Как малый и средний бизнес может преодолеть ажиотаж вокруг генеративного искусственного интеллекта

2 сентября 2023 г.

Бен Шрайнер, руководитель отдела инноваций AWS для малого и среднего бизнеса, напоминает бизнес-лидерам, что им следует сосредоточиться на данных и решении проблем при принятии решений в области генеративного искусственного интеллекта.

Генеративный искусственный интеллект — горячая тема, но многие вещи, которые он может делать, очень похожи на вчерашние алгоритмы прогнозирования или машинное обучение. Мы взяли интервью у Бена Шрайнера, руководителя отдела инноваций для малого и среднего бизнеса Amazon Web Services, который говорит, что сегодняшний генеративный искусственный интеллект — это не волшебство; Покупателям из малого и среднего бизнеса следует рассматривать это в полном контексте слабостей ИИ и его влияния на людей. Однако генеративный ИИ предлагает варианты использования, которые ранее были невозможны.

Это интервью было отредактировано для обеспечения длины и ясности.

Перейти к:

Что отличает генеративный ИИ от других Решение о том, использовать ли генеративный ИИ Превращение искусственного интеллекта в бизнес-аналитику

Что отличает генеративный ИИ от других

Меган Крауз: Чем генеративный ИИ отличается от того типа машинного обучения, который был у нас пять лет назад или раньше? Как это то же самое?

Бен Шрайнер: Генеративный ИИ — это не магия, это математика. На рынке мы видим, что шумиха вокруг генеративного искусственного интеллекта захватила воображение людей и способствует разговору об инновациях, которого у нас раньше не было.

СМОТРИТЕ: Генеративный ИИ достиг пика хайп-цикла Gartner, когда ожидания завышены. (Техреспублик)

Когда случился экономический спад, большинство людей были сосредоточены на экономии денег и затрат. В этом цикле новостей о генеративном искусственном интеллекте лидеры малого и среднего бизнеса стали больше говорить об инновациях, возможно, в том же разговоре, что и об экономии затрат. Это позволило нам поговорить (об инновациях).

Большинство вариантов использования в конечном итоге оказываются вещами, которые существуют уже довольно давно. Что меня больше всего волнует, так это то, что мы ведем разговор об инновациях независимо от того, используете ли вы новейшую модель большого языка для реальных генеративных задач или используете ИИ, который существует уже пять или 10 лет.

Это действительно не имеет значения. Мы просто хотим, чтобы наши клиенты использовали это, потому что именно здесь происходят инновации в их бизнесе.

Решение о том, использовать ли генеративный ИИ

Меган Крауз: Какие вопросы должны задать бизнес-лидеры, принимая решение об использовании генеративного ИИ или услуги, улучшенной генеративным ИИ?

Бен Шрайнер: Вопрос номер один, который я должен задать: где данные? Какие данные использовались для обучения этой модели? Все учатся очень быстро, и большинство клиентов, с которыми мы общаемся, понимают, что модель хороша настолько, насколько хороши имеющиеся в ней данные. Понимание этого действительно важно. Поймите, кому принадлежат эти данные, откуда они взялись и сколько ваших собственных данных вам нужно поместить в модель или дополнить модель (с помощью), чтобы получить реальные и ценные ответы. Это балансирование очень важно для понимания руководителями предприятий. Где модель?

Мы хотим приблизить модель к вашим данным, а не наоборот. Таким образом, наш подход к ИИ и генеративному ИИ заключается в том, чтобы позволить нашим клиентам иметь свои собственные экземпляры моделей, которые они могут изменять и улучшать с помощью своих собственных данных, но все они защищены в своей собственной среде и собственными средствами управления безопасностью, к которым никто другой не имеет доступа. эта информация.

Приоритет номер два — убедиться, что вы сотрудничаете с организацией или партнером, который будет с вами надолго и обладает необходимым опытом. У нас есть множество сторонних партнеров, которые либо предоставляют новые модели, либо имеют экспертов, которые могут помочь некоторым из этих компаний, у которых нет в штате специалистов по данным.

