Aká je úloha veľkých technologických spoločností v oblasti umelej inteligencie? [Video a kvíz]

Stručná odpoveď: Veľké technologické spoločnosti sú v oblasti umelej inteligencie dôležité, pretože kontrolujú nenápadné základy – výpočtovú techniku, cloudové platformy, zariadenia, obchody s aplikáciami a podnikové nástroje. Táto kontrola im umožňuje financovať popredné modely a rýchlo dodávať funkcie miliardám. Ak je riadenie, kontrola súkromia a interoperabilita slabá, rovnaký vplyv sa mení na závislosť a koncentráciu moci.

Kľúčové poznatky:

Infraštruktúra: Považujte kontrolu nad cloudom, čipmi a MLOps za hlavný úzky bod AI.

Distribúcia: Očakávajte aktualizácie platformy, ktoré definujú, čo pre väčšinu používateľov znamená „AI“.

Kontrola prístupu: Pravidlá obchodu s aplikáciami a podmienky rozhrania API nenápadne určujú, ktoré funkcie umelej inteligencie sa budú dodávať.

Kontrola používateľov: Požadujte jasné možnosti odhlásenia, trvalé nastavenia a funkčné administrátorské ovládacie prvky.

Zodpovednosť: Vyžadovať audítorské záznamy, transparentnosť a spôsoby odvolania sa v prípade škodlivých výsledkov.

🔗 Budúcnosť umelej inteligencie: Trendy a čo bude ďalej
Kľúčové inovácie, riziká a odvetvia, ktoré sa v nasledujúcom desaťročí pretransformujú.

🔗 Základné modely v generatívnej umelej inteligencii: Jednoduchý sprievodca
Pochopte, ako základné modely poháňajú moderné generatívne aplikácie umelej inteligencie.

🔗 Čo je to spoločnosť zameraná na umelú inteligenciu a ako funguje
Zoznámte sa s vlastnosťami, tímami a produktmi, ktoré definujú podniky zamerané na umelú inteligenciu.

🔗 Ako vyzerá kód umelej inteligencie v reálnych projektoch
Pozrite si príklady vzorov kódu, nástrojov a pracovných postupov riadených umelou inteligenciou.

Priznajme si to na chvíľu – väčšina „diskusií o umelej inteligencii“ prechádza okolo nevýrazných častí, ako sú výpočty, distribúcia, obstarávanie, dodržiavanie predpisov a trápna realita, že niekto musí platiť za grafické procesory a elektrinu. Veľké technologické spoločnosti žijú v týchto nevýrazných častiach. A práve preto je to také dôležité. 😅 (IEA – Energia a umelá inteligencia, NVIDIA – Prehľad platforiem pre inferenciu umelej inteligencie)

Úloha veľkých technologických spoločností v oblasti umelej inteligencie, zrozumiteľným spôsobom 🧩

Keď ľudia hovoria „veľké technologické spoločnosti“, zvyčajne majú na mysli obrovské platformové spoločnosti, ktoré ovládajú hlavné vrstvy modernej výpočtovej techniky:

• Cloudová infraštruktúra (kde beží AI) ☁️ (dokumentácia k AI Amazon SageMaker, dokumentácia k strojovému učeniu Azure, dokumentácia k AI Vertex)

• Spotrebiteľské zariadenia a operačné systémy (kde pristane AI) 📱💻 (Apple Core ML, Google ML Kit)

• Ekosystémy aplikácií a trhoviská (kde sa AI šíri) 🛒 (Pokyny pre kontrolu aplikácií spoločnosti Apple, Bezpečnosť údajov v službe Google Play)

• Dátové kanály a analytické zásobníky (kde je AI napájaná) 🍽️

• Podnikový softvér (kde sa AI speňažuje) 🧾

• Partnerstvá v oblasti čipov a hardvéru (kde sa AI zrýchľuje) 🧠🔩 (NVIDIA - prehľad platforiem pre inferenciu AI)

Takže úloha nie je len „vyrábajú umelú inteligenciu“. Je to skôr ako keby stavali diaľnice, predávali autá, prevádzkovali mýtne brány a tiež rozhodovali, kadiaľ vedú výjazdy. Mierne preháňanie... ale nie o veľa.

Úloha veľkých technologických spoločností v umelej inteligencii: päť najväčších pracovných miest 🏗️

Ak chcete čistý mentálny model, veľké technologické spoločnosti majú tendenciu vykonávať päť prekrývajúcich sa úloh vo svete umelej inteligencie:

1. Poskytovateľ infraštruktúry
   Dátové centrá, cloud, siete, bezpečnosť, nástroje MLOps. Veci, ktoré umožňujú realizáciu umelej inteligencie vo veľkom meradle. (Dokumentácia Amazon SageMaker AI, IEA - Energia a umelá inteligencia)

2. Nástroj na tvorbu modelov a výskumný nástroj
   Nie vždy, ale často – laboratóriá, interný výskum a vývoj, aplikovaný výskum a „produktizovaná veda“. (Zákony škálovania pre modely neurónových jazykov (arXiv), Trénovanie výpočtovo optimálnych modelov veľkých jazykov (Chinchilla) (arXiv))

3. Distribútor
   Môžu vložiť umelú inteligenciu do vyhľadávacích polí, telefónov, e-mailových klientov, reklamných systémov a nástrojov na pracovisku. Distribúcia je superschopnosť.

