Trí tuệ nhân tạo Việc áp dụng (AI) vẫn đang ở giai đoạn đầu. Khi ngày càng nhiều doanh nghiệp sử dụng hệ thống AI và công nghệ này tiếp tục phát triển và thay đổi, việc sử dụng không đúng cách có thể khiến công ty gặp rủi ro đáng kể về tài chính, hoạt động, quy định và danh tiếng. Việc sử dụng AI cho một số nhiệm vụ kinh doanh nhất định hoặc không có rào chắn cũng có thể không phù hợp với các giá trị cốt lõi của tổ chức.

Đây là lúc việc quản trị AI phát huy tác dụng: giải quyết những vấn đề tiềm ẩn và không thể tránh khỏi trong quá trình áp dụng. Quản trị AI đề cập đến việc thực hành chỉ đạo, quản lý và giám sát các hoạt động AI của tổ chức. Nó bao gồm các quy trình theo dõi và ghi lại nguồn gốc của dữ liệu, mô hình, siêu dữ liệu liên quan và quy trình kiểm tra.

Khung quản trị AI đảm bảo việc sử dụng AI và máy học (ML) có đạo đức, có trách nhiệm và minh bạch. Nó bao gồm quản lý rủi ro, tuân thủ quy định và hướng dẫn cách quản lý AI trong một tổ chức.

Mô hình nền tảng: Sức mạnh của bộ dữ liệu được tuyển chọn

Mô hình nền tảng, còn được gọi là “máy biến áp”, là các mô hình AI hiện đại, quy mô lớn được đào tạo trên một lượng lớn dữ liệu thô, chưa được gắn nhãn. Sự nổi lên của hệ sinh thái mô hình nền tảng (là kết quả của hàng thập kỷ nghiên cứu về học máy), xử lý ngôn ngữ tự nhiên (NLP) và các lĩnh vực khác, đã thu hút rất nhiều sự quan tâm trong giới khoa học máy tính và AI. Các dự án nguồn mở, tổ chức học thuật, công ty khởi nghiệp và các công ty công nghệ kế thừa đều góp phần phát triển các mô hình nền tảng.

Các mô hình nền tảng có thể sử dụng ngôn ngữ, tầm nhìn và nhiều thứ khác để tác động đến thế giới thực. Chúng được sử dụng trong mọi thứ, từ robot đến các công cụ suy luận và tương tác với con người. GPT-3, mô hình dự đoán ngôn ngữ của OpenAI có thể xử lý và tạo ra văn bản giống con người, là một ví dụ về mô hình nền tảng.

Các mô hình nền tảng có thể áp dụng những gì họ học được từ tình huống này sang tình huống khác thông qua việc tự giám sát và chuyển giao học tập. Nói cách khác, thay vì đào tạo nhiều mô hình về dữ liệu được gắn nhãn, theo nhiệm vụ cụ thể, giờ đây có thể đào tạo trước một mô hình lớn được xây dựng trên máy biến áp và sau đó, với khả năng tinh chỉnh bổ sung, hãy sử dụng lại mô hình đó nếu cần.

Các mô hình nền tảng được quản lý, chẳng hạn như các mô hình được tạo bởi IBM hoặc Microsoft, giúp các doanh nghiệp mở rộng quy mô và đẩy nhanh việc sử dụng cũng như tác động của các khả năng AI tiên tiến nhất bằng cách sử dụng dữ liệu đáng tin cậy. Ngoài ngôn ngữ tự nhiên, các mô hình còn đào tạo trên các phương thức khác nhau, chẳng hạn như dữ liệu mã, chuỗi thời gian, dạng bảng, không gian địa lý và sự kiện CNTT. Sau đó, các mô hình nền tảng dành riêng cho từng miền có thể được áp dụng cho các trường hợp sử dụng mới, cho dù chúng có liên quan đến biến đổi khí hậu, chăm sóc sức khỏe, nhân sự, chăm sóc khách hàng, hiện đại hóa ứng dụng CNTT hay các chủ đề khác.

Các mô hình nền tảng được sử dụng rộng rãi đã sử dụng cho các tác vụ ML như phân loại và trích xuất thực thể, cũng như các tác vụ AI tổng quát như dịch thuật, tóm tắt và tạo nội dung thực tế. Sự phát triển và sử dụng các mô hình này giải thích số lượng lớn các đột phá AI gần đây.

Arvind Krishna, Chủ tịch kiêm Giám đốc điều hành IBM cho biết: “Với sự phát triển của các mô hình nền tảng, AI dành cho doanh nghiệp trở nên mạnh mẽ hơn bao giờ hết. “Các mô hình nền tảng giúp việc triển khai AI có khả năng mở rộng đáng kể, giá cả phải chăng và hiệu quả hơn.”

Các mô hình nền tảng có đáng tin cậy không?

