هوش مصنوعی مولد باعث اشتباهات پرهزینه برای خریداران سازمانی می شود

رئیس تحقیقات هوش مصنوعی گارتنر، اریک برتنوکس، از زمان راه‌اندازی ChatGPT در سال 2022، در موقعیتی عالی بود که شاهد افزایش علاقه‌های مولد هوش مصنوعی شرکت‌ها در سراسر جهان بود. -مادر پیر بالاخره می فهمد که او چه کار می کند.

او در واقع به روشی که از آن استفاده می‌کند بسیار خلاق بوده است [generative AI]او گفت.

با این حال، شرکت ها همیشه با درک کامل هوش مصنوعی مولد شروع نمی کنند. Brethenoux در صحبت با TechRepublic در Gartner IT Symposium/Xpo در استرالیا در ماه سپتامبر گفت که بازار در مورد این فناوری سردرگمی وجود دارد – تا حدی به دلیل زبان استفاده شده توسط فروشندگان است.

سوء تفاهم‌های رایج عبارتند از اینکه واقعاً هوش مصنوعی در مقایسه با هوش مصنوعی مولد چیست و چگونه عوامل هوش مصنوعی با مدل‌های هوش مصنوعی مولد تفاوت دارند. این باعث می شود که برخی از سازمان ها در روشی که به دنبال استفاده از فناوری برای موارد استفاده در تجارت خود هستند اشتباه کنند.

سردرگمی در مورد انواع مختلف هوش مصنوعی

افزایش ناگهانی علاقه و توجه رسانه ها به هوش مصنوعی مولد منجر به سردرگمی زیادی شده است، جایی که مردم هوش مصنوعی را به عنوان یک کل با قابلیت های هوش مصنوعی مولد برابر می دانند. برتنو تاکید کرد که هوش مصنوعی یک رشته بسیار گسترده‌تر است و کاربردهای مهم دیگری فراتر از هوش مصنوعی مولد دارد.

او توضیح داد: “هوش مصنوعی و هوش مصنوعی مولد یک چیز نیستند.” “آنها قابل تعویض نیستند.”

همانطور که Brethenoux توضیح داد، هوش مصنوعی مولد یک تمرین زیر چتر هوش مصنوعی است، در حالی که AI یک رشته بزرگ است که دارای تکنیک ها و شیوه های بسیاری از جمله هوش تصمیم گیری، علم داده و هوش مصنوعی مولد است.

ببینید: چرا Teradata فکر می کند پروژه های هوش مصنوعی مولد بدون درک خطر شکست می خورند؟

یک مثال از اصطلاحات گیج کننده بازار، استفاده گسترده از مخفف AI/ML در این زمینه است.

من از این مخفف متنفرم زیرا به این معنی است که هوش مصنوعی برابر با ML است. برتنوکس گفت که این درست نیست. تکنیک‌های هوش مصنوعی سیستم‌های مبتنی بر قانون، تکنیک‌های بهینه‌سازی، فناوری‌های نمودار، مکانیسم‌های جستجو، فناوری محیط هستند. انواع تکنیک های هوش مصنوعی وجود دارد که برای همیشه، در پنج دهه گذشته وجود داشته است.

هوش مصنوعی مولد تنها در 5 درصد موارد استفاده تولیدی استفاده می شود

Brethenoux گفت که در حال حاضر، هوش مصنوعی مولد تنها بخش کوچکی از هوش مصنوعی در تولید را به خود اختصاص می دهد.

او توضیح داد: «این 90 درصد از امواج رادیویی و 5 درصد از موارد استفاده است.

اساساً این چیزی است که من امروز در تولید می بینم. البته، اگر تعداد خلبانانی را که در آنجا هستند بشمارید و بگویید که این هوش مصنوعی مولد است، اکنون تعداد آنها بسیار بیشتر است. اما تا زمانی که من بازگشت سرمایه را در این نوع برنامه مشاهده نکنم، برای من واقعاً مورد استفاده نیست. این فقط یک ویژگی است.»

در همین حال، Brethenoux خاطرنشان کرد که سایر فناوری‌های هوش مصنوعی همچنان در موارد مختلف استفاده می‌شوند.

بقیه هوش مصنوعی؟ خب، به همین دلیل است که هواپیماها به موقع می‌رسند، زیرا شما از تکنیک‌های بهینه‌سازی برای هماهنگ کردن همه این خدمه و مسافران و هواپیماها و فرودگاه‌ها و دروازه‌ها و همه چیز استفاده می‌کنید. و موفق باشید بدون هوش مصنوعی این کار را انجام دهید. همه این سیستم ها کار می کنند زیرا هوش مصنوعی امروز پس زمینه است.

