Koks yra didžiųjų technologijų bendrovių vaidmuo dirbtiniame intelekte?

Koks yra didžiųjų technologijų bendrovių vaidmuo dirbtiniame intelekte?

Trumpas atsakymas: didžiosios technologijų įmonės yra svarbios dirbtinio intelekto srityje, nes jos kontroliuoja nepatrauklius esminius dalykus – skaičiavimą, debesijos platformas, įrenginius, programėlių parduotuves ir įmonės įrankius. Ši kontrolė leidžia joms finansuoti pažangius modelius ir greitai tiekti funkcijas milijardams vartotojų. Jei valdymas, privatumo kontrolė ir sąveikumas yra silpni, tas pats svertas virsta pririšimu ir galios koncentracija.

Svarbiausios išvados:

Infrastruktūra: Debesijos, lustų ir MLOp valdymas laikomas pagrindiniu dirbtinio intelekto užtvaru.

Platinimas: Tikėkitės platformos atnaujinimų, kurie apibrėš, ką „DI“ reiškia daugumai vartotojų.

Vartų apsauga: programėlių parduotuvės taisyklės ir API sąlygos tyliai nustato, kurios dirbtinio intelekto funkcijos bus teikiamos.

Vartotojo kontrolė: reikalaukite aiškių atsisakymo sąlygų, patvarių nustatymų ir veikiančių administratoriaus valdiklių.

Atskaitomybė: Reikalauti audito žurnalų, skaidrumo ir apeliacijų būdų žalingų rezultatų atveju.

Koks yra didžiųjų technologijų bendrovių vaidmuo dirbtiniame intelekte? Infografika

🔗 Dirbtinio intelekto ateitis: tendencijos ir kas toliau
Per ateinantį dešimtmetį keisis pagrindinės inovacijos, rizikos ir pramonės šakos.

🔗 Pagrindiniai generatyvinio dirbtinio intelekto modeliai: paprastas vadovas
Supraskite, kaip pamatiniai modeliai įgalina šiuolaikines generatyvinio dirbtinio intelekto programas.

🔗 Kas yra dirbtinio intelekto įmonė ir kaip ji veikia
Sužinokite apie savybes, komandas ir produktus, kurie apibrėžia dirbtiniu intelektu pagrįstą verslą.

🔗 Kaip dirbtinio intelekto kodas atrodo tikruose projektuose
Žr. dirbtiniu intelektu pagrįstų kodo šablonų, įrankių ir darbo eigų pavyzdžius.

Susitaikykime su tuo sekundėlę – dauguma „pokalbių apie dirbtinį intelektą“ praslysta pro nepatrauklias dalis, tokias kaip skaičiavimas, paskirstymas, pirkimas, atitiktis ir nepatogi realybė, kad kažkas turi mokėti už GPU ir elektrą. Didžiosios technologijų kompanijos ir gyvena tose nepatraukliose dalyse. Būtent todėl tai taip svarbu. 😅 ( TEA – energetika ir dirbtinis intelektas , NVIDIA – dirbtinio intelekto išvadų platformų apžvalga )

Didelės technologijų įmonės dirbtinio intelekto vaidmuo paprastais žodžiais tariant 🧩

Kai žmonės sako „didžiosios technologijų įmonės“, jie paprastai turi omenyje milžiniškas platformų bendroves, kurios kontroliuoja pagrindinius šiuolaikinių kompiuterinių technologijų sluoksnius:

Taigi, vaidmuo nėra tik „jie kuria dirbtinį intelektą“. Greičiau tai panašu į tai, kad jie tiesia greitkelius, parduoda automobilius, valdo kelių rinkliavų punktus ir dar nusprendžia, kur yra išvažiavimai. Šiek tiek perdėta... bet nedaug.

