Resim kaynağı: Sınırsız Yapay Zeka tarafından oluşturulmuştur
Bu makaleyi yazmamın nedeni çok uzun zaman önce gerçekleşmedi.
Büyük modelleri endüstriyle birleştiren temalı bir foruma katıldık. Etkinlik sonrasında sektör organizatöründen bir temsilci bizimle iletişime geçerek şunları söyledi: "Büyük modellerden bahsediyordunuz. Büyük model tam olarak nedir? Büyük model ne kadar büyüktür? Neden küçük modelleri kullanamıyoruz?"
Bu soru dizisi, akıllı arz ve talep taraflarının çoğu zaman iki söylem sisteminde olduğunu bir kez daha fark etmemizi sağlıyor. Uzun zamandır Transfomer ve Agent'tan bahsediyorsunuz ama hala "büyük model" kelimesinin nereden geldiğini merak ediyor olabilirsiniz.
Bu boşluk özellikle yapay zeka çağında ciddidir. Yapay zeka teknolojisi daha uzun bir zincir içerdiğinden, algoritmalar yapanlar, bulutlar yapanlar, donanım yapanlar, BT çözümleri üretenler ve sonunda faturayı ödeyenler, herkes kendi fikri hakkında konuşuyor olabilir ve kimsenin niyeti bu değil. kimseyi gerçekten anlamak.
Bugün herkes büyük sanayi modellerinden, büyük sanayi modellerinden bahsediyor. Gerçekten de, teknik açıdan bakıldığında, büyük modellerin birçok endüstride büyük verimlilik artışları sağlayabileceğini görmek kolaydır.Teknik açıdan bakıldığında, Çinli şirketler daha anlayışlı ve istihbarat konusunda daha güçlü bir talebe sahip. Dijital ve gerçeğin entegrasyonunu sağlamak için büyük modelleri endüstriye taşımak, Çin'in yapay zekasının en belirgin çizgisidir ve Dijital Çin bağlamında güçlü bir makro-stratejik öneme sahiptir.
Ancak pratikte bu yol zorluklarla ve yanlış anlamalarla doludur.
Sonuçta on yapay zeka algoritma şirketinden dokuzu bunu yapamıyor. Büyük modelin B'ye açılması için yeni fırsat penceresi açılmadan önce, öncelikle sektörün ne tür büyük modele ihtiyacı olduğunu belirlememiz gerekiyor.
Büyük bir endüstriyel model, bir model değildir
Yapay zeka şirketlerinin büyük ölçekli modeller geliştirip endüstrileri birleştirirken yaşadığı en büyük yanlış anlama, arz ve talep arasındaki ilişkiyi anlayamamalarıdır.
Endüstrinin büyük modelleri tanıma ve kabul etme oranının nispeten iyi olduğu doğrudur ancak akıllı projeler hâlâ mutlak bir alıcı pazarıdır. Teknoloji tedarikçilerinin son kullanıcıların ihtiyaçlarına, yeteneklerine, geçmişlerine ve hatta iletişim becerilerine ve iş alışkanlıklarına uyum sağlaması gerekiyor.
Ancak şirketlerin büyük ölçekli yapay zeka modelleri yapması nedeniyle internet alanına büyük miktarda yetenek ve fon aktı. İnternetin arz ve talep mantığı, tek bir arz noktasından büyük miktarda talebin karşılanmasıdır.Dünyanın her yerinden yeni fikirleri getirebilecek bir hilem var. Büyük modellerin birçok endüstriye uyarlanmasını düşünmek kolaydır. Mesela bir fabrikanın içerik analizine ihtiyacı var, bir bankanın yatırım analizine ihtiyacı var, benim büyük modelim de bunu analiz edemez mi?
Bu nedenle, böyle bir "dış mekan düşüncesi" altında, birçok AI şirketi büyük bir yanlış anlamanın içine düştü: Büyük bir modelim olduğu için tüm sektörlerden müşterilerin bana gelmesi gerektiğini düşünüyorlar. Diğer endüstriler tarafından da tanınması gereken iki veya üç endüstriden örnekler sunuyorum. Bu büyük modelim her yerde kullanılabileceği için endüstriyel büyük model olarak adlandırılmaktadır.