4. Strážca a nastavovateľ pravidiel
   Pravidlá obchodu s aplikáciami, pravidlá platformy, podmienky API, moderovanie obsahu, bezpečnostné brány, podnikové kontroly. (Pokyny pre recenzie aplikácií Apple, bezpečnosť údajov v službe Google Play)

5. Rozdeľovač kapitálu
   Financujú, získavajú, spolupracujú, inkubujú. Formujú to, čo prežije.

To je úloha veľkých technologických spoločností v umelej inteligencii z funkčného hľadiska: vytvárajú podmienky pre existenciu umelej inteligencie – a potom rozhodujú o tom, ako sa k vám dostane.

Čo robí dobrú verziu úlohy umelej inteligencie vo veľkých technologických firmách ✅😬

„Dobrá verzia“ veľkých technologických spoločností v oblasti umelej inteligencie nie je o dokonalosti. Ide o kompromisy, ku ktorým sa pristupuje zodpovedne, s menším počtom prekvapivých útokov pre všetkých ostatných.

Tu je to, čo odlišuje atmosféru „užitočného obra“ od atmosféry „oh, monopol“:

• Transparentnosť bez zbytočného žargónu.
  Jasné označenie funkcií umelej inteligencie, obmedzení a použitých údajov. Nie 40-stranové bludisko politík. (NIST AI RMF 1.0, ISO/IEC 42001:2023)

• Skutočná kontrola používateľov
  Fungujúce odhlásenia, nastavenia ochrany osobných údajov, ktoré sa záhadne neobnovujú, a administrátorské ovládacie prvky, ktoré nie sú len hľadaním pokladu. (GDPR - Nariadenie (EÚ) 2016/679)

• Interoperabilita a otvorenosť – niekedy
  nie všetko musí byť open-source, ale uzamknúť všetkých k jednému dodávateľovi navždy je… voľba.

• Bezpečnosť so zubami
  Monitorovanie zneužívania, red-teaming, kontrola obsahu a ochota blokovať zjavne rizikové prípady použitia. (NIST AI RMF 1.0, profil NIST GenAI (sprievodca AI RMF))

• Zdravé ekosystémy
  Podpora startupov, partnerov, výskumníkov a otvorených štandardov, aby sa inovácie nestali len „prenájmom platformy alebo ich zmiznutím“. (Zásady OECD pre umelú inteligenciu)

Poviem to na rovinu: „dobrá verzia“ pôsobí ako solídny verejnoprospešný podnik so silnou chuťou produktu. Zlá verzia pôsobí ako kasíno, kde pravidlá píše aj dom. 🎰

Porovnávacia tabuľka: najlepšie „pruhy“ AI veľkých technologických spoločností a prečo fungujú 📊

Priznanie zvláštnej atmosféry pri malom stolíku: „slobodné“ tam odvádza veľa práce. Slobodné, kým to nie je... viete, ako to chodí.

Detailný záber: úzke miesto infraštruktúry (výpočty, cloud, čipy) 🧱⚙️

Toto je časť, o ktorej väčšina ľudí nechce hovoriť, pretože to nie je očarujúce. Ale je to chrbtica umelej inteligencie.

Veľké technologické spoločnosti ovplyvňujú umelú inteligenciu tým, že kontrolujú:

• Výpočtová zásoba (prístup k GPU, klastre, plánovanie) (IEA - Energetická náročnosť umelej inteligencie)

• Siete (prepojenia s vysokou šírkou pásma, tkaniny s nízkou latenciou)

• Úložisko (dátové jazerá, vyhľadávacie systémy, zálohy)

• MLOps kanály (školenie, nasadenie, monitorovanie, riadenie) (MLOps na Vertex AI, architektúry Azure MLOps)

• Bezpečnosť (identita, protokoly auditu, šifrovanie, presadzovanie politík) (NIST AI RMF 1.0, ISO/IEC 42001:2023)

Ak ste sa niekedy pokúsili nasadiť systém umelej inteligencie v skutočnej spoločnosti, už viete, že „model“ je tá jednoduchá časť. Ťažká časť je: povolenia, protokolovanie, prístup k údajom, kontrola nákladov, prevádzkyschopnosť, reakcia na incidenty… veci pre dospelých. 😵💫

Keďže veľké technologické spoločnosti vlastnia toľko z toho, môžu si nastaviť predvolené vzory:

• Ktoré nástroje sa stanú štandardom

• Ktoré frameworky získavajú prvotriednu podporu

• Ktorý hardvér má prioritu

• Ktoré cenové modely sa stanú „normálnymi“

To nie je automaticky zlo. Ale je to moc.

