi đóng vai trò là rào cản đối với sự thay đổi do AI điều khiển.

McKinsey gợi ý: “Nếu một công ty có những người quản lý mối quan hệ tự hào về việc đáp ứng nhu cầu của khách hàng, họ có thể bác bỏ quan điểm cho rằng một “chiếc máy” có thể có những ý tưởng tốt hơn về những gì khách hàng muốn và bỏ qua các đề xuất sản phẩm phù hợp của công cụ AI”.

Armstrong-Barnes báo cáo: “Tôi thường xuyên trao đổi với các đồng nghiệp HPE và khách hàng HPE về hàng loạt thách thức mà họ gặp phải khi triển khai AI”. “Một số đặc điểm bằng chứng chung xuất hiện lặp đi lặp lại. Một là đánh giá thấp sự khác biệt cơ bản của việc triển khai AI với việc triển khai CNTT truyền thống. Các tổ chức phải triển khai AI theo cách chủ yếu khác với các dự án CNTT mà họ đã triển khai trước đây. Quản lý và mở rộng dữ liệu có sự khác biệt đáng kể đối với AI. Điều này có nghĩa là đôi khi, những kinh nghiệm công nghệ khó có được phải được học lại.”

Armstrong-Barnes giải thích rằng nên tránh xu hướng thử nghiệm các phi công AI trước khi triển khai nó trực tiếp vào trường hợp sử dụng thực tế nhằm hỗ trợ nhu cầu kinh doanh cấp bách. Ông giải thích: “Cách tiếp cận dùng thử trước khi mua có vẻ hợp lý – AI rất phức tạp và cần nhiều đầu tư,” ông giải thích. “Nhưng với AI, các dự án chạy thử và thử nghiệm không thực sự tái hiện những thách thức mà tổ chức người dùng sẽ gặp phải khi triển khai thực tế. . Những gì bắt đầu 'trong phòng thí nghiệm' có xu hướng ở lại trong phòng thí nghiệm.”

Ở đầu bên kia của thang đo áp dụng, Armstrong-Barnes nhận thấy các công ty cố gắng áp dụng AI ở bất cứ nơi nào nó có thể được áp dụng, ngay cả khi ứng dụng đang hoạt động tối ưu mà không cần AI: “Điều đáng rút ra ở đây là – chỉ vì trong AI bạn có một chiếc búa khổng lồ, lúc đó bạn không nên coi mọi thứ như một cái đai ốc cần được bẻ gãy.”

Con người và cơ sở hạ tầng chưa sẵn có

Ngay cả những hệ thống AI tiên tiến nhất vẫn chưa đạt được quyền tự chủ hoàn toàn từ đầu đến cuối – chúng cần được đào tạo và tinh chỉnh bởi chuyên môn của con người. Điều này thể hiện một thách thức lớn hơn đối với các công ty mong muốn AI: làm cách nào tốt nhất để có được các kỹ năng cần thiết – đào tạo lại nhân sự CNTT hiện có? Tuyển dụng thành viên nhóm mới có kiến ​​thức AI cần thiết? Hoặc khám phá các lựa chọn để trì hoãn nhu cầu chuyên môn về AI cho các đối tác công nghệ?

McKinsey báo cáo rằng tiềm năng của AI đang bị hạn chế do thiếu nhân tài lành nghề. Một dự án AI điển hình đòi hỏi một đội ngũ có trình độ cao bao gồm nhà khoa học dữ liệu, kỹ sư dữ liệu, kỹ sư ML, giám đốc sản phẩm và nhà thiết kế – và đơn giản là không có đủ chuyên gia để đảm nhận tất cả các công việc mở đó.

Armstrong-Barnes nói: “Chúng tôi thấy các nhà công nghệ doanh nghiệp thường phải nâng cấp khả năng của họ ở năm khía cạnh chính. “Về cơ bản, chúng nằm trong các lĩnh vực chuyên môn về AI, cơ sở hạ tầng CNTT, quản lý dữ liệu, quản lý độ phức tạp và ở mức độ thấp hơn là các rào cản văn hóa nói trên. Không có thách thức nào trong số này là không thể vượt qua nếu có cách tiếp cận đúng đắn và sự hỗ trợ hợp tác.”

