Logo Zephyrnet

Trí thông minh dữ liệu tạo

Dữ Liệu Lớn.

Những thách thức và cơ hội về AI sáng tạo cho các doanh nghiệp hiện đại – DATAVERSITY

Được xuất bản lại bởi Plato
Được xuất bản lại bởi Plato

Ngày:

Lượt xem: 91

AI sáng tạo (GenAI), học máy (ML) và mô hình ngôn ngữ lớn (LLM) đều ngày càng trở nên quan trọng đối với các doanh nghiệp hiện đại, nhưng việc đạt được giá trị có thể đo lường được từ AI vẫn là một thách thức. Một phần của vấn đề là mô hình AI được đào tạo tốt dựa trên một lượng lớn dữ liệu và đối với nhiều công ty, việc tổ chức và sử dụng tất cả dữ liệu sẽ khiến họ chậm lại mỗi ngày. Để tối đa hóa giá trị từ AI, các công ty cần đảm bảo ngăn xếp dữ liệu của họ được tổ chức tốt. Nếu một công ty có thể hợp nhất các nguồn dữ liệu thì việc tạo ra các trường hợp sử dụng có giá trị cho AI tổng hợp sẽ dễ dàng hơn nhiều. Dưới đây là một vài ví dụ đã tăng thêm giá trị ngày nay.

AI trong phát triển phần mềm và khoa học dữ liệu

Đối với LLM, GPT-4 là một nhà tổng quát ấn tượng, với kiến ​​thức sâu rộng về các chủ đề trải dài từ lịch sử thế giới đến lập trình máy tính đến ẩm thực Trung Đông và hơn thế nữa. Điều đó không có gì đáng ngạc nhiên vì nó chủ yếu được đào tạo trên các trang web được lấy từ Internet. Nhưng điều mà hầu hết các công ty cần là những mô hình chuyên biệt tập trung vào thị trường dọc của họ, những người được đào tạo về dữ liệu nội bộ của họ chứ không phải trên internet. Bài đăng của a16z trên Các nhà xây dựng nói gì khi họ nói về AI giải thích tại sao doanh nghiệp không thực sự cần thêm chatbot. Các công ty cần GPT có thể cung cấp cái nhìn sâu sắc một cách hiệu quả với độ chính xác và độ chính xác cao. Việc AI có thể tóm tắt Shakespeare hay không không quan trọng – điều quan trọng là liệu nó có thể dự đoán chính xác giá trị trọn đời của một khách hàng tiềm năng hay không.

Ali Ghodsi từ Databricks lưu ý rằng khách hàng của ông “muốn có những mẫu máy chuyên dụng rẻ hơn, nhỏ hơn và có độ chính xác cũng như hiệu suất thực sự cao”. Đối với những việc như sản xuất đòi hỏi độ chính xác cao, tốt hơn hết bạn nên đào tạo một mô hình nhỏ hơn trên tập dữ liệu chuyên biệt, dành riêng cho miền. Kết quả là mô hình thu được sẽ nhanh hơn, rẻ hơn và chính xác hơn. 

Với bộ dữ liệu toàn diện hơn, chúng tôi đang thấy cách các công ty có thể tạo nguyên mẫu phần mềm mới và lặp lại nhanh chóng. Chúng tôi sử dụng trí tuệ nhân tạo tại công ty của tôi để giúp tạo các trình kết nối nguyên mẫu hỗ trợ việc di chuyển dữ liệu từ các ứng dụng đám mây, cơ sở dữ liệu, dữ liệu truyền trực tuyến và ứng dụng doanh nghiệp, tất cả đều chảy vào kho dữ liệu hoặc hồ dữ liệu. Việc tạo trình kết nối cho các ứng dụng SaaS mới có thể gặp khó khăn khi nền tảng và lược đồ thay đổi quá nhanh. Bằng cách sử dụng GPT-4, chúng tôi đã có thể giúp khách hàng thiết lập và sử dụng trong khi chúng tôi thực hiện công việc lâu dài hơn nhằm tạo ra các trình kết nối mạnh mẽ, đầy đủ tính năng. 