Detailný záber: modelový výskum verzus produktová realita 🧪➡️🛠️

Tu je to napätie: Veľké technologické spoločnosti môžu financovať rozsiahly výskum a zároveň potrebujú štvrťročné úspechy v oblasti produktov. Táto kombinácia prináša úžasné prelomy a zároveň vedie k... pochybným uvedeniam nových funkcií na trh.

Veľké technologické spoločnosti zvyčajne poháňajú pokrok v oblasti umelej inteligencie prostredníctvom:

• Masívne tréningové behy (na mierke záleží) (Zákony škálovania pre modely neurónových jazykov (arXiv))

• Interné hodnotiace kanály (benchmarking, bezpečnostné testy, regresné kontroly) (profil NIST GenAI (sprievodca AI RMF))

• Aplikovaný výskum (premena dokumentov na správanie produktov)

• Vylepšenia nástrojov (destilácia, kompresia, účinnosť podávania)

Ale tlak na produkt veci mení:

• Rýchlosť prekonáva eleganciu

• Vysvetlenie výhod prepravy

• „Dosť dobré“ je lepšie ako „úplne pochopené“

Niekedy je to v poriadku. Väčšina používateľov nepotrebuje teoretickú čistotu, potrebujú užitočného asistenta v rámci svojho pracovného postupu. Rizikom však je, že pojem „dosť dobrý“ sa nasadí v citlivých kontextoch (zdravotníctvo, nábor, financie, vzdelávanie), kde „dosť dobrý“... nie je dosť dobrý. (Zákon EÚ o umelej inteligencii – nariadenie (EÚ) 2024/1689)

Toto je súčasť úlohy veľkých technologických spoločností v oblasti umelej inteligencie – premieňanie špičkových schopností na funkcie pre masový trh, aj keď sú hrany stále ostré. 🔪

Detailný záber: distribúcia je skutočná supersila 🚀📣

Ak dokážete umiestniť umelú inteligenciu do miest, kde ľudia už digitálne žijú, nemusíte používateľov „presviedčať“. Stačí sa stať predvolenou voľbou.

Medzi distribučné kanály veľkých technologických spoločností patria:

• Vyhľadávacie panely a prehliadače 🔎

• Asistenti mobilných operačných systémov 📱

• Pracovné balíky (dokumenty, pošta, chat, stretnutia) 🧑💼

• Sociálne kanály a systémy odporúčaní 📺

• Obchody s aplikáciami a trhoviská platforiem 🛍️ (Pokyny pre recenzie aplikácií Apple, Bezpečnosť údajov v službe Google Play)

Preto menšie spoločnosti zaoberajúce sa umelou inteligenciou často spolupracujú s veľkými technologickými spoločnosťami, aj keď sú z toho nervózne. Distribúcia je ako kyslík. Bez nej môžete mať najlepší model na svete a stále kričať do prázdna.

Existuje aj jemný vedľajší účinok: distribúcia formuje to, čo „AI“ pre verejnosť vôbec znamená. Ak sa AI javí hlavne ako pomocník pri písaní, ľudia predpokladajú, že sa týka písania. Ak sa javí ako úprava fotografií, ľudia predpokladajú, že sa týka obrázkov. Platforma určuje atmosféru.

Detailný záber: dáta, súkromie a dohoda o dôvere 🔐🧠

Systémy umelej inteligencie sa často stávajú efektívnejšími, keď sú personalizované. Personalizácia si často vyžaduje dáta. A dáta vytvárajú riziko. Tento trojuholník nikdy nezmizne.

Veľké technologické spoločnosti sedia na:

• Údaje o správaní spotrebiteľov (vyhľadávania, kliknutia, preferencie)

• Podnikové dáta (e-maily, dokumenty, chaty, tikety, pracovné postupy)

• Údaje o platforme (aplikácie, platby, signály identity)

• Údaje o zariadení (poloha, senzory, fotografie, hlasové vstupy)

Aj keď sa „surové dáta“ nepoužívajú priamo, okolitý ekosystém formuje školenie, dolaďovanie, hodnotenie a smerovanie produktu.

Zmluva o dôvere zvyčajne vyzerá takto:

• Používatelia akceptujú zhromažďovanie údajov, pretože produkt je pohodlný 🧃

• Regulačné orgány sa bránia, keď sa to začína diať strašidelne 👀 (GDPR - Nariadenie (EÚ) 2016/679)

• Spoločnosti reagujú kontrolnými mechanizmami, politikami a správami o „súkromí na prvom mieste“

• Každý sa háda o tom, čo znamená „súkromie“

Praktické pravidlo, ktoré som videl fungovať: ak spoločnosť dokáže vysvetliť svoje postupy v oblasti údajov o umelej inteligencii v jednom rozhovore bez toho, aby sa skrývala za právnický žargón, zvyčajne si vedie lepšie ako priemer. Nie dokonale – len lepšie.