Bu yapay zeka uygulayıcıları, büyük modellerin endüstrinin her derde deva ilacı olduğuna gerçekten inanıyor mu, yoksa sadece kasıtlı olarak böyle övünüyorlar mı? Endüstriyel müşteriler açısından bakıldığında bu sahne saçmalık ile eşdeğerdir. Finans sektöründe kullanılan teknolojinin kömür madenlerimizle hiçbir ilgisinin olmadığını mı düşünecekler? Kedilerin, ineklerin, insanların ve hatta kedilerin yiyebileceği bir yiyecek olsaydı onu yemeye cesaret edebilir miydiniz?
**Büyük modellerle sektörün yapması gereken ilk şey, birbirinden çok farklı olan sektörleri "endüstri" kelimesiyle özetleyip bitirmemektir. Belirli bir sektörde bile büyük modeller sektördeki yalnızca bir veya birkaç sorunu çözebilir ve bir modelin "tüm sektörleri düzeltmesi" imkansızdır. **
BT alanında çalışan herkes, ürünlere sahip olmak için hizmetlere ihtiyacınız olduğunu ve teknolojiyi anlamak için sektörü anlamanız gerektiğini bilir. Ancak yapay zeka şirketleri, özellikle de büyük model arenasına sıcak para akıtanlar, genellikle endüstri ihtiyaçlarındaki farklılıklara anlayış ve saygıdan yoksundur.
Elbette farklı sektörlerin de büyük modellere yönelik ortak ihtiyaçları var. Örneğin, temel diyalog, CV ve çok modlu yetenekler. Ancak çoğu zaman her sektörün farklı gereksinimleri, temel dijital yetenekleri, hatta güvenlik gereksinimleri, gecikme gereksinimleri, işletme ve bakım gereksinimleri vardır. Bugünün aşamasında, bırakın birkaç hatta düzinelerce sektörü tek seferde kapsamayı, belirli bir sektörde büyük bir modeli kopyalamak ve tanıtmak çok zordur.
Endüstriyel zeka söz konusu olduğunda öncelik her zaman zekadan ziyade endüstridir.
Donanım ve mühendislik azaltımından bahsetmemek zaman kaybıdır
Dijitalleşme ve istihbaratla uğraşan birçok şirket, müşteri ortamına baktıktan sonra bu şeye şaşıracaktır: Müşterinin satın almak için çok para harcadığı şey aslında bir kutuya kapatılmış ve daha sonra endüstriye uygun olarak yapılmış çok basit bir yazılımdır. gereksinimler, düğmeler, kullanıcı arayüzü ve bunun gibi şeyler. Hatta bu yazılımların birçoğu çok eski yabancı açık kaynaklı yazılımlardan yeniden paketlenmiştir ve teknik olarak uzun süre geride kalmıştır. Şu anda, endüstri müşterilerinin paralarını dolandırmanın çok kolay olduğundan yakınacaklar.
Ancak şu soru ortaya çıkıyor: Bu soruna başka bir açıdan bakarsak, bir işletme bu kapsülleme katmanı olmadan bunu nasıl kullanabilir? Bir fabrikanın, madenin veya orman çiftliğinin bulut bilişim ve yapay zeka algoritmaları konusunda çok sayıda yeteneği işe alması ve eğitmesi gerekli mi? Ve bu dijital yeteneklerin tüm işletmenin üretim, operasyon ve satışlarına yön vermesine izin mi vereceğiz? Bu açıkçası güvenilmez.
Bu nedenle, biraz mantığa aykırı olan bir gerçek şu ki, endüstri kullanıcıları göz kamaştırıcı ileri teknolojiden çok "kabuğa" önem verme eğilimindedir. Bu kabuk katmanı, son kullanım gereksinimlerine göre teknik yetenekleri kapsayan, yöneten ve sürdüren donanım ve mühendisliği ifade eder. Son olarak bir araya getirilen şeyin kullanımı zor ve ileri düzeyde olmayabilir olsa da endüstri kullanıcıları için zekanın en önemli şartı, kullanılabilir olması ve çalışanların bunu öğrenebilmesidir.
Büyük endüstri modellerini tartışırken bugün sıklıkla bu yanlış anlaşılmaya düşüyoruz. Uygulayıcılar, algoritma katmanının liderliğine ve uluslararasılığına çok fazla dikkat etme, parametre ölçeği ve test kayıtları ile rekabet etme ve yazılıma odaklanma eğilimindedir. Ancak endüstrinin büyük modellere ihtiyaç duyduğu şey, önceki dijital sistemlerle, kullanım maliyetleriyle ve operasyonel eşiklerle rekabet edebilmektir. Bu, donanım ortamını, ağ ortamını, depolama ve bilgi işlem kaynaklarını, işletim sistemini ve hatta dağıtım ortamının güç kaynağını, nemini ve sıcaklığını dikkate alacak büyük bir model gerektirir.