Thông minh tức thời

Một trong những trường hợp sử dụng mà tôi thấy thú vị là cách GenAI đang được sử dụng để tìm kiếm và tóm tắt. Mọi công ty lớn đều có nhiều kho lưu trữ dữ liệu, từ Atlassian đến Slack, Sharepoint đến Teams hoặc Google Drive và Gmail. Hoặc kết hợp tất cả những điều trên. Và phần lớn, nguồn kiến ​​thức khổng lồ này của tổ chức vẫn chưa được khai thác. Điều đó sẽ sớm thay đổi khi các công ty nhận ra lợi thế cạnh tranh của việc khai thác dữ liệu này và tận dụng nó bằng AI. Thế hệ tăng cường truy xuất (RAG), cho phép LLM truy xuất dữ kiện từ các nguồn bên ngoài như tài liệu nội bộ hoặc internet, là một sự phát triển thú vị mà chúng tôi vẫn chưa tận dụng hết.

Cùng với các ứng dụng doanh nghiệp này, còn có các kho lưu trữ dành riêng cho từng miền, chẳng hạn như lịch sử giao dịch tại công ty tài chính hoặc các đơn đặt hàng bán lẻ và hồ sơ khách hàng cần được tích hợp trong tập dữ liệu đào tạo. Việc đào tạo LLM có thể giúp bạn dễ dàng đặt câu hỏi bằng tiếng Anh đơn giản để khám phá thông tin từ toàn bộ kho dữ liệu của tổ chức. Nhưng dữ liệu đó cần phải được sắp xếp và phân loại trước tiên để quá trình đào tạo có thể hiểu được tất cả và càng có nhiều dữ liệu thì kết quả đào tạo càng tốt. 

Vấn đề này đặc biệt khó khăn trong môi trường thu thập dữ liệu thay đổi, khi dữ liệu tài chính hoặc giao dịch được cập nhật liên tục và liên tục. Khi lược đồ dữ liệu thay đổi, dữ liệu có thể bị phân loại sai hoặc thậm chí bị mất vào ether. Nếu LLM định giúp tự động hóa mọi thứ, tạo ra ý tưởng sản phẩm mới hoặc đưa ra các khái niệm mới, thì nó cần phải được cập nhật. Thật không may, ngay từ đầu, nhiều công ty gặp khó khăn khi chỉ đưa dữ liệu vào một nơi.

AI nâng cao vai trò và tạo điều kiện hợp tác 

Trong một thời gian dài, nhu cầu về các kỹ sư phần mềm trình độ mới vào có thể viết mã cơ bản mà không cần tập trung vào bức tranh lớn hơn về kiến ​​trúc dữ liệu và các mẫu thiết kế, tích hợp với các nền tảng khác hoặc thiết kế một hệ thống để đạt hiệu suất tối đa.

Như Dylan Field từ Figma đã nói: “Những nhà thiết kế giỏi nhất đang bắt đầu nghĩ nhiều hơn về mã và những nhà phát triển giỏi nhất cũng đang nghĩ nhiều hơn về thiết kế”. GenAI đang cho phép những người này chuyển sang lĩnh vực truyền thống của nhau và gia tăng giá trị - điều đó sẽ giúp quá trình phát triển trở nên nhanh hơn rất nhiều. Trong khi đó, các nhà phát triển thông minh đang nghiên cứu các mẫu thiết kế hệ thống nhằm nỗ lực đưa bản thân lên vị trí cao hơn trong chuỗi giá trị.

Cuối cùng, sự kết hợp giữa AI tổng quát, mô hình ngôn ngữ lớn và học máy sẽ biến đổi hoạt động của doanh nghiệp. Từ phát triển phần mềm đến chiến lược tiếp thị, AI tổng quát sẽ có tác động đáng kể bằng cách tạo mã mới, tạo nguyên mẫu ý tưởng và phá vỡ rào cản giữa nhà thiết kế và lập trình viên – mà không để lộ dữ liệu độc quyền. Chìa khóa sẽ nằm ở việc cân bằng tính linh hoạt của AI với nền tảng thiết yếu là quản lý dữ liệu. Nếu chúng ta có thể giữ cho dữ liệu cơ bản được tập trung và tích hợp, chúng ta có thể khởi động kỷ nguyên công nghệ tiếp theo này để giúp mọi người làm việc hiệu quả hơn và doanh nghiệp hoạt động hiệu quả hơn.

tại chỗ_img

Tin tức mới nhất

tại chỗ_img

Bản quyền @ 2024 Plato Technologies Inc.