Điều cần thiết là doanh nghiệp phải làm việc với AI có trách nhiệm, minh bạch và có thể giải thích được, điều này có thể gặp khó khăn trong những ngày đầu của công nghệ.

Hầu hết các mô hình nền móng lớn nhất hiện nay, bao gồm cả mô hình ngôn ngữ lớn (LLM) hỗ trợ ChatGPT, đã được đào tạo về thông tin chọn lọc từ internet. Nhưng dữ liệu đào tạo đó đáng tin đến mức nào? Trí tuệ nhân tạo chatbot đã được biết đến là xúc phạm khách hàng và bịa đặt sự thật. Độ tin cậy là rất quan trọng. Các doanh nghiệp phải cảm thấy tin tưởng vào những dự đoán và nội dung mà các nhà cung cấp mô hình nền tảng lớn tạo ra.

Viện Trí tuệ nhân tạo lấy con người làm trung tâm của Stanford Trung tâm nghiên cứu mô hình nền móng (CRFM) gần đây đã vạch ra nhiều rủi ro của các mô hình nền tảng cũng như các cơ hội. Họ chỉ ra rằng chủ đề về dữ liệu huấn luyện, bao gồm cả nguồn và thành phần của nó, thường bị bỏ qua. Đó là lúc nhu cầu về mô hình nền tảng được tuyển chọn—và khả năng quản trị đáng tin cậy—trở nên thiết yếu.

Bắt đầu với các mô hình nền tảng

An Xưởng phát triển AI có thể đào tạo, xác thực, điều chỉnh và triển khai các mô hình nền tảng cũng như xây dựng các ứng dụng AI một cách nhanh chóng, chỉ cần một phần dữ liệu cần thiết trước đây. Các bộ dữ liệu như vậy được đo bằng số lượng “mã thông báo” (từ hoặc phần từ) mà chúng bao gồm. Họ cung cấp bộ dữ liệu sẵn sàng cho doanh nghiệp với dữ liệu đáng tin cậy đã trải qua quá trình quản lý tiêu cực và tích cực.

Quản lý tiêu cực là khi các tập dữ liệu có vấn đề và sự căm ghét dựa trên AI bị xóa và các bộ lọc tục tĩu được áp dụng để xóa nội dung phản cảm. Quản lý tích cực có nghĩa là thêm các mục từ một số lĩnh vực nhất định, chẳng hạn như tài chính, pháp lý và quy định, an ninh mạng và tính bền vững, quan trọng đối với người dùng doanh nghiệp.

Cách mở rộng quy mô AL và ML bằng tính năng quản trị tích hợp

Phù hợp với mục đích kho dữ liệu được xây dựng trên kiến ​​trúc lakehouse mở cho phép bạn mở rộng quy mô AI và ML trong khi cung cấp các công cụ quản trị tích hợp sẵn. Nó có thể được sử dụng với cả môi trường tại chỗ và nhiều đám mây. Loại kho lưu trữ dữ liệu thế hệ tiếp theo này kết hợp tính linh hoạt của hồ dữ liệu với hiệu suất của kho dữ liệu và cho phép bạn mở rộng quy mô khối lượng công việc AI bất kể chúng cư trú ở đâu.

Nó cho phép tự động hóa và tích hợp với cơ sở dữ liệu hiện có, đồng thời cung cấp các công cụ cho phép đơn giản hóa thiết lập và trải nghiệm người dùng. Nó cũng cho phép bạn chọn công cụ phù hợp cho khối lượng công việc phù hợp với chi phí phù hợp, có khả năng giảm chi phí kho dữ liệu bằng cách tối ưu hóa khối lượng công việc. Kho lưu trữ dữ liệu cho phép doanh nghiệp kết nối dữ liệu hiện có với dữ liệu mới và khám phá những hiểu biết mới với phân tích thời gian thực và thông tin kinh doanh. Nó giúp bạn hợp lý hóa kỹ thuật dữ liệu với các đường dẫn dữ liệu được giảm bớt, quá trình chuyển đổi dữ liệu được đơn giản hóa và dữ liệu được làm phong phú hơn.

Một lợi ích khác là chia sẻ dữ liệu có trách nhiệm vì nó hỗ trợ nhiều người dùng hơn với quyền truy cập tự phục vụ vào nhiều dữ liệu hơn đồng thời đảm bảo tính bảo mật và tuân thủ quản trị và các nhà hoạch định chính sách địa phương.

Bộ công cụ quản trị AI mang lại những gì

Khi AI ngày càng được gắn chặt hơn vào quy trình làm việc hàng ngày của doanh nghiệp, điều quan trọng hơn nữa là nó bao gồm việc quản trị chủ động—trong suốt quá trình tạo, triển khai và quản lý các dịch vụ AI—giúp đảm bảo các quyết định có trách nhiệm và có đạo đức.

