Когда дело доходит до технологий, новые инновации всегда балансируют между реальностью и гипотетикой. Мы наблюдали за взлетом и падением криптовалюты. Испытал кратковременную радость от того, что скоро все будут жить в метавселенной. И теперь мы находимся под постоянным шквалом обещаний генеративного ИИ. Однако когда дело доходит до ИИ, мы отошли от гипотетических предположений. ИИ здесь. Потому что за шумихой скрывается реальность: мы находимся в разгаре следующей революции искусственного интеллекта.
Да, это не первая революция искусственного интеллекта. Потому что до ChatGPT был IBM Watson.
Войдя в историю искусственного интеллекта с помощью IBM Watson
В 2010 году мы выпустили IBM Watson — систему, которая использует обработку естественного языка (NLP) и машинное обучение (ML) для ответа на вопросы. Однако только в следующем году Watson прославился, свергнув с престола бывших чемпионов Кена Дженнингса и Брэда Раттера в сериале Jeopardy!.
В победе Уотсона в Jeopardy! часто упускают из виду не его способность находить ответы, а процесс, который привел к ответам. Если вы помните, Watson показывал потенциальные ответы, которые он рассматривал, включая ответ, который он в конечном итоге дал, с коэффициентом уверенности для каждого ответа — ключевым компонентом при масштабировании ИИ, поскольку он помогает объяснить, как были приняты решения.
За 13 лет, прошедших с момента запуска Watson, мы выполнили десятки тысяч проектов в области искусственного интеллекта с компаниями по всему миру и в разных отраслях — от здравоохранения до цифровой рекламы. И мы многому научились. Много. Один из главных выводов из этих проектов заключается в том, что существует большая разница между демонстрациями (например, шахматами и Jeopardy!), потребительскими приложениями (такими как Alexa от Amazon или ChatGPT от OpenAI) и корпоративными приложениями.
Внедрить ИИ на предприятии сложнее, чем кажется
На предприятии компаниям необходимо использовать ИИ, чтобы заново изобрести свой бизнес. Они исследуют новую, неизведанную территорию, пытаясь перестроить устоявшиеся процессы с нуля, вместо того, чтобы накладывать поверх них искусственный интеллект. Реальность такова: внедрить ИИ в крупномасштабных корпоративных средах непросто. Это дорого и отнимает много времени, не говоря уже о количестве корпоративных правил и предписаний, которые должны учитываться лидерами бизнеса.
Это всего лишь поверхностное впечатление. Самая большая обратная связь, которую мы получили от наших клиентов, заключалась в том, что если они собираются отдать приоритет ИИ, то им нужно иметь возможность взломать черный ящик ИИ, чтобы они могли объяснить, почему он принимает те решения, которые принимает. Они должны были иметь возможность доверять этому.
В результате мы потратили последнее десятилетие на разработку системы управления ИИ, или доверенного ИИ — способов, позволяющих компаниям не только внедрить ИИ на своем предприятии, но и делать это с доверием и прозрачностью.
Жить на стыке этики и инноваций в области искусственного интеллекта
Сегодня мы снова находимся в эпицентре следующей революции искусственного интеллекта, но на этот раз это не модели на основе машинного обучения, а базовые модели. Эти модели большого языка (LLM) обучаются на постоянно растущих наборах данных, которые достигают все лучших и лучших результатов — обещая сделать возможной масштабную масштабируемость ИИ — даже на уровне предприятия. Однако этот огромный потенциал сопряжен и с другими рисками, такими как создание фейкового контента и вредоносного текста, возможные утечки конфиденциальной информации, усиление предвзятости и полное отсутствие прозрачности в том, как работают эти системы.
Чтобы повысить доверие общества к ИИ, компании должны внедрить этические принципы в свои процессы разработки и внедрения ИИ, и они должны делать это, не дожидаясь распоряжений правительства. Это требует от компаний:
- Управление жизненным циклом ИИ и обеспечение прозрачности
Людям крайне важно знать, почему ИИ принимает те решения, которые он принимает. Например, банк должен иметь возможность сообщить потребителю, какие факторы послужили причиной отказа в кредите (это закон Европейского Союза согласно статье 14 GDPR), и что потребителю нужно будет сделать, чтобы изменить это. решение. Автоматизируя и консолидируя инструменты, приложения и платформы на протяжении всего жизненного цикла ИИ, компании могут получить представление о своих моделях ИИ и получить прозрачные и объяснимые результаты. Это позволяет компаниям проверять происхождение моделей и связанных с ними данных обучения, а также входные и выходные данные для каждой рекомендации ИИ.
2. Управляйте рисками и защищайте репутацию бренда
Клиенты, сотрудники и акционеры ожидают, что организации будут ответственно использовать ИИ. Сейчас это становится еще более важным, поскольку компании могут поставить под угрозу репутацию своего бренда, когда дело доходит до использования ИИ. Никто не хочет появляться в новостях по неправильным причинам. Автоматизируя рабочие процессы, чтобы лучше выявлять справедливость, предвзятость и отклонения, компании могут выявлять, управлять, отслеживать и сообщать о рисках в больших масштабах.
3. Соблюдайте нормативные требования
С ростом числа нормативных актов в области ИИ ответственное внедрение и масштабирование ИИ становится все более сложной задачей, особенно для глобальных организаций, регулируемых разнообразными требованиями и строго регулируемыми отраслями, такими как финансовые услуги, здравоохранение и телекоммуникации. Компаниям следует стремиться автоматизировать перевод правил ИИ в обязательные стандарты и политики, чтобы упростить соблюдение отраслевых и нормативных требований.
Это будет непросто. Это требует много работы, навыков и инвестиций, но важно обеспечить, чтобы предприятия могли использовать ИИ в массовом масштабе с доверием и прозрачностью. Потому что, хотя нас могут захлестнуть заголовки о генеративном искусственном интеллекте, существует четкий императив: отфильтровать шумиху и воспользоваться этой возможностью.
Что будет с ИИ дальше?
Теперь, когда мы знаем, как мы сюда попали, я хочу сосредоточиться на том, куда мы пойдем дальше. В моих будущих блогах я приглашу профильных экспертов в области ИИ присоединиться ко мне, и мы обсудим, как компании могут начать работу с генеративным ИИ и базовыми моделями, а также ответственным подходом к созданию этического ИИ путем разработки ограждений на основе принципов. доверия и прозрачности.