Didžiųjų technologijų bendrovių vaidmuo dirbtiniame intelekte: penkios svarbiausios darbo vietos 🏗️

Jei norite švaraus mentalinio modelio, didžiosios technologijų įmonės dirbtinio intelekto pasaulyje paprastai atlieka penkis sutampančius darbus:

  1. Infrastruktūros teikėjas
    Duomenų centrai, debesija, tinklai, saugumas, MLOps įrankiai. Dalykai, kurie leidžia dirbtinį intelektą (DI) naudoti dideliu mastu. ( „Amazon SageMaker“ DI dokumentai , IEA – energetika ir DI )

  2. Modelių kūrimo priemonė ir tyrimų variklis.
    Ne visada, bet dažnai – laboratorijos, vidiniai moksliniai tyrimai ir plėtra, taikomieji tyrimai ir „produktizuotas mokslas“. ( Neuroninių kalbų modelių mastelio dėsniai (arXiv) , skaičiavimui optimalių didelių kalbų modelių mokymas (Chinchilla) (arXiv) ).

  3. Platintojas
    Jie gali įdiegti dirbtinį intelektą paieškos laukeliuose, telefonuose, el. pašto programose, reklamos sistemose ir darbo vietos įrankiuose. Platinimas yra supergalia.

  4. Vartininkas ir taisyklių kūrėjas.
    Programėlių parduotuvės politika, platformos taisyklės, API sąlygos, turinio moderavimas, saugos vartai, įmonės kontrolė. ( „Apple“ programėlių peržiūros gairės , „Google Play“ duomenų saugumas ).

  5. Kapitalo paskirstytojas
    Jie finansuoja, įsigyja, bendradarbiauja, inkubuoja. Jie formuoja tai, kas išlieka.

Toks yra didžiųjų technologijų bendrovių vaidmuo dirbtinio intelekto srityje funkcine prasme: jos sukuria sąlygas dirbtiniam intelektui egzistuoti, o tada nusprendžia, kaip jis jus pasieks.

Kas daro didžiųjų technologijų bendrovių dirbtinio intelekto vaidmenį gerą ✅😬

„Gera didžiųjų technologijų versija“ dirbtinio intelekto srityje nėra tobulumas. Tai susiję su atsakingai atliekamais kompromisais, kuriuose kitiems pasitaiko mažiau netikėtų klaidų.

Štai kuo „naudingo milžino“ įvaizdis skiriasi nuo „oho, monopolio“ įvaizdžio:

  • Skaidrumas be žargono pertekliaus.
    Aiškus dirbtinio intelekto funkcijų, apribojimų ir naudojamų duomenų ženklinimas. Ne 40 puslapių politikos labirintas. ( NIST AI RMF 1.0 , ISO/IEC 42001:2023 ).

  • Tikras naudotojo valdymas.
    Veikiantys atsisakymai, privatumo nustatymai, kurie neatstatomi paslaptingai, ir administratoriaus valdikliai, kurie nėra lobių medžioklė. ( BDAR – Reglamentas (ES) 2016/679 )

  • Sąveikumas ir atvirumas – kartais
    Ne viskas turi būti atvirojo kodo, bet visų pririšimas prie vieno tiekėjo visam laikui yra... pasirinkimas.

  • Saugumas su dantukais.
    Piktnaudžiavimo stebėjimas, raudonų komandų taikymas, turinio kontrolė ir noras blokuoti akivaizdžiai rizikingus naudojimo atvejus. ( NIST AI RMF 1.0 , NIST GenAI profilis (AI RMF pagalbinis elementas) ).

  • Sveikos ekosistemos.
    Parama startuoliams, partneriams, tyrėjams ir atviriems standartams, kad inovacijos netaptų „platformos nuoma arba išnykimas“. ( EBPO dirbtinio intelekto principai ).