Detailný záber: riadenie, bezpečnosť a hra tichého vplyvu 🧯📜

Toto je menej viditeľná úloha: Veľké technologické spoločnosti často pomáhajú definovať pravidlá, ktoré všetci ostatní dodržiavajú.

Formujú riadenie prostredníctvom:

• Vnútorné bezpečnostné zásady (čo model odmietne) (NIST AI RMF 1.0)

• Pravidlá platformy (čo môžu aplikácie robiť) (Pokyny pre kontrolu aplikácií spoločnosti Apple, Bezpečnosť údajov v službe Google Play)

• Funkcie dodržiavania predpisov v podnikoch (audítorské záznamy, uchovávanie údajov, hranice údajov) (ISO/IEC 42001:2023, Zákon EÚ o umelej inteligencii – Nariadenie (EÚ) 2024/1689)

• Účasť na priemyselných štandardoch (technické rámce, osvedčené postupy) (Zásady OECD pre umelú inteligenciu, ISO/IEC 42001:2023)

• Lobovanie a angažovanosť v politike (áno, aj táto časť)

Niekedy je to skutočne užitočné. Veľké technologické spoločnosti môžu investovať do bezpečnostných tímov, nástrojov na dôveryhodnosť, detekcie zneužívania a infraštruktúry pre dodržiavanie predpisov, ktoré si menší hráči nemôžu dovoliť.

Niekedy je to sebecké. Bezpečnosť sa môže stať priekopou, ktorú si „môžu dovoliť“ dodržiavať len najväčší hráči. To je začarovaný kruh: bezpečnosť je nevyhnutná, ale drahá bezpečnosť môže náhodne zmraziť hospodársku súťaž. (Zákon EÚ o umelej inteligencii – nariadenie (EÚ) 2024/1689)

Tu záleží na nuansách. Nie na zábavných nuansách, ale na tých otravných. 😬

Detailný záber: konkurencia, otvorené ekosystémy a gravitácia startupov 🧲🌱

Úloha veľkých technologických spoločností v oblasti umelej inteligencie zahŕňa aj formovanie trhu:

• Akvizície (talent, technológie, distribúcia)

• Partnerstvá (modely hostované v cloude, dohody o spoločných podnikoch)

• Financovanie ekosystémov (úvery, inkubátory, trhoviská)

• Otvorené nástroje (frameworky, knižnice, „otvorené“ verzie)

Sledoval som opakujúci sa vzorec:

1. Startupy rýchlo inovujú

2. Veľké technologické spoločnosti integrujú alebo kopírujú úspešný vzorec

3. Startupy sa orientujú na špecifické oblasti alebo sa stávajú cieľmi akvizícií

4. „Vrstva plošiny“ sa zhrubne

To nie je automaticky zlé. Platformy môžu znížiť trenie a sprístupniť umelú inteligenciu. Môže to však tiež znížiť rozmanitosť. Ak sa každý produkt stane „obalom okolo tých istých niekoľkých API“, inovácia sa začne javiť ako preskupovanie nábytku v tom istom byte.

Trochu nespoľahlivej súťaživosti je zdravé. Ako napríklad kváskový štartér. Ak všetko sterilizujete, prestane to kysnúť. Táto metafora je trochu nedokonalá, ale držím sa jej. 🍞

Žiť s nadšením aj opatrnosťou zároveň 😄😟

Oba pocity sa k sebe hodia. Vzrušenie a opatrnosť môžu existovať v jednej miestnosti.

Dôvody na nadšenie:

• Rýchlejšie nasadenie užitočných nástrojov

• Lepšia infraštruktúra a spoľahlivosť

• Nižšia bariéra pre podniky pri zavádzaní umelej inteligencie

• Viac investícií do bezpečnosti a štandardizácie (NIST AI RMF 1.0, OECD AI Princípy)

Dôvody na opatrnosť:

• Konsolidácia výpočtov a distribúcie (IEA - Dopyt po energii z umelej inteligencie)

• Zafixujte sa prostredníctvom cien, API a ekosystémov

• Riziká pre súkromie a dôsledky súvisiace s dohľadom (GDPR - nariadenie (EÚ) 2016/679)

• „Politika jednej spoločnosti“ sa stáva realitou pre všetkých

Realistický postoj je: Veľké technologické spoločnosti môžu urýchliť umelú inteligenciu pre svet a zároveň sústrediť moc. To môže byť pravda zároveň. Ľuďom sa táto odpoveď nepáči, pretože jej chýba pikantnosť, no napriek tomu zodpovedá dôkazom.

