Sponsoroitu ominaisuus Tekoäly (AI) on hallinnut viime aikoina yritys- ja teknologiaotsikoita. Et voi tarkistaa uutissivustoa näkemättä tarinaa siitä, kuinka tekoäly on valmis muuttamaan liiketoimintaamme.

Luonnollisesti lähes jokainen yritys on innokas aloittamaan tai edistämään matkaansa tekoälyyn, mutta useimmat eivät tiedä miten edetä.

Tekoälyllä on jo suuri vaikutus nykyaikaiseen liiketoimintaan. Itse asiassa keräämien tilastojen mukaan AuthorityHacker, 35 prosenttia yrityksistä on ottanut tekoälyn käyttöön, 77 prosenttia laitteista käyttää jotakin tekoälyä, ja yhdeksän kymmenestä organisaatiosta tukee tekoälyn käyttöä kilpailuedun saavuttamiseksi. Myöhemmin tekoälyn odotetaan lisäävän maailmantaloutta 10 biljoonaa dollaria vuoteen 15.7 mennessä. Ja kuten minkä tahansa uuden teknologian kanssa, työpaikkoja menetetään ja työpaikkoja lisätään. Tekoäly voisi mahdollisesti poistaa 2030 miljoonaa työpaikkaa vuoteen 85 mennessä, mutta toisaalta se voisi myös luoda 2025 miljoonaa uutta työpaikkaa.

Yritykset, jotka haluavat joko ottaa tekoälyn käyttöön ensimmäistä kertaa tai laajentaa sen nykyistä käyttöä, kohtaavat useita haasteita sekä henkilöstö- että teknologiapuolella. Teknologiaan liittyy myös sääntelyyn liittyviä ja eettisiä huolenaiheita. Ja koska tekoälyjärjestelmiä ruokkivat data, yritykset kohtaavat väistämättä huolta tekoälyalgoritmeihin syöttämiensa tietojen laadun, merkityksen ja saatavuuden varmistamisesta. Tietojen tarkkojen, ajantasaisten ja mahdollisimman kattavien tietojen varmistaminen on todennäköisesti pysyvä haaste. Sama pätee tarvittavien laitteistojen, infrastruktuurin ja energiahuollon monimutkaisuuden ja niihin liittyvien kustannusten käsittelyyn.

Haasteiden voittaminen saadaksesi palkinnot

Matt Armstrong-Barnes, HPE:n tekoälyteknologian pääteknologi, uskoo, että organisaatiot tekevät usein sen virheen lähestyessään tekoälyä ilman strategista suunnitelmaa. "He käyttävät tekniikkaa liian nopeasti. Heillä ei ole yhteistä strategiaa”, hän sanoo. "Ne luovat mielenkiintoisia tiedeprojekteja, mutta ne eivät lisää liikearvoa".

Ensinnäkin yritysten on kehitettävä tekoälystrategia, joka tunnistaa ja priorisoi käyttötapaukset ja varmistaa, että ne käsittelevät todellisia ongelmia eivätkä vain rakenna jotain, joka elää ja kuolee laboratoriossa. Tämän prosessin ympärillä on tietysti käytännön kysymyksiä: "Kuinka aiot rakentaa nämä tekoälyalustat? Miten aiot valvoa niitä?" Armstrong-Barnes kysyy. ”Miten varmistat, että ne toimivat edelleen tehokkaasti? Kuinka aiot ymmärtää, että olet saavuttanut etuja, joita luulit heidän saavuttavan? Kuinka jaatte budjetin aloitteiden rahoittamiseen oikein?"

Ei ole epäilystäkään siitä, että oikeiden kysymysten esittäminen ja vankan suunnitelman laatiminen voivat auttaa vähentämään tekoälyn etujen ymmärtämiseen kuluvaa aikaa. Mutta minkä tahansa tekoälyjärjestelmän saaminen kokeellisesta mallista todelliseksi toimivaksi malliksi on myös suuri haaste. "Suurimmat haasteet liittyvät "operaatioon", jonka avulla saat tekoälyjärjestelmän alkutietojen keräämisestä mallin rakentamiseen ja tuotantokäyttöön", Armstrong-Barnes selittää.

Ja on tärkeää varmistaa, että työntekijöillä on oikeat taidot. Tärkeintä on houkutella ja pitää henkilöstöä oikeilla ominaisuuksilla tai kumppanuus organisaation kanssa, joka voi tarjota tätä asiantuntemusta. "On edelleen paljon väärinkäsityksiä siitä, mitä teknologia voi tehdä, joten koulutus ei vain lisää taitoja, se myös lisää sisäänostoa", hän lisää.

