شاركنا في منتدى موضوعي يجمع بين النماذج الكبيرة والصناعة. بعد الحدث، تواصل معنا ممثل من منظم الصناعة وقال: "لقد كنتم تتحدثون عن النماذج الكبيرة. ما هو بالضبط النموذج الكبير؟ ما حجم النموذج الكبير؟ لماذا لا يمكننا استخدام النماذج الصغيرة؟"
هذه السلسلة من الأسئلة تجعلنا ندرك مرة أخرى أن جانبي العرض والطلب الذكيين غالبًا ما يكونان في نظامين للخطاب. لقد كنت تتحدث عن Transfomer و Agent لفترة طويلة، ولكن ربما لا تزال تتساءل من أين تأتي عبارة "نموذج كبير".
وهذه الفجوة خطيرة بشكل خاص في عصر الذكاء الاصطناعي. لأن تكنولوجيا الذكاء الاصطناعي تتضمن سلسلة أطول، أولئك الذين يصنعون الخوارزميات، وأولئك الذين يصنعون السحاب، وأولئك الذين يصنعون الأجهزة، وأولئك الذين يصنعون حلول تكنولوجيا المعلومات، وأولئك الذين يدفعون الفاتورة في النهاية، قد يتحدث الجميع عن آرائهم الخاصة، ولا ينوي أحد لفهم أي شخص حقا.
اليوم، يتحدث الجميع عن نماذج الصناعة الكبيرة ونماذج الصناعة الكبيرة. والواقع أنه من السهل من المنظور الفني أن نجد أن النماذج الضخمة من الممكن أن تحقق إصدارات إنتاجية ضخمة للعديد من الصناعات. ومن المنظور الفني، فإن الشركات الصينية أكثر تقبلاً ولديها طلب أقوى على المعلومات الاستخباراتية. إن نقل النماذج الكبيرة إلى الصناعة لتحقيق التكامل بين الرقمي والحقيقي هو الخط الأكثر تميزا في الذكاء الاصطناعي في الصين، وله أهمية استراتيجية كلية قوية في سياق الصين الرقمية.
لكن من الناحية العملية، فإن هذا المسار محفوف بالتحديات وسوء الفهم.
ففي نهاية المطاف، لا تستطيع تسع من كل عشر شركات تعمل في مجال خوارزميات الذكاء الاصطناعي القيام بذلك. قبل نافذة الفرصة الجديدة للنموذج الكبير إلى B، يجب علينا أولاً تحديد نوع النموذج الكبير الذي تحتاجه الصناعة؟
النموذج الصناعي الكبير ليس نموذجًا
إن أكبر سوء فهم عندما تقوم شركات الذكاء الاصطناعي بتطوير نماذج واسعة النطاق ودمج الصناعات هو أنها لا تستطيع فهم العلاقة بين العرض والطلب.
صحيح أن الاعتراف الحالي بالنماذج الكبيرة وقبولها في الصناعة يعد أمرًا جيدًا نسبيًا، لكن المشاريع الذكية لا تزال سوقًا مطلقة للمشتري. يحتاج موردو التكنولوجيا إلى التكيف مع الاحتياجات والقدرات والخلفيات، وحتى مهارات الاتصال والعادات التجارية للمستخدمين النهائيين.
ومع ذلك، نظرًا لأن الشركات تصنع نماذج واسعة النطاق للذكاء الاصطناعي، فقد تدفقت كمية كبيرة من المواهب والأموال في مجال الإنترنت. إن منطق العرض والطلب في الإنترنت يتلخص في أن نقطة عرض واحدة تلبي كمية كبيرة من الطلب. ولدي خدعة تتمثل في جلب أفكار جديدة من جميع أنحاء العالم. من السهل التفكير في تكييف النماذج الكبيرة في العديد من الصناعات. على سبيل المثال، يحتاج المصنع إلى تحليل المكونات، ويحتاج البنك إلى تحليل الاستثمار. ألا يستطيع نموذجي الضخم تحليله أيضًا؟
لذلك، في ظل هذا "التفكير الخارجي"، وقعت العديد من شركات الذكاء الاصطناعي في سوء فهم كبير: فهم يعتقدون أنه بما أن لدي نموذجًا كبيرًا، فيجب أن يأتي إلي العملاء من جميع الصناعات. أقدم حالات من صناعتين أو ثلاث صناعات، والتي يجب أن تعترف بها الصناعات الأخرى. يمكن استخدام هذا النموذج الكبير الخاص بي في كل مكان، لذلك يطلق عليه النموذج الصناعي الكبير.