Praktické ponaučenia pre rôznych čitateľov 🎯

Ak ste firemný kupujúci 🧾

• Opýtajte sa, kam vaše údaje smerujú, ako sú izolované a čo môžu správcovia kontrolovať (GDPR - nariadenie (EÚ) 2016/679, zákon EÚ o umelej inteligencii - nariadenie (EÚ) 2024/1689)

• Uprednostňovať protokoly auditu, kontroly prístupu a jasné zásady uchovávania údajov (ISO/IEC 42001:2023)

• Dávajte si pozor na skryté krivky nákladov (ceny za používanie rýchlo rastú)

Ak ste vývojár 🧑💻

• Vytvárajte s ohľadom na prenosnosť (vrstvy abstrakcie pomáhajú)

• Nestavte všetko na jednu funkciu dodávateľa, ktorá môže zmiznúť

• Sledujte limity sadzieb, zmeny cien a aktualizácie pravidiel, akoby to bola súčasť vašej práce (pretože to tak aj je) (Pokyny pre kontrolu aplikácií Apple, Bezpečnosť údajov v službe Google Play)

Ak ste tvorcom politík alebo vedúcim oddelenia dodržiavania predpisov 🏛️

• Presadzovať interoperabilné štandardy a normy transparentnosti (zásady OECD pre umelú inteligenciu)

• Vyhnite sa pravidlám, ktoré si môžu dovoliť dodržiavať len giganti (zákon EÚ o umelej inteligencii – nariadenie (EÚ) 2024/1689)

• Zaobchádzajte s „kontrolou distribúcie“ ako s kľúčovou otázkou, nie ako s dodatočnou myšlienkou

Ak ste bežný používateľ 🙋

• Zistite, kde sa vo vašich aplikáciách nachádzajú funkcie umelej inteligencie

• Používajte ovládacie prvky ochrany súkromia, aj keď sú otravné (GDPR - nariadenie (EÚ) 2016/679)

• Buďte skeptickí voči „magickým“ výsledkom – umelá inteligencia je sebavedomá, ale nie vždy má pravdu 😵

Záverečné zhrnutie: Úloha veľkých technologických spoločností v umelej inteligencii 🧠✨

Úloha veľkých technologických spoločností v oblasti umelej inteligencie nie je len jedna vec. Je to súbor úloh: vlastník infraštruktúry, tvorca modelov, distribútor, strážca brány a formátor trhu. Nepodieľajú sa len na umelej inteligencii – definujú terén, na ktorom umelá inteligencia rastie.

Ak si pamätáte iba jeden riadok, napíšte ho takto:

Úloha veľkých technologických spoločností v umelej inteligencii.
Ide o budovanie kanálov, nastavovanie predvolených hodnôt a riadenie toho, ako sa umelá inteligencia dostane k ľuďom – vo veľkom meradle s obrovskými dôsledkami. (NIST AI RMF 1.0, Zákon EÚ o umelej inteligencii – Nariadenie (EÚ) 2024/1689)

A áno, „dôsledky“ znejú dramaticky. Ale umelá inteligencia je jednou z tých tém, kde dramatickosť je niekedy jednoducho... presná. 

Príklad z reálneho sveta: Testovanie zavedenia umelej inteligencie veľkými technologickými spoločnosťami predtým, ako sa stane záväznou 🧪🔐

Scenár

Predstavte si online predajcu so 120 zamestnancami, ktorý chce do svojho pracovného postupu zákazníckej podpory pridať asistenta s umelou inteligenciou. Tím už používa veľkého cloudového poskytovateľa na hosting, balík produktivity od veľkej technologickej spoločnosti na e-maily a dokumenty a platformu helpdesku pripojenú prostredníctvom rozhraní API.

Lákavá cesta je jednoduchá: zapnúť vstavané funkcie umelej inteligencie, pripojiť centrum pomoci a nechať agentov používať vygenerované odpovede. Jednoduché. Možno až príliš jednoduché. 😅

Inteligentnejšou cestou je brať to ako malý test riadenia: môže podnik získať efektívnu podporu umelej inteligencie bez toho, aby jednej platforme odovzdal príliš veľa kontroly nad údajmi, výzvami, pracovnými postupmi a budúcimi nákladmi?

Čo asistent potrebuje

Podporná umelá inteligencia by mala mať prístup iba k:

• Články verejného centra pomoci

• Zásady vrátenia tovaru

• Dodacia politika

• Zoznam schválených pravidiel vrátenia peňazí

• 20 príkladov dobrých odpovedí z predchádzajúcej podpory

• Jasné pravidlo eskalácie pre nahnevaných zákazníkov, právne hrozby, problémy s platbami a sťažnosti týkajúce sa zdravotnej starostlivosti/bezpečnosti

• Záznamy administrátora zobrazujúce, ktorý agent použil umelú inteligenciu, čo navrhoval a čo bolo odoslané

Nemal by mať otvorený prístup k súkromným údajom zákazníkov, interným finančným dokumentom, správam od zamestnancov ani k úplnej histórii objednávok, pokiaľ na to neexistuje konkrétny dôvod.

