Предприятия готовятся к созданию собственных программ LLM - почему это разумный шаг

Корпоративные программы LLM могут быть построены на общедоступных базовых моделях. Это хорошее начало.

Готовы ли предприятия создавать и поддерживать свои собственные внутренние модели больших языков (LLM)?

Искусственный интеллект, особенно его генеративная разновидность, привлек необузданный интерес как технических специалистов, так и руководителей. Подумайте вот о чем: несмотря на все бесконечные разговоры о сокращении бюджета на облачные сервисы и инфраструктуру в последнее время, денежный кран широко открылся для финансирования ИИ. Но направляются ли они наружу, к внешним службам, или внутрь, к местным талантам и ресурсам?

Многие сторонние организации, такие как OpenAI, Microsoft и Google, считаются основными поставщиками программ LLM, поддержки инфраструктуры и экспертных знаний. Однако интерес к внутренним проектам LLM также растет. Новый опрос 1300 руководителей, проведенный TCS, показал, что около половины опрошенных, 51%, заявили, что планируют создать свои собственные реализации генеративного искусственного интеллекта. Это означает, что впереди еще много работы, но, к счастью, основа уже заложена с помощью общедоступных программ LLM.

«Основные LLM, такие как GPT, Claude, Llama, лучше всего можно охарактеризовать как мировые; их можно рассматривать как переупаковку интернет-знаний», — доктор Харрик Вин, технический директор TCS и соавтор исследования. , рассказал ZDNET. «Они также обладают высоким уровнем мультимодального понимания и способности генерировать идеи, а также способностями к рассуждению».

Построение этих основополагающих моделей «сложно и дорого», сказал Вин, отметив, что внутренние модели предприятия будут основываться на возможностях этих моделей. «Эти модели будут использовать базовые навыки основополагающих моделей, такие как понимание и генерация языка, рассуждение и общие знания. Но им необходимо расширить и специализировать их в контексте отрасли, предприятия и деятельности».

К счастью, «создание таких специализированных моделей намного проще и дешевле по сравнению с разработкой базовых моделей», — сказал Вин. «На самом деле, относительная простота специализации базовых LLM, которые представляют собой широкие модели ИИ, для создания моделей и решений ИИ для конкретных целей является основной причиной демократизации ИИ».

Эти программы LLM, ориентированные на конкретные предприятия, «относятся к отраслевым, корпоративным и отраслевым моделям, построенным с использованием некоторых основополагающих моделей, как с открытым исходным кодом, так и коммерческих», продолжил он. «Мы считаем, что в будущем зрелые предприятия с искусственным интеллектом будут иметь сотни или тысячи целенаправленных моделей искусственного интеллекта, построенных путем объединения возможностей базовых моделей с конкретными возможностями, специфичными для предприятия».

Помимо создания и внедрения моделей, бизнес необходимо подготовить к использованию генеративного ИИ. Более половины (55%) заявили, что прямо сейчас активно вносят изменения в свои бизнес- или операционные модели, а также в свои продукты и услуги для внедрения ИИ. Четверо из 10 руководителей заявили, что в будущем им «много изменений предстоит внести». в свой бизнес», прежде чем они смогут в полной мере воспользоваться преимуществами ИИ, показывает опрос TCS.

Это указывает на медленное, но мощное внедрение как генеративного, так и оперативного ИИ. За последний год «каждое предприятие экспериментировало со сценариями использования искусственного интеллекта нового поколения, и в 2024 году и далее речь пойдет о масштабировании ценности», — сказал Вин. «Однако на этапе экспериментирования каждое предприятие осознало, что масштабирование ценности является сложной задачей».

В настоящее время только 17% обсуждают ИИ и строят в отношении него общекорпоративные планы, как показывает опрос TCS. Кроме того, только 28% готовы разработать общекорпоративную стратегию ИИ, чтобы максимизировать ее выгоды для компании. Тем не менее, Вин видит быстрый рост технологий. «Существует разница между внедрением решений искусственного интеллекта на разовой основе или в каждом конкретном случае и разработкой общекорпоративного плана по созданию зрелого предприятия с искусственным интеллектом», — сказал Вин. «Относительно низкие цифры в опросе относятся к созданию таких стратегий в масштабах всего предприятия. Это ожидаемо».

Что касается внедрения решений ИИ, продолжил Вин, «цифры довольно высоки: 59% корпоративных функций реализуют ИИ в процессе или уже завершены, а еще 34% планируют внедрение ИИ. Мы находимся на ранней стадии и того, и другого». технологическая зрелость, а также внедрение на предприятиях в масштабе, зрелость. Большинство предприятий начинают использовать ИИ и генИИ для конкретных случаев использования, одновременно отправляясь в долгосрочный путь для количественной оценки выгод, а также управления соответствующими затратами и рисками».

За прошедший год «каждое предприятие экспериментировало со сценариями использования genAI, и в 2024 году и далее речь пойдет о масштабировании ценности», — сказал Вин. «Однако на этапе экспериментирования каждое предприятие осознало, что масштабирование ценности является сложной задачей».
Во-первых, «создание эффективных решений искусственного интеллекта требует высококачественных данных», — сказал он. «Хотя у предприятий действительно много данных, они часто распределены по множеству взаимно несовместимых островов. Хотя большинство предприятий за последние несколько лет приступили к консолидации и модернизации хранилища данных, эти пути еще далеки от завершения. Кроме того, миграция Перенос данных в облачные среды для большинства предприятий находится в стадии разработки. Это затрудняет использование базовых LLM, размещенных в облаке, вместе со своими корпоративными данными».
Также: возможно, создается генеративный ИИ. работы больше, чем экономится

Кроме того, предприятиям «необходимо будет повысить свою зрелость, чтобы активно управлять происхождением данных, их использованием, безопасностью и конфиденциальностью», — сказал Вин. «Им нужно будет овладеть искусством определения того, какие данные могут быть использованы для какой цели, даже непреднамеренно, чтобы предотвратить предвзятость и недобросовестную практику. Это не только проблема времени разработки, но и проблема времени выполнения». Необходимы системы, «чтобы в режиме реального времени обнаруживать возникающие условия, когда модели ИИ начинают отклоняться от ожидаемого поведения».
Наконец, требования к ролям и навыкам меняются быстрее, чем компании могут успевать за ними. «С внедрением искусственного интеллекта роль работников умственного труда на предприятии изменится с исполнителей работы на инструкторов и допрашивающих машины, рецензентов работы, выполняемой машинами, а также обладателей критического мышления и творчества», — сказал Вин.