سواء كان هؤلاء الممارسون للذكاء الاصطناعي يعتقدون حقًا أن النماذج الكبيرة تساوي الدواء الشافي للصناعة، أم أنهم يتفاخرون عمدًا بهذه الطريقة. من وجهة نظر العملاء الصناعيين، فإن هذا المشهد هو بمثابة هراء. هل يعتقدون أن التكنولوجيا المستخدمة في الصناعة المالية لا علاقة لها بمناجم الفحم لدينا؟ لو كان هناك طعام يمكن أن تأكله القطط، البقر، البشر، أو حتى القطط، هل تجرؤ على أكله؟
** أول شيء يتعين على الصناعة فعله مع النماذج الكبيرة هو عدم تلخيص الصناعات المختلفة إلى حد كبير في كلمة "صناعة" ووضع حد لها. حتى داخل صناعة معينة، لا يمكن للنماذج الكبيرة أن تحل سوى مشكلة واحدة أو بضع مشاكل في الصناعة، ومن المستحيل أن يقوم نموذج واحد "بإصلاح جميع الصناعات". **
يعرف أي شخص يعمل في مجال تكنولوجيا المعلومات أنه لكي تحصل على منتجات، فأنت بحاجة إلى خدمات، ولكي تفهم التكنولوجيا، عليك أن تفهم الصناعة. ومع ذلك، فإن شركات الذكاء الاصطناعي، وخاصة تلك التي تضخ الأموال الساخنة في مجال النماذج الكبيرة، تفتقر عمومًا إلى الفهم والاحترام للاختلافات في احتياجات الصناعة.
وبطبيعة الحال، الصناعات المختلفة لديها أيضا احتياجات مشتركة للنماذج الكبيرة. على سبيل المثال، الحوار الأساسي والسيرة الذاتية والقدرات متعددة الوسائط. ولكن في أغلب الأحيان، يكون لكل صناعة متطلبات مختلفة، وقدرات رقمية أساسية، وحتى متطلبات أمنية، ومتطلبات زمن الوصول، ومتطلبات التشغيل والصيانة. في مرحلة اليوم، من الصعب جدًا تكرار نموذج كبير والترويج له في صناعة معينة، ناهيك عن تغطية عدة أو حتى عشرات الصناعات دفعة واحدة.
عندما يتعلق الأمر بالذكاء الصناعي، فإن الأولوية دائمًا تكون للصناعة قبل الذكاء.
عدم ذكر تقليل الأجهزة والهندسة هو مضيعة للوقت
سوف تتفاجأ العديد من الشركات التي تعمل في مجال الرقمنة والذكاء بهذا الشيء بعد النظر إلى بيئة العميل: ما أنفق العميل الكثير من المال لشرائه هو في الواقع برنامج بسيط جدًا مغلق في صندوق، ثم يتم تصنيعه وفقًا للصناعة المتطلبات والأزرار وواجهة المستخدم وأشياء من هذا القبيل. تم إعادة تجميع العديد من هذه البرامج من برامج أجنبية مفتوحة المصدر قديمة جدًا، وقد تخلفت لفترة طويلة عن الركب من الناحية التقنية. في هذا الوقت، سوف يتأسفون لأنه من السهل جدًا خداع عملاء الصناعة وسلب أموالهم.