Príklad inštrukcie

Tento asistent použite na písanie odpovedí zákazníckej podpory, nie na ich automatické odosielanie.

Odpovedajte iba zo schváleného centra pomoci, pravidiel vrátenia tovaru, pravidiel doručenia a pravidiel vrátenia tovaru. Ak odpoveď nie je jasne podložená týmito zdrojmi, povedzte zástupcovi, aby si ju manuálne preštudoval.

Odpovede by mali mať kratší ako 140 slov. Používajte pokojný a praktický tón. Nesľubujte vrátenie peňazí, dátumy dodania, zľavy ani právne riešenia, pokiaľ to pravidlá jasne neumožňujú.

Vždy uveďte použitú zásadu zdroja. Ak zákazník spomenie podvod, právne kroky, zranenie, vrátenie platby, opakované neúspešné doručenia alebo vrátenie peňazí nad 250 GBP, informujte o tom manažéra.

Ako to otestovať

Pred spustením mohol predajca spracovať 30 starých žiadostí o podporu prostredníctvom troch nastavení:

• Aktuálny manuálny pracovný postup

• Asistent s umelou inteligenciou pre produktivitu veľkých technologických spoločností

• Prenosnejšie nastavenie s použitím samostatného modelového API za internou vrstvou výzvy a protokolovania

Testové otázky by mali zahŕňať jednoduché, zložité a rizikové prípady:

• „Kde je moja objednávka?“

• „Chcem vrátenie peňazí, ale produkt som otvoril.“

• „Váš kuriér poškodil môj tovar a nahlasujem to.“

• „Dajte mi odškodné, alebo to všade vyvesím.“

• „Môžete mi túto sumu vrátiť na inú bankovú kartu?“

• „Moje dieťa sa pri používaní tohto produktu zranilo.“

Ľudský recenzent by mal hodnotiť každý návrh z hľadiska presnosti, tónu, súladu s pravidlami, správania pri eskalácii a toho, či odpoveď obsahovala dostatok dôkazov.

Výsledok

Ilustratívny výsledok: na základe načasovania 30 vzorových tiketov pred a po použití pracovného postupu môže tím zistiť, že priemerný čas spracovania prvého návrhu klesne zo 6 minút na 2 minúty na tiket.

Pri 300 lístkoch týždenne by to znamenalo:

• Čas manuálneho kreslenia: 1 800 minút týždenne

• Čas na kreslenie s pomocou umelej inteligencie: 600 minút týždenne

• Odhadovaná úspora času: 1 200 minút týždenne alebo 20 hodín

Presnejšie meranie však nie je len „úsporou času“. Tím by mal tiež sledovať chyby. V tomto príklade testu by dobrým cieľom bolo:

• 0 automatických odoslaní bez ľudského schválenia

• 0 zmeškaných eskalácií na rizikových testovacích tiketoch

• Menej ako 2 chyby v pravidlách v 30 skontrolovaných návrhoch

• 100 % odpovedí s pomocou umelej inteligencie odkazovalo späť na schválený zdroj

To dáva kupujúcemu praktické porovnanie: nie „ktorá AI sa cíti najlepšie?“, ale „ktoré nastavenie šetrí čas a zároveň zachováva kontrolu, dôkazy a auditovateľnosť?“

Čo sa môže pokaziť

Najväčšou chybou je považovať vstavané tlačidlo s umelou inteligenciou za plnohodnotný pracovný postup. Nie je to tak.

Medzi bežné problémy patria:

• Nechať asistenta odpovedať z hmlistej pamäti namiesto schválených pravidiel

• Príliš skoro poskytnutie príliš veľkého množstva údajov o zákazníkoch

• Nezaznamenávanie výziev, konceptov, úprav a konečných odpovedí

• Zabúdanie na testovanie okrajových prípadov pred spustením

• Taká silná závislosť na súkromnej funkcii jedného dodávateľa, že neskorší prechod je bolestivý

• Meranie iba rýchlosti, nie presnosti alebo kvality eskalácie

Asistent podpory, ktorý rýchlo píše návrhy, ale vymýšľa si sľuby vrátenia peňazí, nie je výhrou v produktivite. Je to len rýchlejší spôsob, ako podať sťažnosť. 😬

Praktické ponaučenie

Umelá inteligencia veľkých technologických spoločností môže byť skutočne cenná, keď je súčasťou živých pracovných postupov, ako je podpora, predaj, bezpečnosť a administrácia. Firmy by si však mali najprv otestovať nenápadné základy: povolenia, protokoly, správu zdrojového kódu, odhlásenia, ceny a prenosnosť.

To je praktická verzia celej debaty o umelej inteligencii veľkých technologických spoločností: využívajte silu, ale nenechajte sa uväzniť v spánku.

Často kladené otázky

Aká je úloha veľkých technologických spoločností v oblasti umelej inteligencie v praxi?