Pasakysiu tiesiai šviesiai: „geroji versija“ atrodo kaip patikima komunalinė paslauga su stipriu produkto skoniu. Blogoji versija – kaip kazino, kuriame taisykles taip pat kuria kazino. 🎰

Palyginimo lentelė: pagrindinės didžiųjų technologijų įmonių „dirbtinio intelekto linijos“ ir kodėl jos veikia 📊

Įrankis (juosta) Auditorija Kaina Kodėl tai veikia
Debesų DI platformos Įmonės, startuoliai pagal naudojimą Lengvas mastelio keitimas, viena sąskaita faktūra, daug rankenėlių (per daug rankenėlių)
„Frontier Model“ API Kūrėjai, produktų komandos mokėti už žetoną / pakopinis Greita integracija, gera pradinė kokybė, jaučiuosi kaip sukčiaujant 😅
Įrenginyje integruotas dirbtinis intelektas Vartotojai, prosumerai supakuota Mažas delsos laikas, kartais nepažeidžia privatumo, veikia beveik neprisijungus
Produktyvumo paketo dirbtinis intelektas Biuro komandos priedas vienai vietai Gyvena kasdieniuose darbo procesuose – dokumentuose, pašte, susitikimuose, visame krūvyje
Skelbimai + Taikymo dirbtinis intelektas Rinkodaros specialistai Išlaidų procentinė dalis Dideli duomenys + paskirstymas = efektyvu, bet kartu ir šiek tiek baisu 👀
Saugumas ir atitiktis Dirbtinis intelektas Reguliuojamos pramonės šakos priemoka Parduoda „ramybę“ – net jei tai tik mažiau įspėjimų
Dirbtinio intelekto lustai + greitintuvai Visi prieš srovę daug kapitalo išlaidų Jei turite kastuvus, laimite aukso karštligę (gremėzdiška metafora, vis dar teisinga)
Atviros ekosistemos vaidinimai Statytojai, tyrėjai nemokami + mokami lygiai Bendruomenės pagreitis, greitesnė iteracija, kartais nevaldomas linksmumas

Mažas prisipažinimas prie stalo keistenybių: „laisvas“ ten atlieka daug darbo. Laisvas, kol nebėra... žinote, kaip būna.

Iš arti: infrastruktūros užstrigimo taškas (skaičiavimas, debesija, lustai) 🧱⚙️

Apie šią dalį dauguma žmonių nenori kalbėti, nes ji nėra žavinga. Tačiau tai yra dirbtinio intelekto stuburas.

Didžiosios technologijų įmonės daro įtaką dirbtiniam intelektui kontroliuodamos:

Jei kada nors bandėte diegti dirbtinio intelekto sistemą realioje įmonėje, jau žinote, kad „modelis“ yra lengviausia dalis. Sunkiausia dalis yra: leidimai, registravimas, prieiga prie duomenų, išlaidų kontrolė, veikimo laikas, reagavimas į incidentus... suaugusiųjų dalykai. 😵💫

Kadangi didžiosioms technologijų įmonėms priklauso tiek daug šios srities, jos gali nustatyti numatytuosius modelius:

  • Kokie įrankiai tampa standartiniais

  • Kurie karkasai gauna aukščiausios klasės palaikymą?

  • Kuriai aparatinei įrangai teikiama pirmenybė

  • Kurie kainodaros modeliai tampa „normalūs“?

Tai ne automatiškai blogis. Bet tai galia.

Stambus planas: modelio tyrimas ir produkto realybė 🧪➡️🛠️

Štai įtampa: didžiosios technologijų kompanijos gali finansuoti išsamius tyrimus ir joms taip pat reikia ketvirtinių produktų pergalių. Šis derinys lemia nuostabius proveržius ir... abejotinus funkcijų pristatymus.