AI cũng thích phần cứng siêu mạnh để chạy. Việc cung cấp nền tảng điện toán hiệu suất cao tiếp tục là một thách thức dai dẳng vì rất ít tổ chức muốn - hoặc có đủ khả năng - thực hiện các khoản đầu tư cần thiết vào khu vực máy chủ của mình mà không có sự gia tăng rõ ràng về tỷ lệ ROI.

Armstrong-Barnes cho biết: “Khi lập kế hoạch triển khai AI, ở giai đoạn đầu, các nhà lập kế hoạch CNTT cần đưa ra một số quyết định quan trọng liên quan đến công nghệ hỗ trợ cốt lõi”. “Ví dụ: bạn sẽ mua nó, xây dựng nó – hay thực hiện một cách tiếp cận kết hợp bao gồm các yếu tố của cả hai?”

Quyết định quan trọng tiếp theo liên quan đến quan hệ đối tác. Điều kiện quyết định để phân phối AI thành công là không ai có thể thực hiện một mình, Armstrong-Barnes chỉ ra: “Bạn cần sự hỗ trợ của các đối tác công nghệ và cách tốt nhất để thiết lập các mối quan hệ đối tác đó là thông qua hệ sinh thái AI. Hãy coi hệ sinh thái AI như một tập hợp chuyên môn hỗ trợ, khi kết hợp với nhau sẽ cho phép bạn tiếp cận với bí quyết, dữ liệu, công cụ AI, công nghệ và kinh tế phù hợp để phát triển và vận hành các nỗ lực AI của bạn.”

Armstrong-Barnes cho biết thêm: “Đôi khi khách hàng hỏi làm thế nào mà HPE lại có kinh nghiệm như vậy trong các trường hợp sử dụng AI – liệu chúng tôi có thấy trước tác động của nó từ nhiều năm trước và bắt đầu chuẩn bị tốt trước thị trường không? Thực tế là chúng tôi đã thấy tác động của AI đến không phải từ nhiều năm mà là từ nhiều thập kỷ trước, chúng tôi đã thành lập các trung tâm và hệ sinh thái AI xuất sắc trong một thời gian dài, đồng thời thực hiện các thương vụ mua lại mang tính chiến lược để nâng cao chuyên môn hiện có của chúng tôi phù hợp với yêu cầu của khách hàng và cơ hội phát triển.”

Không có tàu, không đạt được

Một trong những cải tiến như vậy là Dexed AI, đã trở thành một phần trong các dịch vụ giải pháp HPC và AI của HPE vào năm 2021. Phần mềm nguồn mở của Dexed AI giải quyết thực tế rằng việc xây dựng và đào tạo các mô hình được tối ưu hóa trên quy mô lớn là một giai đoạn chính xác và quan trọng của quá trình phát triển ML – một giai đoạn ngày càng được quan tâm nhiều hơn. đòi hỏi những người không chuyên về công nghệ như nhà phân tích, nhà nghiên cứu và nhà khoa học phải đương đầu với những thách thức của HPC.

Những thách thức này bao gồm việc thiết lập và quản lý một cơ sở hạ tầng và ngăn xếp phần mềm song song cao, trải rộng trên việc cung cấp điện toán chuyên dụng, lưu trữ dữ liệu, kết cấu điện toán và thẻ tăng tốc.

Armstrong-Barnes cho biết: “Ngoài ra, những người thành thạo ML cần lập trình, lên lịch và đào tạo các mô hình của họ một cách hiệu quả để tối đa hóa việc sử dụng cơ sở hạ tầng chuyên dụng mà họ đã thiết lập, “điều này có thể tạo ra sự phức tạp và làm chậm năng suất”.

Tất nhiên, những nhiệm vụ này phải được thực hiện với trình độ năng lực nghiêm ngặt mà ngay cả với sự hỗ trợ của các nhóm CNTT nội bộ đang quá căng thẳng cũng không dễ dàng được đảm bảo.

Nền tảng nguồn mở của Dedeed AI dành cho đào tạo mô hình ML được thiết kế để thu hẹp khoảng cách tài nguyên này, giúp dễ dàng thiết lập, định cấu hình, quản lý và chia sẻ các máy trạm hoặc cụm AI chạy tại chỗ hoặc trên đám mây. Và ngoài khả năng hỗ trợ cao cấp, nó còn bao gồm các tính năng như công cụ bảo mật, giám sát và quan sát nâng cao – tất cả đều được hỗ trợ bởi chuyên môn từ bên trong HPE.