Yksi lähestymistapa, jota yritykset voivat omaksua ratkaistakseen joitain osaamis- ja infrastruktuuriongelmia, on etsiä kumppanuuksia, hän neuvoo: ”Voit tehdä yhteistyötä tuodaksesi nämä taidot; kumppani infrastruktuurin, alustan ja mallipalvelujen käyttöön."

Tekoälyn alkuperäisessä arkkitehtuurissa on monia kerroksia. Tekoälyinfrastruktuurin palvelukomponentit voivat sisältää esimerkiksi GPU:ita ja kiihdyttimiä sekä laskenta-, tallennus- ja verkkoelementtejä, säiliöitä ja virtuaalikoneita ja tekoälykirjastoja. Samoin AI-alustan palvelut voivat sisältää ML-sovelluksia sekä data-, kehitys- ja käyttöönottopalveluita. Ja älkäämme unohtako mallipalveluita, joihin kuuluvat perusmallit, hienosäädöt, vektorivarastot ja kehotukset, sekä tekoälyn yrityspalvelut, jotka on suunniteltu edistämään luotettavuutta poistamalla harhaa ja ajautumista arvokkaiden käyttötapausten esittelyyn.

HPE on jo rakentanut vankan ihmiskeskeisen viitekehyksen, jota voidaan soveltaa asiakkaiden tarpeisiin keskittyen yksityisyyteen, osallisuutta ja vastuuta, yhtiö sanoo.

"Tämä tarkoittaa, että voit keskittyä dataan ja liiketoimintaongelmiin", Armstrong-Barnes sanoo.

Kaikki riippuu tiedoista

Keskittyminen tietoihin, kun suunnittelet ja otat käyttöön tekoälyjärjestelmiä, voi olla kriittistä. Tietojen tsunami iskee organisaatioihin joka ikinen päivä. Tekoäly antaa heille mahdollisuuden löytää tiedosta piilotettuja kuvioita, mikä auttaa nopeuttamaan heidän kykyään saada niistä arvoa. Sitten he voivat tehdä huomattavasti paremmin tietoisia päätöksiä sovelluksista, prosesseista ja palveluista, joita he haluavat rakentaa tai parantaa.

Tämän datakeskeisen painopisteen tärkeä osatekijä on vankka strategia tietojen keräämiseksi, hallintaan ja seurantaan – strategia, joka liittyy tiiviisti liiketoimintaan, rakentaa tietokulttuuria ja sisältää elementtejä, jotka liittyvät hallintoon, tiedon laatuun, yksityisyys ja metatiedot, sanoo HPE.

"Sinun on ymmärrettävä, mitä yritys yrittää tehdä", Armstrong-Barnes selittää. "Sinun on ymmärrettävä, miten ohjaat tietojen laatua, kuka on käyttänyt niitä, miten hävität ne ja mitä metatietoja tallennat."

Toinen datan aiheuttama ongelma ovat siilot. Kun tiedot on lukittu, niiden poimiminen ja arvon saaminen voi olla ongelmallista. Ja kun nämä tiedot ovat saatavilla ja saatavilla, tulee kysymys AI-alustoille tiedottavien tietojen kouluttamisesta. Tekoälyjärjestelmien rakentamisessa korkealla tasolla on useita vaiheita: tiedon kerääminen; tietojen jalostaminen mallin rakentamista varten; mallien rakentaminen; mallien viritys; ja sitten ottaa ne käyttöön. Jokainen näistä vaiheista sisältää erityisiä haasteita.

Mutta HPE Greenlaken tekoälyn alkuperäisen arkkitehtuurin käyttäminen voi olla pitkä tie oikean perustan luomisessa näiden prosessien nopeuttamiseksi, HPE sanoo. Ja yrityksen koneoppimiskehitysympäristö (MLDE) on myös suunniteltu auttamaan vähentämään koneoppimismallin kehittämisen monimutkaisuutta ja kustannuksia.

Näiden tekoälymallien kouluttaminen vaatii myös huomattavaa prosessointitehoa. Kun yritykset siirtyvät ottamaan tekoälyn käyttöön tai lisäämään niiden käyttöä, niillä on ensin oltava tekninen kapasiteetti käsitellä kuormaa. HPE GreenLake -alusta voi tarjota sen kapasiteetin tehokkaan prosessointiarkkitehtuurin ja virtaviivaistetun dataputken muodossa, jonka organisaatiot tarvitsevat varmistaakseen pääsyn korkealaatuiseen ja asiaankuuluvaan dataan tekoälymallien ja työkuormien rakentamiseksi ja käyttöönottamiseksi.