ولكن هنا يأتي السؤال: إذا فكرنا في هذه المشكلة من زاوية أخرى، فكيف يمكن لأي مؤسسة أن تستخدمها دون هذه الطبقة من التغليف؟ هل من الضروري لمصنع أو منجم أو مزرعة غابات توظيف وتدريب عدد كبير من المواهب في مجال الحوسبة السحابية وخوارزميات الذكاء الاصطناعي؟ والسماح لهذه المواهب الرقمية بتوجيه الإنتاج والعمليات والمبيعات للشركة بأكملها؟ من الواضح أن هذا لا يمكن الاعتماد عليه.
لذلك، هناك حقيقة غير بديهية إلى حد ما وهي أن مستخدمي الصناعة يميلون إلى الاهتمام بـ "القشرة" أكثر من الاهتمام بالتقنيات المتقدمة المبهرة. تشير طبقة الغلاف هذه إلى الأجهزة والهندسة، التي تقوم بتغليف القدرات التقنية وإدارتها والحفاظ عليها وفقًا لمتطلبات الاستخدام النهائي. على الرغم من أن الشيء المجمع النهائي قد يكون صعب الاستخدام وقد لا يكون متقدمًا، إلا أن أهم شرط للذكاء بالنسبة لمستخدمي الصناعة هو أنه يمكن استخدامه ويمكن للموظفين تعلمه.
عند مناقشة نماذج الصناعة الكبيرة، غالبًا ما نقع في سوء الفهم هذا اليوم. يميل الممارسون إلى إيلاء الكثير من الاهتمام لقيادة طبقة الخوارزمية وعالميتها، والتنافس مع مقياس المعلمات وسجلات الاختبار، والتركيز على البرنامج. ولكن ما تحتاج الصناعة إلى نماذج ضخمة للقيام به هو التنافس مع الأنظمة الرقمية السابقة، مع تكاليف الاستخدام، ومع الحدود التشغيلية. يتطلب ذلك نموذجًا كبيرًا يأخذ في الاعتبار بيئة الأجهزة، وبيئة الشبكة، وموارد التخزين والحوسبة، ونظام التشغيل، وحتى مصدر الطاقة، والرطوبة، ودرجة حرارة بيئة النشر.
**الشيء الثاني الذي يتعين على النماذج الصناعية الكبيرة القيام به هو أن تأخذ في الاعتبار تكييف الأجهزة والمشكلات الهندسية. **
تعتمد إمكانية تنفيذ النموذج الكبير على العثور على المشهد الصحيح. ولكن ما هو المشهد؟ المكان الأخير الذي يعمل يسمى المشهد.
الغالبية العظمى من الشركات ليست موجهة نحو تكنولوجيا المعلومات. حتى أن معظم الشركات لا تستطيع إرسال موظفين متخصصين لفهم ماهية النموذج الكبير بعناية. لا يمكن تغيير هذا الشيء لفترة طويلة.
الجبل لن يأتي لرؤيتك، لذلك عليك أن ترى الجبل.
يقارن العديد من الأشخاص نموذجًا كبيرًا بمنجم ذهب، لذا فإن تدريب نموذج كبير هو مجرد حفر منجم ذهب، ومن خلال الأساليب الهندسية ودمج النموذج الكبير في البنية التحتية الرقمية الحالية للصناعة، يمكن نقل منجم الذهب خارجًا. الجبل.
سيتعين على الخبراء في النهاية الذهاب إلى المصنع
سواء كانوا يروون قصصًا للعملاء أو يتواصلون مع الجمهور، فإن العديد من الشركات المصنعة للذكاء الاصطناعي ستذكر دائمًا هذا: لا تقلق، لدينا خبراء وباحثون في مرحلة ما بعد الدكتوراه يتجذرون في الصناعة. ذهبت إلى المصانع والأراضي الزراعية وبقيت هناك عدة أشهر.
إذا كنت مستخدمًا محتملاً للنماذج الكبيرة في الصناعة، فما عليك سوى الاستماع إلى هذه القصة. صحيح أن الخبراء يتمركزون في المصنع، لكن هذا المصنع على الأرجح ليس مصنعك.