Тогда просто учитесь. Учитесь как можно больше и как можно быстрее, потому что этот (генеративный ИИ) меняется почти ежечасно.

Меган Крауз: Две проблемы, которые я часто вижу у людей, воспитанных на генеративном ИИ, — это авторское право, в частности, генеративный ИИ, обучаемый на произведениях, защищенных авторским правом, и галлюцинации. Как вы решаете эти проблемы?

Бен Шрайнер: Я думаю, что всем нужно действовать с широко открытыми глазами, верно? Машина хороша настолько, насколько хороши данные. Вы должны понимать, какие данные там находятся. И AWS очень старается над нашими собственными моделями.

Мы гарантируем, что знаем, где находятся эти данные, и не создаем ответственности или потенциального риска для этих клиентов. У нас есть собственные модели Titan. Тогда у вас есть все модели с открытым исходным кодом, которые выходят, и мы намерены иметь лучшие модели. Мы не верим, что это будет универсальный вариант или что одна модель будет править всеми.

Но я считаю, что руководителям необходимо понимать источник самих данных модели.

Регулирование будет отставать (за бизнесом). Вы видите, что сейчас подаются иски, пытаясь защитить часть этой (защищенной авторскими правами) информации.

Меган Крауз: Каким образом лидерам малого и среднего бизнеса необходимо инвестировать в людей, прежде чем инвестировать в ИИ? И какие вопросы им следует задать себе о том, как внедрение генеративного ИИ может изменить способ инвестирования не только в технологии, но и в поддержку своего народа?

Бен Шрайнер: Я думаю, что все малые и средние предприятия должны быть ориентированы прежде всего на людей. (Люди) ваш самый большой актив, а инструменты и технологии на самом деле будут настолько хороши, насколько хороши люди, которые их используют. Что касается инвестиций в ваших сотрудников и инвестиций в их обучение, в начале этого месяца мы (AWS) выпустили семь новых учебных курсов, ориентированных на искусственный интеллект. Мы намерены помочь людям учиться как можно быстрее и максимально упростить использование этой технологии.

СМОТРИТЕ: Набор для найма: Инженер-подсказчик (TechRepublic Premium)

Не каждый бизнес сможет позволить себе или привлечь специалиста по данным. Как нам сделать так, чтобы вы по-прежнему могли получать выгоду от некоторых из этих технологий и не были исключены из рынка, из этой революции, потому что вы не можете нанять специалиста по обработке данных в штат?

Превращение искусственного интеллекта в бизнес-аналитику

Меган Крауз: Есть ли что-нибудь еще, что вы хотели бы добавить?

Бен Шрайнер: Я хочу подчеркнуть концепцию генеративной бизнес-аналитики. Мы помогаем многим малым и средним предприятиям агрегировать свои данные. Это своего рода приоритет номер один.

Вы агрегируете свои данные, в идеале в AWS, и поверх этого накладываете бизнес-аналитику. Так что подумайте об отчетности, но добавьте к отчетности генеративный компонент и возможность использовать естественный язык, чтобы, например, сказать мне, какой продукт, который я продал больше всего, имеет самую высокую валовую прибыль за летние месяцы, и сравнить этот год с прошлым годом.

Я хотел бы иметь возможность устно задать этот вопрос инструменту, и он выдаст диаграмму с нужными мне данными. Это очень, очень убедительно, потому что теперь мне не нужен администратор базы данных, который выполняет SQL-запросы и создает для меня сложные круговые диаграммы. У меня может быть инструмент, я могу иметь встроенный в него интеллект и иметь возможность задавать ему разные вопросы.

Следующий уровень генеративного BI — это написание истории данных, которые он видит. Он предлагает параграфы для краткого или краткого изложения данных. И я не трачу время на его создание — я просто редактирую его в соответствии со своими потребностями. Меня это очень радует, потому что у всех малых и средних предприятий есть данные, и большинство из них не максимизируют ценность этих данных.

---

Оригинал