**Büyük endüstriyel modellerin yapması gereken ikinci şey donanım adaptasyonu ve mühendislik konularını dikkate almaktır. **
Büyük modelin uygulanıp uygulanamayacağı doğru sahnenin bulunmasına bağlıdır. Peki sahne nedir? Çalışan son yere sahne denir.
Şirketlerin büyük çoğunluğu BT odaklı değildir. Çoğu şirket bile büyük bir modelin ne olduğunu dikkatle anlamak için özel personel gönderemiyor. Bu şey uzun süre değiştirilemez.
Dağ seni görmeye gelmeyecek, o yüzden dağı görmelisin.
Birçok kişi büyük bir modeli altın madeniyle karşılaştırır, bu nedenle büyük bir modelin eğitimi sadece altın madenini kazmak içindir. Mühendislik yöntemleri ve büyük modelin endüstrinin mevcut dijital altyapısına entegre edilmesi yoluyla altın madeni, altın madeni dışına taşınabilir. dağ.
Uzmanların eninde sonunda fabrikaya gitmesi gerekecek
İster müşterilere hikayeler anlatıyor olsun ister halkla iletişim kuruyor olsun, birçok yapay zeka üreticisi her zaman bundan bahsedecektir: Endişelenmeyin, sektörde kök salmış uzmanlarımız ve doktora sonrası araştırmacılarımız var. Fabrikalara, tarım arazilerine gittim ve orada birkaç ay kaldım.
Büyük modellerin potansiyel bir endüstri kullanıcısıysanız, bu hikayeyi dinlemeniz yeterli. Fabrikada uzmanların görev yaptığı doğru ama o fabrika büyük ihtimalle sizin fabrikanız değil.
Aslında yapay zeka uzmanlarının sektörün ön saflarında yer alması, sektör talebi ile büyük model arzı arasındaki boşluğu kısaltmanın etkili bir yoludur. Bu aynı zamanda endüstriyel zeka için de gerekli bir gelişim sürecidir.
Ancak bu süreç geçici olmalı ve uzun sürmemelidir. Düşünün artık büyük modeller ön planda, uzmanların değeri nedir? Şantiyede uzman bir ekip görev yapıyor, bu maaş maliyetini hangi kurum karşılayabilir?
Yapay zeka şirketlerinin fabrikada görevlendirildiğini iddia ettiği uzmanlar aslında vakalar ve testler yapıyor. Genellikle sektörün önde gelen müşterileri ile işbirliği yaparlar.Üreticiler, belirli sorunları gözlemlemek için modelleri gözden geçirmeye isteklidirler.
**Uzmanlar fabrikalara gidebilir, ancak uzmanlar her yıl bir fabrikada kesinlikle görevlendirilemezler. **Bu, yapay zeka üreticileri bir sektöre girdiğinde standart bir eylemdir, ancak genellikle kasıtlı veya kasıtsız olarak yapılan rutin bir eylem olarak anlaşılır. Ancak büyük modelleri tanıtmak için fabrikaya gitmek için gerçekten uzmanlara güvenmeniz gerekiyorsa, o zaman yapay zeka asla işe yaramaz. maliyeti nedeniyle uygulanabiliyor, kimsenin gücü yetmiyor.
**Endüstriyel büyük modellerin yapması gereken üçüncü şey, teknolojinin endüstri içinde düşük eşikli tekrarlanabilirliğe sahip olması ve manuel olarak özelleştirilmiş işbirliğine büyük ölçüde güvenememesidir. **
Özellikle dikkat edilmesi gereken nokta, bu aşamada büyük ve orta ölçekli işletmelerin istihbarata yatırım yapma konusunda giderek daha dikkatli olmaya başladığı ve deneme yanılma maliyetinin çok yüksek olamayacağıdır. Fazla deneysel ve belirsiz olan büyük ölçekli model uygulama planlarının, bırakın binlerce küçük ve orta ölçekli müşteriyi, mevcut aşamada büyük müşterilerden tanınması bile zordur ve bunları teşvik etmek için ağır manuel yatırımlara güvenmek imkansızdır.
Özetlemek gerekirse, mevcut aşamada büyük ölçekli endüstriyel modellerin uygulanmasında üç zorluk bulunmaktadır:
Yapay zeka üreticileri her zaman büyük modelleri her derde deva olarak hayal eder, ancak sektörün ihtiyacı olan şey anlayış ve odaklanmaktır.