في الواقع، يعد وجود خبراء الذكاء الاصطناعي في الخطوط الأمامية للصناعة طريقة فعالة لتقليص الفجوة بين طلب الصناعة وعرض النماذج الكبيرة. وهذه أيضًا عملية تطوير ضرورية للذكاء الصناعي.
لكن هذه العملية يجب أن تكون مؤقتة فقط ولا يمكن أن تستمر طويلا. تخيل فقط أن النماذج الكبيرة أصبحت الآن في المقدمة، فما قيمة الخبراء؟ يتمركز فريق من الخبراء في الموقع، ما هي الجهة التي يمكنها تحمل تكلفة الرواتب هذه؟
الخبراء الذين تدعي شركات الذكاء الاصطناعي أنهم متمركزون في المصنع يقومون في الواقع بإجراء الحالات والاختبارات. بشكل عام، يتعاونون مع العملاء الرائدين في الصناعة، والمصنعون على استعداد لفحص النماذج بخسارة لمراقبة المشاكل المحددة.
**يمكن للخبراء الذهاب إلى المصانع، ولكن بالتأكيد لا يمكن للخبراء أن يتمركزوا في مصنع بعد عام بعد عام. **هذا إجراء قياسي عندما يدخل مصنعو الذكاء الاصطناعي إلى صناعة ما، ولكن غالبًا ما يُفهم على أنه إجراء روتيني عن قصد أو عن غير قصد. ولكن إذا كان عليك حقًا الاعتماد على الخبراء للذهاب إلى المصنع للترويج للنماذج الكبيرة، فلن يتمكن الذكاء الاصطناعي أبدًا تكون قابلة للتنفيذ بسبب التكلفة، ولا يستطيع أحد تحملها.
الشيء الثالث الذي يتعين على النماذج الصناعية الكبيرة القيام به هو أن التكنولوجيا تتمتع بقابلية تكرار منخفضة داخل الصناعة ولا يمكنها الاعتماد بشكل كبير على التعاون اليدوي المخصص. **
وما يجب ملاحظته بشكل خاص هو أنه في هذه المرحلة، أصبحت الشركات الكبيرة والمتوسطة الحجم حذرة بشكل متزايد في الاستثمار في الاستخبارات، ولا يمكن أن تكون تكلفة التجربة والخطأ مرتفعة للغاية. من الصعب أن تحظى خطط تنفيذ النماذج واسعة النطاق والتي تعتبر تجريبية للغاية وغير مؤكدة، بالاعتراف من كبار العملاء في المرحلة الحالية، ناهيك عن الآلاف من العملاء الصغار والمتوسطين، ومن المستحيل الاعتماد على الاستثمار اليدوي الثقيل للترويج لها.
وخلاصة القول، هناك ثلاثة تحديات أمام تنفيذ النماذج الصناعية واسعة النطاق في المرحلة الحالية:
يتصور مصنعو الذكاء الاصطناعي دائمًا أن النماذج الكبيرة هي العلاج الشافي، ولكن ما تحتاجه الصناعة هو الفهم والتركيز.
يركز مصنعو الذكاء الاصطناعي دائمًا على ابتكار الخوارزميات، ولكن ما تحتاجه الصناعة هو الهندسة وقابلية التشغيل.
يروج مصنعو الذكاء الاصطناعي لعدد كبير من الحالات التي تعتمد على قدرات المواهب، ولكن ما تحتاجه الصناعة هو التكلفة المنخفضة وقابلية التكرار.
تشرق الشمس عندما يتم إطلاق نماذج كبيرة في الصناعة، ولكن عليك أيضًا إزالة بعض الثلوج بوعي. وعندما تعود إلى واجهة المستخدم، يمكنك غالبًا العثور على إجابات لمزيد من الأسئلة.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
ما نوع النماذج الكبيرة التي تحتاجها الصناعة؟
المصدر الأصلي: الجسم القطبي للدماغ
سبب كتابة هذا المقال حدث منذ وقت ليس ببعيد.