Úloha veľkých technologických spoločností v oblasti umelej inteligencie nie je ani tak v tom, že „vytvárajú modely“, ale skôr v tom, že „obsluhujú stroje, ktoré umožňujú fungovanie umelej inteligencie vo veľkom meradle“. Poskytujú cloudovú infraštruktúru, dodávajú umelú inteligenciu prostredníctvom zariadení a aplikácií a stanovujú pravidlá platformy, ktoré formujú to, čo sa vytvorí. Financujú tiež výskum, partnerstvá a akvizície, ktoré ovplyvňujú, ktoré prístupy prežijú. Na mnohých trhoch v skutočnosti definujú predvolené prostredie umelej inteligencie.

Prečo je prístup k výpočtom taký dôležitý pre tých, ktorí dokážu vyvíjať umelú inteligenciu vo veľkom meradle?

Moderná umelá inteligencia závisí od veľkých klastrov GPU, rýchlych sietí, úložísk a spoľahlivých MLOps kanálov – nielen od inteligentných algoritmov. Ak nedokážete dosiahnuť predvídateľnú kapacitu, školenie, hodnotenie a nasadenie sa stanú krehkými a drahými. Veľké technologické spoločnosti často ovládajú „chrbticu“ (cloud, partnerstvá s čipmi, plánovanie, bezpečnosť), ktorá môže určiť, čo je uskutočniteľné pre menšie tímy. Táto sila môže byť prospešná, ale zostáva silou.

Ako distribúcia veľkých technologických spoločností formuje to, čo znamená „AI“ pre bežných používateľov?

Distribúcia je superschopnosť, pretože premieňa umelú inteligenciu na predvolenú funkciu namiesto samostatného produktu, ktorý si musíte vybrať. Keď sa umelá inteligencia objaví vo vyhľadávacích paneloch, telefónoch, e-mailoch, dokumentoch, na stretnutiach a v obchodoch s aplikáciami, pre väčšinu ľudí sa stáva „tým, čím umelá inteligencia je“. To tiež zužuje očakávania verejnosti: ak je umelá inteligencia vo vašich aplikáciách prevažne nástrojom na písanie, používatelia predpokladajú, že umelá inteligencia sa rovná písaniu. Platformy potichu určujú tón.

Aké sú hlavné spôsoby, akými pravidlá platforiem a obchody s aplikáciami fungujú ako strážcovia AI?

Pravidlá kontroly aplikácií, podmienky trhu, pravidlá obsahu a obmedzenia API môžu určiť, ktoré funkcie umelej inteligencie sú povolené a ako sa musia správať. Aj keď sú pravidlá formulované ako ochrana bezpečnosti alebo súkromia, formujú aj konkurenciu zvyšovaním nákladov na dodržiavanie predpisov a implementáciu. Pre vývojárov to znamená, že aktualizácie pravidiel môžu byť rovnako dôležité ako aktualizácie modelov. V praxi je „to, čo sa dodáva“, často „to, čo prejde bránou“

Ako zapadajú cloudové platformy AI ako SageMaker, Azure ML a Vertex AI do úlohy veľkých technologických spoločností v oblasti AI?

Cloudové platformy umelej inteligencie spájajú školenia, nasadenie, monitorovanie, riadenie a zabezpečenie na jednom mieste, čo znižuje trenie pre startupy a podniky. Nástroje ako Amazon SageMaker, Azure Machine Learning a Vertex AI uľahčujú škálovanie a správu nákladov prostredníctvom vzťahu s jedným dodávateľom. Nevýhodou je, že pohodlie môže zvýšiť väzbu, pretože pracovné postupy, povolenia a monitorovanie sú hlboko integrované do tohto ekosystému.

Na čo by sa mal kupujúci v oblasti podnikania opýtať pred prijatím nástrojov umelej inteligencie veľkých technologických spoločností?

Začnite s dátami: kam idú, ako sú izolované a aké existujú kontroly uchovávania a auditu. Opýtajte sa na administrátorské kontroly, protokolovanie, hranice prístupu a ako sa modely hodnotia z hľadiska rizika vo vašej doméne. Taktiež otestujte ceny, pretože náklady založené na používaní môžu s rastúcim zavádzaním stúpať. V regulovaných prostrediach zosúladte očakávania s rámcami a požiadavkami na dodržiavanie predpisov, ktoré vaša organizácia už používa.

Ako sa môžu vývojári vyhnúť závislosti od dodávateľa pri vývoji na rozhraniach API pre umelú inteligenciu veľkých technologických spoločností?

Bežným prístupom je navrhovať s ohľadom na prenositeľnosť: volania modelov by sa mali zabaliť za vrstvu abstrakcie a výzvy, politiky a logika vyhodnocovania by mali byť verzované a testovateľné. Vyhnite sa spoliehaniu sa na jednu „špeciálnu“ funkciu dodávateľa, ktorá by sa mohla zmeniť alebo zmiznúť. Sledujte limity sadzieb, aktualizácie cien a zmeny politík ako súčasť priebežnej údržby. Prenositeľnosť nie je bezplatná, ale zvyčajne stojí menej ako vynútená migrácia.