Didelės technologijų įmonės paprastai skatina dirbtinio intelekto pažangą šiais būdais:

Tačiau produkto slėgis keičia situaciją:

  • Greitis nugali eleganciją

  • Pristatymo pratimai paaiškinami

  • „Pakankamai gerai“ pranoksta „visiškai suprastas“

Kartais tai gerai. Daugumai vartotojų nereikia teorinio grynumo, jiems reikia naudingo asistento jų darbo eigoje. Tačiau kyla rizika, kad „pakankamai gerai“ bus panaudota jautriose situacijose (sveikatos apsauga, įdarbinimas, finansai, švietimas), kur „pakankamai gerai“... yra nepakankamai gerai. ( ES Dirbtinio intelekto įstatymas – Reglamentas (ES) 2024/1689 )

Tai yra didžiųjų technologijų bendrovių vaidmens dirbtinio intelekto srityje dalis – pažangiausių galimybių pavertimas masinės rinkos funkcijomis, net kai kraštai vis dar ryškūs. 🔪

Stambus planas: platinimas yra tikroji supergalia 🚀📣

Jei galite įdiegti dirbtinį intelektą ten, kur žmonės jau gyvena skaitmeniniu būdu, jums nereikės „įtikinti“ vartotojų. Jūs tiesiog tapsite numatytuoju.

Didelės technologijų įmonės platinimo kanalai apima:

Štai kodėl mažesnės dirbtinio intelekto įmonės dažnai bendradarbiauja su didžiosiomis technologijų kompanijomis, net jei dėl to nerimauja. Platinimas yra deguonis. Be jo galite turėti geriausią modelį pasaulyje ir vis tiek šaukti į tuštumą.

Taip pat yra subtilus šalutinis poveikis: platinimas formuoja tai, ką „DI“ apskritai reiškia visuomenei. Jei DI daugiausia pateikiama kaip rašymo pagalbininkas, žmonės mano, kad DI skirta rašymui. Jei ji pateikiama kaip nuotraukų redagavimas, žmonės mano, kad DI skirta vaizdams. Platforma lemia atmosferą.

Stambus planas: duomenys, privatumas ir pasitikėjimo sandoris 🔐🧠

Dirbtinio intelekto sistemos dažnai tampa efektyvesnės, kai yra suasmenintos. Suasmeninimui dažnai reikia duomenų. O duomenys sukuria riziką. Šis trikampis niekada nedingsta.

Didelės technologijų įmonės sėdi ant:

  • Vartotojų elgsenos duomenys (paieškos, paspaudimai, nuostatos)

  • Įmonės duomenys (el. laiškai, dokumentai, pokalbiai, užklausos, darbo eigos)

  • Platformos duomenys (programėlės, mokėjimai, tapatybės signalai)

  • Įrenginio duomenys (vieta, jutikliai, nuotraukos, balso įvestys)

Net kai „neapdoroti duomenys“ nėra naudojami tiesiogiai, aplinkinė ekosistema formuoja mokymą, tikslinimą, vertinimą ir produkto kryptį.

Pasitikėjimo sandoris paprastai atrodo taip:

  • Vartotojai sutinka su duomenų rinkimu, nes produktas yra patogus 🧃

  • Reguliuotojai spaudžia, kai pasidaro keista 👀 ( BDAR – Reglamentas (ES) 2016/679 )

  • Įmonės reaguoja taikydamos kontrolės priemones, politiką ir žinutes „pirmiausia – privatumas“

  • Visi ginčijasi, ką reiškia „privatumas“

Praktinė nykščio taisyklė, kurią mačiau veikiančią: jei įmonė gali paaiškinti savo dirbtinio intelekto duomenų tvarkymo praktiką per vieną pokalbį, nesislėpdama už teisinės kalbos, jai paprastai sekasi geriau nei vidutiniškai. Ne tobulai – tiesiog geriau.

Stambus planas: valdymas, saugumas ir tylus įtakos žaidimas 🧯📜

Tai mažiau matomas vaidmuo: didžiosios technologijų įmonės dažnai padeda apibrėžti taisykles, kurių laikosi visi kiti.