عوامل هوش مصنوعی با مدل های هوش مصنوعی ثابت اشتباه گرفته می شوند

گارتنر هوش مصنوعی عاملی را به عنوان یک مورد تاکید کرد روند کلیدی فناوری استراتژیک برای تماشا در سال 2025. با این حال، Brethenoux گفت که مشتریان باید از سردرگمی در مورد اینکه یک عامل هوش مصنوعی واقعا چیست، اجتناب کنند، به خصوص زمانی که «فروشندگان در گیج کردن مشتریان ما بسیار خوب هستند» با گفتن اینکه مدل‌های هوش مصنوعی و عوامل هوش مصنوعی یکسان هستند.

او گفت: «آنها از یک چیز دور هستند. “در واقع، بسیار مضر است که آنها را در یک جمله قرار دهیم.”

برتنو افزود که:

• یک عامل هوش مصنوعی یک موجود نرم افزاری فعال است که وظایفی را از طرف شخصی یا چیزی انجام می دهد و اغلب به طور مستقل عمل می کند.
• یک مدل هوش مصنوعی یک موجودیت غیرفعال است که توسط یک الگوریتم و مجموعه ای از داده ها ایجاد می شود. در حالی که یک نماینده می تواند از مدل ها برای انجام وظایف خود استفاده کند، آنها یکسان نیستند.

ببینید: 9 مورد استفاده نوآورانه از هوش مصنوعی در مشاغل استرالیا در سال 2024

او توضیح داد: «من فکر می‌کنم سردرگمی ناشی از ترکیب ساختن یک سیستم پویا است که چیزی را انجام می‌دهد، و ساخت مجموعه و کتابخانه‌ای از دارایی‌های ثابت که می‌توان از آنها بهره‌برداری کرد، اما کار خاصی انجام نمی‌دهند. آنها فقط آنجا می نشینند تا زمانی که شما از آنها استفاده کنید. نمایندگان می توانند از آنها استفاده کنند، اما آنها یک چیز نیستند.”

سردرگمی هوش مصنوعی باعث ایجاد اشتباهات پرهزینه برای سازمان ها می شود

برتنو گفت که سازمان‌ها را دیده است که «اشتباه‌های بزرگ و پرهزینه‌ای مرتکب می‌شوند» در نتیجه درک نادرست هوش مصنوعی. برخی از سازمان‌ها هنگامی که یک مدل هوش مصنوعی ثابت را بدون داشتن زیرساخت مناسب برای پویا کردن آن اعمال می‌کنند، دچار مشکل می‌شوند، که باعث تاخیرهای گران قیمت و سایر مشکلات در تولید می‌شود.

Brethenoux گفت برخی از سردرگمی ها در سمپوزیوم گارتنر مشهود بود، “من فقط با یک آقایی صحبت کردم، که به من می گفت: “ما می خواهیم از هوش مصنوعی مولد برای این کار استفاده کنیم.” و من گفتم، “خب، کاری که شما می‌خواهید انجام دهید را می‌توان با تکنیک گراف به روشی بسیار ساده‌تر، بسیار ارزان‌تر و بسیار سریع‌تر حل کرد.”

“توقف” هوش مصنوعی با تمرکز بر عملیاتی کردن هوش مصنوعی به پایان رسید

پس از راه‌اندازی ChatGPT، حوزه هوش مصنوعی با سرسختی وارد دوره کاوش در مدل‌های هوش مصنوعی مولد شد. این نشان دهنده تغییری نسبت به تمرکز قبلی بر عملیاتی کردن هوش مصنوعی و مدیریت بدهی های فنی مرتبط با استقرار سیستم های هوش مصنوعی در مقیاس بود، که Brethenoux آن را مهندسی هوش مصنوعی نامید.

از ژانویه 2024، Brethenoux گفت که سازمان‌ها از این “تعطیل” بازگشته‌اند و مهندسی هوش مصنوعی را دوباره در اولویت اصلی خود قرار داده‌اند، زیرا تلاش می‌کنند به طور موثر قابلیت‌های مولد هوش مصنوعی جدید را پیاده‌سازی کنند.

از ژانویه 2024، از منظر تحقیق برای ما ناگهانی بود. تعطیلات تمام شد و دوباره به اتاق مدرسه برگشت.» او توضیح داد. “این بود، “چگونه آن چیزهای لعنتی را کار کنیم؟”، “هزینه آنها چقدر است؟”، “آیا واقعا مفید هستند؟”، و “در کجا از آنها استفاده کنیم؟” مهندسی هوش مصنوعی بازگشته است.”