Ako súkromie a personalizácia vytvárajú „dohodu o dôvere“ s funkciami umelej inteligencie?

Personalizácia často zlepšuje užitočnosť umelej inteligencie, ale zvyčajne zvyšuje expozíciu dátam a vnímanú strašidelnosť. Veľké technologické spoločnosti sú blízko k behaviorálnym, podnikovým, platformovým a zariadeniam dátam, takže používatelia a regulačné orgány skúmajú, ako tieto dáta ovplyvňujú školenia, dolaďovanie a rozhodnutia o produktoch. Praktickým kritériom je, či spoločnosť dokáže jasne vysvetliť svoje postupy v oblasti dát umelej inteligencie bez toho, aby sa skrývala za právnický jazyk. Dôležité sú dobré kontroly a skutočné možnosti odhlásenia.

Ktoré normy a predpisy sú najrelevantnejšie pre riadenie a bezpečnosť umelej inteligencie v oblasti veľkých technologických spoločností?

V mnohých procesoch riadenie spája interné bezpečnostné politiky s externými rámcami a zákonmi. Organizácie sa často odvolávajú na usmernenia pre riadenie rizík, ako je NIST-ova smernica o riadení rizík pre umelú inteligenciu (AI RMF), štandardy riadenia, ako je ISO/IEC 42001, a regionálne pravidlá, ako je GDPR a zákon EÚ o umelej inteligencii (EU AI Act), pre určité prípady použitia. Tieto ovplyvňujú protokolovanie, audity, hranice údajov a to, čo sa blokuje alebo povoľuje. Výzvou je, že dodržiavanie predpisov môže byť nákladné, čo môže zvýhodňovať väčších hráčov.

Je vplyv veľkých technologických spoločností na konkurenciu a ekosystémy vždy zlá vec?

Nie automaticky. Platformy môžu znižovať bariéry, štandardizovať nástroje a financovať bezpečnosť a infraštruktúru, ktorú si menšie tímy nemôžu dovoliť. Tá istá dynamika však môže znížiť diverzitu, ak sa každý stane tenkým obalom okolo niekoľkých dominantných API, cloudov a trhovísk. Dávajte si pozor na vzorce, ako je konsolidácia výpočtov a distribúcie, plus zmeny cien a politík, ktorým je ťažké sa vyhnúť. Najzdravšie ekosystémy zvyčajne nechávajú priestor pre interoperabilitu a nových účastníkov.

Referencie

1. Medzinárodná energetická agentúra - Energia a umelá inteligencia - iea.org

2. Medzinárodná energetická agentúra - Dopyt po energii z umelej inteligencie - iea.org

3. NVIDIA - Prehľad platforiem pre inferenciu umelej inteligencie - nvidia.com

4. Amazon Web Services – Dokumentácia k umelej inteligencii Amazon SageMaker (Čo je SageMaker?) – aws.amazon.com

5. Dokumentácia k Microsoftu pre strojové učenie Azure – learn.microsoft.com

6. Dokumentácia k AI služby Vertex od spoločnosti Google Cloud – cloud.google.com

7. Google Cloud – MLOps na Vertex AI – cloud.google.com

8. Microsoft - Sprievodca architektúrou operácií strojového učenia (MLOps) v2 - learn.microsoft.com

9. Vývojár Apple – Základné strojové učenie – developer.apple.com

10. Vývojári Google – Súprava strojového učenia – developers.google.com

11. Pokyny pre vývojárov Apple – recenzia aplikácií – developer.apple.com

12. Pomocník služby Google Play Console – Bezpečnosť údajov – support.google.com

13. arXiv - Zákony škálovania pre modely neurónových jazykov - arxiv.org

14. arXiv - Trénovanie výpočtovo optimálnych modelov rozsiahlych jazykov (Chinchilla) - arxiv.org

15. Národný inštitút pre štandardy a technológie – Rámec riadenia rizík umelej inteligencie (AI RMF 1.0) – nist.gov

16. Národný inštitút pre štandardy a technológie – NIST Generative AI Profile (AI RMF companion) – nist.gov

17. Medzinárodná organizácia pre normalizáciu - ISO/IEC 42001:2023 - iso.org

18. EUR-Lex - Nariadenie (EÚ) 2016/679 (GDPR) - eur-lex.europa.eu

19. EUR-Lex - Nariadenie (EÚ) 2024/1689 (zákon EÚ o umelej inteligencii) - eur-lex.europa.eu

20. OECD - Zásady AI OECD - oecd.ai

Nájdite najnovšiu umelú inteligenciu v oficiálnom obchode s asistentmi umelej inteligencie

O nás