Jie formuoja valdymą per:

Kartais tai išties naudinga. Didžiosios technologijų įmonės gali investuoti į saugos komandas, pasitikėjimo įrankius, piktnaudžiavimo aptikimą ir atitikties infrastruktūrą, kurios mažesni žaidėjai negali sau leisti.

Kartais tai savanaudiška. Saugumas gali tapti grioviu, kurio laikytis gali „saugiai“ tik didžiausi žaidėjai. Tai yra užburtas ratas: saugumas yra būtinas, tačiau brangus saugumas gali netyčia sustabdyti konkurenciją. ( ES Dirbtinio intelekto įstatymas – Reglamentas (ES) 2024/1689 )

Čia svarbūs niuansai. Ir ne linksmi, o erzinantys. 😬

Stambus planas: konkurencija, atviros ekosistemos ir startuolių gravitacija 🧲🌱

Didelės technologijų įmonės vaidmuo dirbtinio intelekto srityje taip pat apima rinkos formos formavimą:

  • Įsigijimai (talentų, technologijų, platinimo)

  • Partnerystės (debesyse talpinami modeliai, bendros įmonės sandoriai)

  • Ekosistemų finansavimas (kreditai, inkubatoriai, prekyvietės)

  • Atviri įrankiai (frameworkai, bibliotekos, „atviros“ versijos)

Stebėjau kartojamą modelį:

  1. Startuoliai sparčiai kuria inovacijas

  2. Didelės technologijų įmonės integruoja arba kopijuoja sėkmingą modelį

  3. Startuoliai orientuojasi į nišas arba tampa įsigijimų taikiniais

  4. „Platformos sluoksnis“ sustorėja

Tai nebūtinai blogai. Platformos gali sumažinti trintį ir padaryti dirbtinį intelektą prieinamesnį. Tačiau jos taip pat gali sumažinti įvairovę. Jei kiekvienas produktas tampa „tų pačių kelių API apvalkalu“, inovacijos pradeda atrodyti kaip baldų perstatymas tame pačiame bute.

Truputis netvarkingos konkurencijos yra sveika. Kaip ir raugo tešlos raugas. Jei viską sterilizuoji, tai nustoja kilti. Ši metafora yra šiek tiek netobula, bet aš jos laikausi. 🍞

Gyvenu ir su jauduliu, ir atsargumu 😄😟

Abu jausmai dera. Jaudulys ir atsargumas gali būti toje pačioje erdvėje.

Priežastys jaudintis:

  • Greitesnis naudingų įrankių diegimas

  • Geresnė infrastruktūra ir patikimumas

  • Mažesnė kliūtis įmonėms diegti dirbtinį intelektą

  • Daugiau investicijų į saugumą ir standartizavimas ( NIST AI RMF 1.0 , OECD AI principai )

Priežastys, dėl kurių reikia būti atsargiems:

Realistiška pozicija yra tokia: didžiosios technologijų įmonės gali paspartinti dirbtinio intelekto plėtrą pasaulyje ir kartu sutelkti galią. Šie teiginiai gali būti teisingi tuo pačiu metu. Žmonėms šis atsakymas nepatinka, nes jam trūksta aštrumo, tačiau jis atitinka įrodymus.

Praktiniai patarimai skirtingiems skaitytojams 🎯

Jei esate verslo pirkėjas 🧾

Jei esate kūrėjas 🧑💻

Jei esate politikos formuotojas arba atitikties vadovas 🏛️

Jei esate nuolatinis vartotojas 🙋

  • Sužinokite, kur jūsų programose yra dirbtinio intelekto funkcijos

  • Naudokite privatumo valdiklius, net jei jie erzina ( BDAR – reglamentas (ES) 2016/679 )

  • Skeptiškai vertinkite „stebuklingų“ rezultatų vertinimą – dirbtinis intelektas yra pasitikintis savimi, bet ne visada teisingas 😵

Baigiamoji santrauka: didžiųjų technologijų įmonių vaidmuo dirbtiniame intelekte 🧠✨

Didelės technologijų kompanijos vaidina dirbtinio intelekto srityje ne vieną dalyką. Tai vaidmenų rinkinys: infrastruktūros savininkas, modelių kūrėjas, platintojas, vartų sargas ir rinkos formuotojas. Jos ne tik dalyvauja dirbtinio intelekto srityje – jos apibrėžia dirvožemį, kuriame auga dirbtinis intelektas.