Armstrong-Barnes giải thích: “AI được xác định là nhằm loại bỏ các rào cản để doanh nghiệp xây dựng và đào tạo các mô hình ML ở quy mô và tốc độ, nhằm nhận ra giá trị lớn hơn trong thời gian ngắn hơn, với Hệ thống phát triển máy học HPE mới”. “Những khả năng này bao gồm những nội dung khá công nghệ cần thiết để tối ưu hóa khối lượng công việc AI/Machine Learning, như lập kế hoạch tăng tốc, khả năng chịu lỗi, đào tạo mô hình song song và phân tán tốc độ cao, tối ưu hóa siêu tham số nâng cao và tìm kiếm kiến ​​trúc thần kinh.

“Thêm vào đó các nhiệm vụ mang tính kỷ luật như cộng tác có thể lặp lại và theo dõi số liệu – có rất nhiều việc cần phải theo dõi hàng đầu. Với sự trợ giúp của AI được xác định, các chuyên gia dự án có thể tập trung vào đổi mới và đẩy nhanh thời gian giao hàng.”

Nhiều tài nguyên và quy định HPC hơn đóng vai trò của chúng

Sức mạnh của HPC cũng ngày càng được sử dụng để đào tạo và tối ưu hóa các mô hình AI, bên cạnh việc kết hợp với AI để tăng cường khối lượng công việc như lập mô hình và mô phỏng – những công cụ lâu đời giúp tăng tốc thời gian khám phá trong các lĩnh vực trong ngành sản xuất.

Thị trường HPC toàn cầu được thiết lập để tăng trưởng ước tính trong thời gian còn lại của những năm 2020. Tình báo Mordor dự toán giá trị của nó ở mức 56.98 tỷ USD vào năm 2023 và dự kiến ​​​​sẽ đạt 96.79 tỷ USD vào năm 2028 – tốc độ CAGR là 11.18% trong giai đoạn dự báo.

“HPE đã xây dựng cơ sở hạ tầng HPC trong một thời gian dài và hiện có danh mục HPC bao gồm Siêu máy tính Exascale và nền tảng điện toán được tối ưu hóa mật độ. Armstrong-Barnes cho biết: Một số cụm HPC lớn nhất được xây dựng dựa trên sự đổi mới của HPE. “HPE có chuyên môn chưa từng có về nền tảng phần cứng hiệu năng cao.”

Với sự ra đời của HPE GreenLake cho các mô hình ngôn ngữ lớn Đầu năm nay (2023), các doanh nghiệp – từ các công ty khởi nghiệp đến Fortune 500 – có thể đào tạo, điều chỉnh và triển khai AI quy mô lớn bằng nền tảng siêu máy tính bền vững kết hợp phần mềm AI của HPE và các siêu máy tính tiên tiến nhất.

Rõ ràng, việc áp dụng AI là một thách thức đối với các tổ chức thuộc mọi quy mô, nhưng không chỉ là về công nghệ, Armstrong-Barnes chỉ ra: “Ngày càng có nhiều người áp dụng AI sẽ phải cập nhật các quy định và tuân thủ AI mới nổi. Các luật như Tuyên ngôn về Quyền AI của Hoa Kỳ, Đạo luật AI của EU và các đề xuất quy định sắp tới được nêu trong Sách trắng AI của Chính phủ Anh – thường được kỳ vọng sẽ cung cấp Khung AI sẵn sàng tuân thủ – là những ví dụ điển hình về điều này.”

Đối với các doanh nghiệp hoạt động trên phạm vi quốc tế, đây có vẻ giống như một rào cản khác được bao bọc bởi băng đỏ, nhưng Armstrong-Barnes gợi ý rằng việc tuân thủ quy định có thể không quá khó khăn như vẻ ngoài của chúng – với một chút trợ giúp từ hệ sinh thái đối tác AI được trang bị tốt.

“Hãy kiểm tra xem các đối tác trong hệ sinh thái AI của bạn có thể giúp bạn tuân thủ hay không – nếu bạn đang ở trong một môi trường kinh doanh được quản lý chặt chẽ, thì có thể bạn đã đi được nửa chặng đường với những quy định hiện có.”

Được tài trợ bởi HPE.

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
• PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
• PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
• nguồn: https://go.theregister.com/feed/www.theregister.com/2023/10/25/putting_ai_challenges_in_perspective/