شاركنا في منتدى موضوعي يجمع بين النماذج الكبيرة والصناعة. بعد الحدث، تواصل معنا ممثل من منظم الصناعة وقال: "لقد كنتم تتحدثون عن النماذج الكبيرة. ما هو بالضبط النموذج الكبير؟ ما حجم النموذج الكبير؟ لماذا لا يمكننا استخدام النماذج الصغيرة؟"
هذه السلسلة من الأسئلة تجعلنا ندرك مرة أخرى أن جانبي العرض والطلب الذكيين غالبًا ما يكونان في نظامين للخطاب. لقد كنت تتحدث عن Transfomer و Agent لفترة طويلة، ولكن ربما لا تزال تتساءل من أين تأتي عبارة "نموذج كبير".
وهذه الفجوة خطيرة بشكل خاص في عصر الذكاء الاصطناعي. لأن تكنولوجيا الذكاء الاصطناعي تتضمن سلسلة أطول، أولئك الذين يصنعون الخوارزميات، وأولئك الذين يصنعون السحاب، وأولئك الذين يصنعون الأجهزة، وأولئك الذين يصنعون حلول تكنولوجيا المعلومات، وأولئك الذين يدفعون الفاتورة في النهاية، قد يتحدث الجميع عن آرائهم الخاصة، ولا ينوي أحد لفهم أي شخص حقا.
اليوم، يتحدث الجميع عن نماذج الصناعة الكبيرة ونماذج الصناعة الكبيرة. والواقع أنه من السهل من المنظور الفني أن نجد أن النماذج الضخمة من الممكن أن تحقق إصدارات إنتاجية ضخمة للعديد من الصناعات. ومن المنظور الفني، فإن الشركات الصينية أكثر تقبلاً ولديها طلب أقوى على المعلومات الاستخباراتية. إن نقل النماذج الكبيرة إلى الصناعة لتحقيق التكامل بين الرقمي والحقيقي هو الخط الأكثر تميزا في الذكاء الاصطناعي في الصين، وله أهمية استراتيجية كلية قوية في سياق الصين الرقمية.
لكن من الناحية العملية، فإن هذا المسار محفوف بالتحديات وسوء الفهم.
ففي نهاية المطاف، لا تستطيع تسع من كل عشر شركات تعمل في مجال خوارزميات الذكاء الاصطناعي القيام بذلك. قبل نافذة الفرصة الجديدة للنموذج الكبير إلى B، يجب علينا أولاً تحديد نوع النموذج الكبير الذي تحتاجه الصناعة؟
النموذج الصناعي الكبير ليس نموذجًا
إن أكبر سوء فهم عندما تقوم شركات الذكاء الاصطناعي بتطوير نماذج واسعة النطاق ودمج الصناعات هو أنها لا تستطيع فهم العلاقة بين العرض والطلب.
صحيح أن الاعتراف الحالي بالنماذج الكبيرة وقبولها في الصناعة يعد أمرًا جيدًا نسبيًا، لكن المشاريع الذكية لا تزال سوقًا مطلقة للمشتري. يحتاج موردو التكنولوجيا إلى التكيف مع الاحتياجات والقدرات والخلفيات، وحتى مهارات الاتصال والعادات التجارية للمستخدمين النهائيين.