Jei prisimenate tik vieną eilutę, parašykite ją tokią:

Didžiųjų technologijų bendrovių vaidmuo dirbtinio intelekto srityje.
Jos kuria procesus, nustato numatytuosius nustatymus ir kontroliuoja, kaip dirbtinis intelektas pasiekia žmones – didžiuliu mastu ir su didžiulėmis pasekmėmis. ( NIST AI RMF 1.0 , ES dirbtinio intelekto įstatymas – Reglamentas (ES) 2024/1689 )

Ir taip, „pasekmės“ skamba dramatiškai. Tačiau dirbtinis intelektas yra viena iš tų temų, kur dramatiškumas kartais yra tiesiog... tikslus. 😬🤖

DUK

Koks praktiškai yra didžiųjų technologijų bendrovių vaidmuo dirbtiniame intelekte?

Didelės technologijų įmonės vaidmuo dirbtinio intelekto srityje yra ne toks, kad „jos kuria modelius“, o labiau „jos valdo mechanizmus, kurie leidžia dirbtiniam intelektui veikti dideliu mastu“. Jos teikia debesijos infrastruktūrą, diegia dirbtinį intelektą per įrenginius ir programas bei nustato platformos taisykles, kurios formuoja tai, kas kuriama. Jos taip pat finansuoja tyrimus, partnerystes ir įsigijimus, kurie turi įtakos tam, kurie metodai išliks. Daugelyje rinkų jos iš esmės apibrėžia numatytąją dirbtinio intelekto patirtį.

Kodėl prieiga prie skaičiavimo yra tokia svarbi tiems, kurie gali kurti dirbtinį intelektą dideliu mastu?

Šiuolaikinis dirbtinis intelektas priklauso nuo didelių GPU klasterių, greito tinklo, saugyklos ir patikimų MLOps procesų – ne tik išmanių algoritmų. Jei negalite gauti nuspėjamo pajėgumo, mokymai, vertinimas ir diegimas tampa trapūs ir brangūs. Didžiosios technologijų įmonės dažnai kontroliuoja „stuburo“ sluoksnį (debesų kompiuteriją, lustų partnerystes, planavimą, saugumą), kuris gali nustatyti, kas įmanoma mažesnėms komandoms. Ši galia gali būti naudinga, tačiau ji išlieka galia.

Kaip didžiųjų technologijų įmonių platinimas formuoja tai, ką „DI“ reiškia kasdieniams vartotojams?

Platinimas yra supergalia, nes jis paverčia dirbtinį intelektą numatytąja funkcija, o ne atskiru produktu, kurį turite pasirinkti. Kai dirbtinis intelektas pasirodo paieškos juostose, telefonuose, el. laiškuose, dokumentuose, susitikimuose ir programėlių parduotuvėse, daugumai žmonių jis tampa „tuo, kas yra dirbtinis intelektas“. Tai taip pat susiaurina visuomenės lūkesčius: jei dirbtinis intelektas dažniausiai yra rašymo įrankis jūsų programose, vartotojai mano, kad dirbtinis intelektas yra lygus rašymui. Platformos tyliai nusprendžia toną.

Kokiais pagrindiniais būdais platformos taisyklės ir programėlių parduotuvės veikia kaip dirbtinio intelekto vartininkai?