Yapay zeka üreticileri her zaman algoritma yeniliğine odaklanır ancak sektörün ihtiyaç duyduğu şey mühendislik ve çalışabilirliktir.
Yapay zeka üreticileri, yetenek yeteneklerine dayanan çok sayıda vakayı teşvik ediyor ancak sektörün ihtiyacı olan şey düşük maliyet ve tekrarlanabilirlik.
Büyük modeller sektöre sunulduğunda güneş doğuyor, ancak aynı zamanda bilinçli olarak bir miktar karı da temizlemeniz gerekiyor.Kullanıcı arayüzüne geri döndüğünüzde genellikle daha fazla soruya yanıt bulabilirsiniz.
View Original
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Sektörün ne tür büyük modellere ihtiyacı var?
Orijinal kaynak: beyin kutupsal gövdesi
Bu makaleyi yazmamın nedeni çok uzun zaman önce gerçekleşmedi.
Büyük modelleri endüstriyle birleştiren temalı bir foruma katıldık. Etkinlik sonrasında sektör organizatöründen bir temsilci bizimle iletişime geçerek şunları söyledi: "Büyük modellerden bahsediyordunuz. Büyük model tam olarak nedir? Büyük model ne kadar büyüktür? Neden küçük modelleri kullanamıyoruz?"
Bu soru dizisi, akıllı arz ve talep taraflarının çoğu zaman iki söylem sisteminde olduğunu bir kez daha fark etmemizi sağlıyor. Uzun zamandır Transfomer ve Agent'tan bahsediyorsunuz ama hala "büyük model" kelimesinin nereden geldiğini merak ediyor olabilirsiniz.
Bu boşluk özellikle yapay zeka çağında ciddidir. Yapay zeka teknolojisi daha uzun bir zincir içerdiğinden, algoritmalar yapanlar, bulutlar yapanlar, donanım yapanlar, BT çözümleri üretenler ve sonunda faturayı ödeyenler, herkes kendi fikri hakkında konuşuyor olabilir ve kimsenin niyeti bu değil. kimseyi gerçekten anlamak.
Bugün herkes büyük sanayi modellerinden, büyük sanayi modellerinden bahsediyor. Gerçekten de, teknik açıdan bakıldığında, büyük modellerin birçok endüstride büyük verimlilik artışları sağlayabileceğini görmek kolaydır.Teknik açıdan bakıldığında, Çinli şirketler daha anlayışlı ve istihbarat konusunda daha güçlü bir talebe sahip. Dijital ve gerçeğin entegrasyonunu sağlamak için büyük modelleri endüstriye taşımak, Çin'in yapay zekasının en belirgin çizgisidir ve Dijital Çin bağlamında güçlü bir makro-stratejik öneme sahiptir.
Ancak pratikte bu yol zorluklarla ve yanlış anlamalarla doludur.
Sonuçta on yapay zeka algoritma şirketinden dokuzu bunu yapamıyor. Büyük modelin B'ye açılması için yeni fırsat penceresi açılmadan önce, öncelikle sektörün ne tür büyük modele ihtiyacı olduğunu belirlememiz gerekiyor.
Büyük bir endüstriyel model, bir model değildir
Yapay zeka şirketlerinin büyük ölçekli modeller geliştirip endüstrileri birleştirirken yaşadığı en büyük yanlış anlama, arz ve talep arasındaki ilişkiyi anlayamamalarıdır.
Endüstrinin büyük modelleri tanıma ve kabul etme oranının nispeten iyi olduğu doğrudur ancak akıllı projeler hâlâ mutlak bir alıcı pazarıdır. Teknoloji tedarikçilerinin son kullanıcıların ihtiyaçlarına, yeteneklerine, geçmişlerine ve hatta iletişim becerilerine ve iş alışkanlıklarına uyum sağlaması gerekiyor.
Ancak şirketlerin büyük ölçekli yapay zeka modelleri yapması nedeniyle internet alanına büyük miktarda yetenek ve fon aktı. İnternetin arz ve talep mantığı, tek bir arz noktasından büyük miktarda talebin karşılanmasıdır.Dünyanın her yerinden yeni fikirleri getirebilecek bir hilem var. Büyük modellerin birçok endüstriye uyarlanmasını düşünmek kolaydır. Mesela bir fabrikanın içerik analizine ihtiyacı var, bir bankanın yatırım analizine ihtiyacı var, benim büyük modelim de bunu analiz edemez mi?