ومع ذلك، نظرًا لأن الشركات تصنع نماذج واسعة النطاق للذكاء الاصطناعي، فقد تدفقت كمية كبيرة من المواهب والأموال في مجال الإنترنت. إن منطق العرض والطلب في الإنترنت يتلخص في أن نقطة عرض واحدة تلبي كمية كبيرة من الطلب. ولدي خدعة تتمثل في جلب أفكار جديدة من جميع أنحاء العالم. من السهل التفكير في تكييف النماذج الكبيرة في العديد من الصناعات. على سبيل المثال، يحتاج المصنع إلى تحليل المكونات، ويحتاج البنك إلى تحليل الاستثمار. ألا يستطيع نموذجي الضخم تحليله أيضًا؟
لذلك، في ظل هذا "التفكير الخارجي"، وقعت العديد من شركات الذكاء الاصطناعي في سوء فهم كبير: فهم يعتقدون أنه بما أن لدي نموذجًا كبيرًا، فيجب أن يأتي إلي العملاء من جميع الصناعات. أقدم حالات من صناعتين أو ثلاث صناعات، والتي يجب أن تعترف بها الصناعات الأخرى. يمكن استخدام هذا النموذج الكبير الخاص بي في كل مكان، لذلك يطلق عليه النموذج الصناعي الكبير.
سواء كان هؤلاء الممارسون للذكاء الاصطناعي يعتقدون حقًا أن النماذج الكبيرة تساوي الدواء الشافي للصناعة، أم أنهم يتفاخرون عمدًا بهذه الطريقة. من وجهة نظر العملاء الصناعيين، فإن هذا المشهد هو بمثابة هراء. هل يعتقدون أن التكنولوجيا المستخدمة في الصناعة المالية لا علاقة لها بمناجم الفحم لدينا؟ لو كان هناك طعام يمكن أن تأكله القطط، البقر، البشر، أو حتى القطط، هل تجرؤ على أكله؟
** أول شيء يتعين على الصناعة فعله مع النماذج الكبيرة هو عدم تلخيص الصناعات المختلفة إلى حد كبير في كلمة "صناعة" ووضع حد لها. حتى داخل صناعة معينة، لا يمكن للنماذج الكبيرة أن تحل سوى مشكلة واحدة أو بضع مشاكل في الصناعة، ومن المستحيل أن يقوم نموذج واحد "بإصلاح جميع الصناعات". **
يعرف أي شخص يعمل في مجال تكنولوجيا المعلومات أنه لكي تحصل على منتجات، فأنت بحاجة إلى خدمات، ولكي تفهم التكنولوجيا، عليك أن تفهم الصناعة. ومع ذلك، فإن شركات الذكاء الاصطناعي، وخاصة تلك التي تضخ الأموال الساخنة في مجال النماذج الكبيرة، تفتقر عمومًا إلى الفهم والاحترام للاختلافات في احتياجات الصناعة.
وبطبيعة الحال، الصناعات المختلفة لديها أيضا احتياجات مشتركة للنماذج الكبيرة. على سبيل المثال، الحوار الأساسي والسيرة الذاتية والقدرات متعددة الوسائط. ولكن في أغلب الأحيان، يكون لكل صناعة متطلبات مختلفة، وقدرات رقمية أساسية، وحتى متطلبات أمنية، ومتطلبات زمن الوصول، ومتطلبات التشغيل والصيانة. في مرحلة اليوم، من الصعب جدًا تكرار نموذج كبير والترويج له في صناعة معينة، ناهيك عن تغطية عدة أو حتى عشرات الصناعات دفعة واحدة.
عندما يتعلق الأمر بالذكاء الصناعي، فإن الأولوية دائمًا تكون للصناعة قبل الذكاء.
عدم ذكر تقليل الأجهزة والهندسة هو مضيعة للوقت
سوف تتفاجأ العديد من الشركات التي تعمل في مجال الرقمنة والذكاء بهذا الشيء بعد النظر إلى بيئة العميل: ما أنفق العميل الكثير من المال لشرائه هو في الواقع برنامج بسيط جدًا مغلق في صندوق، ثم يتم تصنيعه وفقًا للصناعة المتطلبات والأزرار وواجهة المستخدم وأشياء من هذا القبيل. تم إعادة تجميع العديد من هذه البرامج من برامج أجنبية مفتوحة المصدر قديمة جدًا، وقد تخلفت لفترة طويلة عن الركب من الناحية التقنية. في هذا الوقت، سوف يتأسفون لأنه من السهل جدًا خداع عملاء الصناعة وسلب أموالهم.