Programėlių peržiūros politika, prekyvietės sąlygos, turinio taisyklės ir API apribojimai gali nulemti, kurios dirbtinio intelekto funkcijos yra leidžiamos ir kaip jos turi veikti. Net kai taisyklės yra suformuluotos kaip saugumo ar privatumo apsaugos priemonės, jos taip pat formuoja konkurenciją, didindamos atitikties ir įgyvendinimo išlaidas. Kūrėjams tai reiškia, kad politikos atnaujinimai gali būti tokie pat svarbūs kaip ir modelių atnaujinimai. Praktiškai „kas išsiunčiama“, dažnai yra „kas praeina pro vartus“

Kaip debesijos dirbtinio intelekto platformos, tokios kaip „SageMaker“, „Azure ML“ ir „Vertex AI“, dera su didžiųjų technologijų įmonių vaidmeniu dirbtinio intelekto srityje?

Debesijos dirbtinio intelekto platformos sujungia mokymą, diegimą, stebėjimą, valdymą ir saugumą į vieną vietą, o tai sumažina trintį startuoliams ir didelėms įmonėms. Tokios priemonės kaip „Amazon SageMaker“, „Azure Machine Learning“ ir „Vertex AI“ leidžia lengviau valdyti išlaidas ir jas valdyti palaikant ryšį su vienu tiekėju. Kompromisas yra tas, kad patogumas gali padidinti priklausomybę nuo tiekėjo, nes darbo eigos, leidimai ir stebėjimas yra giliai integruoti į tą ekosistemą.

Ko turėtų paklausti verslo pirkėjas prieš diegdamas didžiųjų technologijų dirbtinio intelekto įrankius?

Pradėkite nuo duomenų: kur jie patenka, kaip jie izoliuojami ir kokios saugojimo bei audito kontrolės priemonės egzistuoja. Pasiteiraukite apie administratoriaus kontrolę, registravimą, prieigos ribas ir kaip modeliai vertinami dėl rizikos jūsų srityje. Taip pat atlikite spaudimo testą kainodarai, nes naudojimo pagrindu taikomos išlaidos gali išaugti didėjant diegimui. Reguliuojamoje aplinkoje lūkesčius derinkite su jūsų organizacijos jau naudojamomis sistemomis ir atitikties reikalavimais.

Kaip kūrėjai gali išvengti priklausomybės nuo tiekėjo, kurdami didelių technologijų dirbtinio intelekto API?

Įprastas metodas yra projektuoti atsižvelgiant į perkeliamumą: modelio iškvietimus apvynioti abstrakcijos sluoksniu, o raginimus, politikas ir vertinimo logiką išlaikyti versijavus ir testuojamus. Venkite pasikliauti viena „specialia“ tiekėjo funkcija, kuri gali pasikeisti arba išnykti. Stebėkite tarifų apribojimus, kainų atnaujinimus ir politikos pakeitimus kaip nuolatinės priežiūros dalį. Perkeliamumas nėra nemokamas, tačiau paprastai kainuoja mažiau nei priverstinė migracija.

Kaip privatumas ir suasmeninimas sukuria „pasitikėjimo sandorį“ naudojant dirbtinio intelekto funkcijas?

Suasmeninimas dažnai pagerina dirbtinio intelekto naudingumą, tačiau paprastai padidina duomenų matomumą ir suvokiamą šiurpumą. Didžiosios technologijų įmonės yra glaudžiai susijusios su elgsenos, įmonių, platformų ir įrenginių duomenimis, todėl vartotojai ir reguliavimo institucijos atidžiai stebi, kaip šie duomenys veikia mokymą, tikslinimą ir sprendimus dėl produktų. Praktinis kriterijus yra tai, ar įmonė gali aiškiai paaiškinti savo dirbtinio intelekto duomenų praktiką, nesislėpdama už teisinės kalbos. Svarbu gera kontrolė ir realios atsisakymo galimybės.

Kokie standartai ir reglamentai yra svarbiausi didelių technologijų įmonių dirbtinio intelekto valdymui ir saugai?