Onnistuneet projektit voivat valaista tietä

Usein on hyödyllistä katsoa ohjeita yrityksiltä, ​​jotka ovat jo tehneet hyvää työtä tekoälyn käyttöönotossa ja käyttöönotossa. Yksi näistä on Seattlessa, WA:ssa toimiva e-urheilutiimi Evil Geniuses. Koko 25-vuotisen historiansa aikana yritys on osallistunut erilaisiin e-urheilujoukkueisiin, jotka ovat pelanneet Call of Duty-, Fortnite-, Halo-, Rocket League- ja VALROANT-peleissä. Evil Geniusten tiimit ovat menestyneet melko hyvin. Yrityksen Call of Duty: WWII -tiimi voitti esimerkiksi vuoden 2018 Call of Duty Championshipin ja VALORANT-tiimi voitti vuoden 2023 VALORANT Champions -mestaruuden.

"Olemme täällä muuttaaksemme pelaamisen ilmettä", sanoo Chris DeAppolonio, Evil Geniusin toimitusjohtaja. ”Olemme e-urheilu- ja peliviihdeorganisaatio. Pelaamme pelejä ammattimaisesti kaikkialla maailmassa. Teknologia ja data ovat kaiken toimintamme selkäranka. Pelimme on rakennettu ykkösten ja nollien varaan. Ne perustuvat dataan, ja miten käsittelemme sen ja luomme siitä oivalluksia?"

Yksi Evil Geniusin kiireellisimmistä huolenaiheista on potentiaalisten ammattipelaajien tunnistaminen. Yritys käsittelee suuria määriä monimutkaista tietoa löytääkseen kykyjä eri puolilta maailmaa, ja . "Haluamme löytää tietoa tulevasta ammattilaisesta", hän sanoo. Ja näyttää toimivan. "Haluamme voittaa. Haluamme löytää parempia kykyjä. Haluamme olla tehokkaampia valmentajien ja partiolaisten kanssa. Voimme käyttää oivalluksia seuraavan supertähden kaivaa esiin."

Tekoälyn tulevaisuus – sekä tuottavuuden että liiketoiminnan hyödyn näkökulmasta – näyttää lupaavalta. "Tekoäly on joukkuelaji, siinä on kyse taidoista", sanoo HPE:n Armstrong-Barnes. ”Tekoälyjärjestelmien onnistuneessa käyttöönotossa yksi lähestymistapa on tehdä yhteistyötä sellaisen organisaation kanssa, jolla on kokemusta skaalautuvien, tehokkaiden ja vaikuttavien tekoälyjärjestelmien rakentamisesta. HPE:llä on syvä perintö tekoälyssä vuosikymmeniä taaksepäin, ja se tarjoaa työkalut, tekniikat ja taidot nopeuttaa tekoälyaloitteita."

Tietopohjaisuus ja tietojen täydellinen ymmärtäminen ja käyttötarkoitus auttaa organisaatiota ottamaan käyttötapauskeskeisen lähestymistavan tunnistaakseen, kuinka se voi yhdistää tietonsa tekoälytekniikoihin liiketoiminnan arvon kasvattamiseksi. Kun tämä ymmärrys on olemassa, on helpompi rakentaa etuja.  

Armstrong-Barnes neuvoo yrityksiä rakentamaan alustat, jotka antavat niille mahdollisuuden aloittaa pienestä, mutta joilla on kaikki perusta, jotta ne voivat tarvittaessa laajentaa toimintaansa. Sitten heidän on vain selvitettävä, mitä he haluavat tehdä ja miten se tuo lisäarvoa, ja kasvaa tarpeidensa mukaan ajan myötä. HPE korostaa kykyään rakentaa "AI-tehtaita", joissa yhdistyvät laitteistot, ohjelmistot ja palvelut, jotka tarjoavat yrityksen skaalautuvuuden ja joita tukevat integroidut järjestelmät, jotka helpottavat loppukäyttäjien elämää.

"Haluat pysyä kilpailijoiden mukana jo tekoälymatkalla", hän sanoo. "Kumppanien lisääminen Team AI:hen on kriittinen menestystekijä luotaessa AI-natiiviarkkitehtuuria, joka skaalautuu tarpeisiisi ja antaa sinun keskittyä tietoihin ja liiketoiminnan haasteisiin taustalla olevien perusteiden monimutkaisuuden sijaan."

Sponsorina HPE.

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
• PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
• PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
• PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
• Lähde: https://go.theregister.com/feed/www.theregister.com/2024/04/18/getting_on_board_with_ai/