ولكن هنا يأتي السؤال: إذا فكرنا في هذه المشكلة من زاوية أخرى، فكيف يمكن لأي مؤسسة أن تستخدمها دون هذه الطبقة من التغليف؟ هل من الضروري لمصنع أو منجم أو مزرعة غابات توظيف وتدريب عدد كبير من المواهب في مجال الحوسبة السحابية وخوارزميات الذكاء الاصطناعي؟ والسماح لهذه المواهب الرقمية بتوجيه الإنتاج والعمليات والمبيعات للشركة بأكملها؟ من الواضح أن هذا لا يمكن الاعتماد عليه.
لذلك، هناك حقيقة غير بديهية إلى حد ما وهي أن مستخدمي الصناعة يميلون إلى الاهتمام بـ "القشرة" أكثر من الاهتمام بالتقنيات المتقدمة المبهرة. تشير طبقة الغلاف هذه إلى الأجهزة والهندسة، التي تقوم بتغليف القدرات التقنية وإدارتها والحفاظ عليها وفقًا لمتطلبات الاستخدام النهائي. على الرغم من أن الشيء المجمع النهائي قد يكون صعب الاستخدام وقد لا يكون متقدمًا، إلا أن أهم شرط للذكاء بالنسبة لمستخدمي الصناعة هو أنه يمكن استخدامه ويمكن للموظفين تعلمه.
عند مناقشة نماذج الصناعة الكبيرة، غالبًا ما نقع في سوء الفهم هذا اليوم. يميل الممارسون إلى إيلاء الكثير من الاهتمام لقيادة طبقة الخوارزمية وعالميتها، والتنافس مع مقياس المعلمات وسجلات الاختبار، والتركيز على البرنامج. ولكن ما تحتاج الصناعة إلى نماذج ضخمة للقيام به هو التنافس مع الأنظمة الرقمية السابقة، مع تكاليف الاستخدام، ومع الحدود التشغيلية. يتطلب ذلك نموذجًا كبيرًا يأخذ في الاعتبار بيئة الأجهزة، وبيئة الشبكة، وموارد التخزين والحوسبة، ونظام التشغيل، وحتى مصدر الطاقة، والرطوبة، ودرجة حرارة بيئة النشر.
**الشيء الثاني الذي يتعين على النماذج الصناعية الكبيرة القيام به هو أن تأخذ في الاعتبار تكييف الأجهزة والمشكلات الهندسية. **
تعتمد إمكانية تنفيذ النموذج الكبير على العثور على المشهد الصحيح. ولكن ما هو المشهد؟ المكان الأخير الذي يعمل يسمى المشهد.
الغالبية العظمى من الشركات ليست موجهة نحو تكنولوجيا المعلومات. حتى أن معظم الشركات لا تستطيع إرسال موظفين متخصصين لفهم ماهية النموذج الكبير بعناية. لا يمكن تغيير هذا الشيء لفترة طويلة.
الجبل لن يأتي لرؤيتك، لذلك عليك أن ترى الجبل.
يقارن العديد من الأشخاص نموذجًا كبيرًا بمنجم ذهب، لذا فإن تدريب نموذج كبير هو مجرد حفر منجم ذهب، ومن خلال الأساليب الهندسية ودمج النموذج الكبير في البنية التحتية الرقمية الحالية للصناعة، يمكن نقل منجم الذهب خارجًا. الجبل.
سيتعين على الخبراء في النهاية الذهاب إلى المصنع
سواء كانوا يروون قصصًا للعملاء أو يتواصلون مع الجمهور، فإن العديد من الشركات المصنعة للذكاء الاصطناعي ستذكر دائمًا هذا: لا تقلق، لدينا خبراء وباحثون في مرحلة ما بعد الدكتوراه يتجذرون في الصناعة. ذهبت إلى المصانع والأراضي الزراعية وبقيت هناك عدة أشهر.