Các tổ chức kết hợp quản trị vào chương trình AI của họ giảm thiểu rủi ro và tăng cường khả năng đáp ứng các nguyên tắc đạo đức và quy định của chính phủ: 50% lãnh đạo doanh nghiệp khảo sát cho biết khía cạnh quan trọng nhất của AI có thể giải thích được là đáp ứng các nghĩa vụ tuân thủ và quy định bên ngoài; Tuy nhiên, hầu hết các nhà lãnh đạo vẫn chưa thực hiện các bước quan trọng để thiết lập khuôn khổ quản trị AI và 74% không giảm bớt những thành kiến ​​ngoài ý muốn.

An Bộ công cụ quản trị AI cho phép bạn chỉ đạo, quản lý và giám sát các hoạt động AI mà không phải tốn chi phí chuyển đổi nền tảng khoa học dữ liệu, ngay cả đối với các mô hình được phát triển bằng công cụ của bên thứ ba. Tự động hóa phần mềm giúp giảm thiểu rủi ro, quản lý các yêu cầu của khung pháp lý và giải quyết các mối lo ngại về đạo đức. Nó bao gồm quản trị vòng đời AI, theo dõi, lập danh mục và quản lý các mô hình AI trên quy mô lớn từ bất cứ nơi nào chúng cư trú. Nó tự động thu thập siêu dữ liệu mô hình và tăng độ chính xác dự đoán để xác định cách sử dụng các công cụ AI và nơi cần thực hiện lại việc đào tạo mô hình.

Bộ công cụ quản trị AI cũng cho phép bạn thiết kế các chương trình AI của mình dựa trên nguyên tắc trách nhiệm và tính minh bạch. Nó giúp xây dựng niềm tin vào cây và tập dữ liệu tài liệu, mô hình và quy trình vì bạn có thể hiểu và giải thích một cách nhất quán các quyết định của AI. Nó cũng tự động hóa các dữ kiện và quy trình làm việc của mô hình để tuân thủ các tiêu chuẩn kinh doanh; xác định, quản lý, giám sát và báo cáo về rủi ro và tuân thủ trên quy mô lớn, đồng thời cung cấp bảng thông tin động và kết quả có thể tùy chỉnh. Chương trình quản trị như vậy cũng có thể chuyển các quy định bên ngoài thành các chính sách để tuân thủ tự động, hỗ trợ kiểm tra và tuân thủ, đồng thời cung cấp bảng thông tin và báo cáo có thể tùy chỉnh.

Sử dụng quản trị AI phù hợp có nghĩa là doanh nghiệp của bạn có thể tận dụng tốt nhất các mô hình nền tảng đồng thời đảm bảo bạn có trách nhiệm và có đạo đức khi phát triển công nghệ AI.

Các mô hình nền tảng, quản trị và IBM

Quản trị AI phù hợp là chìa khóa để khai thác sức mạnh của AI đồng thời bảo vệ khỏi vô số cạm bẫy của nó. AI liên quan đến việc quản lý có trách nhiệm và minh bạch, bao gồm quản lý rủi ro và tuân thủ quy định để hướng dẫn việc sử dụng nó trong một tổ chức. Các mô hình nền tảng mang lại bước đột phá về khả năng AI để cho phép triển khai có thể mở rộng và hiệu quả trên nhiều lĩnh vực khác nhau.

Watsonx là nền tảng dữ liệu và AI thế hệ tiếp theo được xây dựng để giúp các tổ chức tận dụng tối đa các mô hình nền tảng đồng thời tuân thủ các nguyên tắc quản trị AI có trách nhiệm. Các watsonx.governance bộ công cụ cho phép tổ chức của bạn xây dựng quy trình làm việc AI một cách có trách nhiệm, minh bạch và có thể giải thích được.

Với watsonx, các tổ chức có thể:

1. Vận hành quy trình công việc AI để tăng hiệu quả và độ chính xác trên quy mô lớn. Tổ chức của bạn có thể truy cập các công cụ quản trị, rủi ro và tuân thủ tự động, có thể mở rộng, mở rộng rủi ro hoạt động, chính sách, tuân thủ, quản lý tài chính, quản trị CNTT và kiểm toán nội bộ/bên ngoài.
2. Theo dõi các mô hình và thúc đẩy các quy trình minh bạch. Giám sát, lập danh mục và quản lý các mô hình từ mọi nơi trong vòng đời AI của bạn.
3. Ghi lại và ghi lại siêu dữ liệu mô hình để tạo báo cáo. Người xác thực và người phê duyệt mô hình có thể truy cập vào các bảng thông tin được tạo tự động để có cái nhìn luôn cập nhật về chi tiết vòng đời.
4. Tăng niềm tin vào kết quả AI. Các công cụ cộng tác và bảng điều khiển, biểu đồ và báo cáo thứ nguyên động dựa trên người dùng giúp tăng khả năng hiển thị cho các quy trình AI.
5. Cho phép dữ liệu có trách nhiệm, minh bạch và có thể giải thích được và quy trình làm việc AI với watsonx.governance.