Daugelyje procesų valdymas derina vidinę saugos politiką su išorinėmis sistemomis ir įstatymais. Organizacijos dažnai remiasi rizikos valdymo gairėmis, tokiomis kaip NIST dirbtinio intelekto rizikos valdymo sistema (RMF), valdymo standartais, tokiais kaip ISO/IEC 42001, ir regioninėmis taisyklėmis, tokiomis kaip BDAR ir ES dirbtinio intelekto įstatymas, tam tikrais naudojimo atvejais. Tai daro įtaką registravimui, auditams, duomenų riboms ir tam, kas blokuojama arba leidžiama. Iššūkis yra tas, kad atitiktis gali būti brangi, o tai gali būti palanku didesniems žaidėjams.

Ar didžiųjų technologijų bendrovių įtaka konkurencijai ir ekosistemoms visada yra blogas dalykas?

Ne automatiškai. Platformos gali sumažinti kliūtis, standartizuoti įrankius ir finansuoti saugumą bei infrastruktūrą, kurių mažesnės komandos negali sau leisti. Tačiau ta pati dinamika gali sumažinti įvairovę, jei visi taps plonu apvalkalu tarp kelių dominuojančių API, debesų kompiuterijos ir prekyviečių. Stebėkite tokius modelius kaip skaičiavimo ir paskirstymo konsolidacija, taip pat kainodaros ir politikos pokyčiai, kurių sunku išvengti. Sveikiausios ekosistemos paprastai palieka vietos sąveikumui ir naujiems rinkos dalyviams.

Nuorodos

  1. Tarptautinė energetikos agentūra – Energija ir dirbtinis intelektas – iea.org

  2. Tarptautinė energetikos agentūra – Dirbtinio intelekto energijos poreikis – iea.org

  3. NVIDIA – DI išvadų platformų apžvalga – nvidia.com

  4. „Amazon Web Services“ – „Amazon SageMaker“ dirbtinio intelekto dokumentacija (Kas yra „SageMaker“?) – aws.amazon.com

  5. „Microsoft“ – „Azure“ mašininio mokymosi dokumentacija – learn.microsoft.com

  6. „Google Cloud“ – „Vertex“ dirbtinio intelekto dokumentacija – cloud.google.com

  7. „Google Cloud“ – MLOps naudojant „Vertex AI“ – cloud.google.com

  8. „Microsoft“ – mašininio mokymosi operacijų (MLOps) v2 architektūros vadovas – learn.microsoft.com

  9. „Apple“ kūrėjas – pagrindinė mašininio mokymosi sistema – developer.apple.com

  10. „Google Developers“ – mašininio mokymosi rinkinys – developers.google.com

  11. „Apple“ kūrėjams – programėlių peržiūros gairės – developer.apple.com

  12. „Google Play Console“ pagalba – duomenų saugumas – support.google.com

  13. arXiv – Neuroninių kalbų modelių mastelio keitimo dėsniai – arxiv.org

  14. arXiv – Skaičiavimo požiūriu optimalių didelių kalbų modelių mokymas (Chinchilla) – arxiv.org

  15. Nacionalinis standartų ir technologijų institutas – Dirbtinio intelekto rizikos valdymo sistema (AI RMF 1.0) – nist.gov

  16. Nacionalinis standartų ir technologijų institutas – NIST generatyvinio dirbtinio intelekto profilis (DI RMF papildomas dokumentas) – nist.gov

  17. Tarptautinė standartizacijos organizacija – ISO/IEC 42001:2023 – iso.org

  18. EUR-Lex – Reglamentas (ES) 2016/679 (BDAR) – eur-lex.europa.eu

  19. EUR-Lex – Reglamentas (ES) 2024/1689 (ES AI įstatymas) – eur-lex.europa.eu

  20. EBPO – EBPO AI principai – oecd.ai

Raskite naujausią dirbtinį intelektą oficialioje dirbtinio intelekto asistentų parduotuvėje

Apie mus

Atgal į tinklaraštį