إذا كنت مستخدمًا محتملاً للنماذج الكبيرة في الصناعة، فما عليك سوى الاستماع إلى هذه القصة. صحيح أن الخبراء يتمركزون في المصنع، لكن هذا المصنع على الأرجح ليس مصنعك.
في الواقع، يعد وجود خبراء الذكاء الاصطناعي في الخطوط الأمامية للصناعة طريقة فعالة لتقليص الفجوة بين طلب الصناعة وعرض النماذج الكبيرة. وهذه أيضًا عملية تطوير ضرورية للذكاء الصناعي.
لكن هذه العملية يجب أن تكون مؤقتة فقط ولا يمكن أن تستمر طويلا. تخيل فقط أن النماذج الكبيرة أصبحت الآن في المقدمة، فما قيمة الخبراء؟ يتمركز فريق من الخبراء في الموقع، ما هي الجهة التي يمكنها تحمل تكلفة الرواتب هذه؟
الخبراء الذين تدعي شركات الذكاء الاصطناعي أنهم متمركزون في المصنع يقومون في الواقع بإجراء الحالات والاختبارات. بشكل عام، يتعاونون مع العملاء الرائدين في الصناعة، والمصنعون على استعداد لفحص النماذج بخسارة لمراقبة المشاكل المحددة.
**يمكن للخبراء الذهاب إلى المصانع، ولكن بالتأكيد لا يمكن للخبراء أن يتمركزوا في مصنع بعد عام بعد عام. **هذا إجراء قياسي عندما يدخل مصنعو الذكاء الاصطناعي إلى صناعة ما، ولكن غالبًا ما يُفهم على أنه إجراء روتيني عن قصد أو عن غير قصد. ولكن إذا كان عليك حقًا الاعتماد على الخبراء للذهاب إلى المصنع للترويج للنماذج الكبيرة، فلن يتمكن الذكاء الاصطناعي أبدًا تكون قابلة للتنفيذ بسبب التكلفة، ولا يستطيع أحد تحملها.
الشيء الثالث الذي يتعين على النماذج الصناعية الكبيرة القيام به هو أن التكنولوجيا تتمتع بقابلية تكرار منخفضة داخل الصناعة ولا يمكنها الاعتماد بشكل كبير على التعاون اليدوي المخصص. **
وما يجب ملاحظته بشكل خاص هو أنه في هذه المرحلة، أصبحت الشركات الكبيرة والمتوسطة الحجم حذرة بشكل متزايد في الاستثمار في الاستخبارات، ولا يمكن أن تكون تكلفة التجربة والخطأ مرتفعة للغاية. من الصعب أن تحظى خطط تنفيذ النماذج واسعة النطاق والتي تعتبر تجريبية للغاية وغير مؤكدة، بالاعتراف من كبار العملاء في المرحلة الحالية، ناهيك عن الآلاف من العملاء الصغار والمتوسطين، ومن المستحيل الاعتماد على الاستثمار اليدوي الثقيل للترويج لها.
وخلاصة القول، هناك ثلاثة تحديات أمام تنفيذ النماذج الصناعية واسعة النطاق في المرحلة الحالية:
يتصور مصنعو الذكاء الاصطناعي دائمًا أن النماذج الكبيرة هي العلاج الشافي، ولكن ما تحتاجه الصناعة هو الفهم والتركيز.
يركز مصنعو الذكاء الاصطناعي دائمًا على ابتكار الخوارزميات، ولكن ما تحتاجه الصناعة هو الهندسة وقابلية التشغيل.
يروج مصنعو الذكاء الاصطناعي لعدد كبير من الحالات التي تعتمد على قدرات المواهب، ولكن ما تحتاجه الصناعة هو التكلفة المنخفضة وقابلية التكرار.
تشرق الشمس عندما يتم إطلاق نماذج كبيرة في الصناعة، ولكن عليك أيضًا إزالة بعض الثلوج بوعي. وعندما تعود إلى واجهة المستخدم، يمكنك غالبًا العثور على إجابات لمزيد من الأسئلة.