Bu nedenle, böyle bir "dış mekan düşüncesi" altında, birçok AI şirketi büyük bir yanlış anlamanın içine düştü: Büyük bir modelim olduğu için tüm sektörlerden müşterilerin bana gelmesi gerektiğini düşünüyorlar. Diğer endüstriler tarafından da tanınması gereken iki veya üç endüstriden örnekler sunuyorum. Bu büyük modelim her yerde kullanılabileceği için endüstriyel büyük model olarak adlandırılmaktadır.
Bu yapay zeka uygulayıcıları, büyük modellerin endüstrinin her derde deva ilacı olduğuna gerçekten inanıyor mu, yoksa sadece kasıtlı olarak böyle övünüyorlar mı? Endüstriyel müşteriler açısından bakıldığında bu sahne saçmalık ile eşdeğerdir. Finans sektöründe kullanılan teknolojinin kömür madenlerimizle hiçbir ilgisinin olmadığını mı düşünecekler? Kedilerin, ineklerin, insanların ve hatta kedilerin yiyebileceği bir yiyecek olsaydı onu yemeye cesaret edebilir miydiniz?
**Büyük modellerle sektörün yapması gereken ilk şey, birbirinden çok farklı olan sektörleri "endüstri" kelimesiyle özetleyip bitirmemektir. Belirli bir sektörde bile büyük modeller sektördeki yalnızca bir veya birkaç sorunu çözebilir ve bir modelin "tüm sektörleri düzeltmesi" imkansızdır. **
BT alanında çalışan herkes, ürünlere sahip olmak için hizmetlere ihtiyacınız olduğunu ve teknolojiyi anlamak için sektörü anlamanız gerektiğini bilir. Ancak yapay zeka şirketleri, özellikle de büyük model arenasına sıcak para akıtanlar, genellikle endüstri ihtiyaçlarındaki farklılıklara anlayış ve saygıdan yoksundur.
Elbette farklı sektörlerin de büyük modellere yönelik ortak ihtiyaçları var. Örneğin, temel diyalog, CV ve çok modlu yetenekler. Ancak çoğu zaman her sektörün farklı gereksinimleri, temel dijital yetenekleri, hatta güvenlik gereksinimleri, gecikme gereksinimleri, işletme ve bakım gereksinimleri vardır. Bugünün aşamasında, bırakın birkaç hatta düzinelerce sektörü tek seferde kapsamayı, belirli bir sektörde büyük bir modeli kopyalamak ve tanıtmak çok zordur.
Endüstriyel zeka söz konusu olduğunda öncelik her zaman zekadan ziyade endüstridir.
Donanım ve mühendislik azaltımından bahsetmemek zaman kaybıdır
Dijitalleşme ve istihbaratla uğraşan birçok şirket, müşteri ortamına baktıktan sonra bu şeye şaşıracaktır: Müşterinin satın almak için çok para harcadığı şey aslında bir kutuya kapatılmış ve daha sonra endüstriye uygun olarak yapılmış çok basit bir yazılımdır. gereksinimler, düğmeler, kullanıcı arayüzü ve bunun gibi şeyler. Hatta bu yazılımların birçoğu çok eski yabancı açık kaynaklı yazılımlardan yeniden paketlenmiştir ve teknik olarak uzun süre geride kalmıştır. Şu anda, endüstri müşterilerinin paralarını dolandırmanın çok kolay olduğundan yakınacaklar.
Ancak şu soru ortaya çıkıyor: Bu soruna başka bir açıdan bakarsak, bir işletme bu kapsülleme katmanı olmadan bunu nasıl kullanabilir? Bir fabrikanın, madenin veya orman çiftliğinin bulut bilişim ve yapay zeka algoritmaları konusunda çok sayıda yeteneği işe alması ve eğitmesi gerekli mi? Ve bu dijital yeteneklerin tüm işletmenin üretim, operasyon ve satışlarına yön vermesine izin mi vereceğiz? Bu açıkçası güvenilmez.
Bu nedenle, biraz mantığa aykırı olan bir gerçek şu ki, endüstri kullanıcıları göz kamaştırıcı ileri teknolojiden çok "kabuğa" önem verme eğilimindedir. Bu kabuk katmanı, son kullanım gereksinimlerine göre teknik yetenekleri kapsayan, yöneten ve sürdüren donanım ve mühendisliği ifade eder. Son olarak bir araya getirilen şeyin kullanımı zor ve ileri düzeyde olmayabilir olsa da endüstri kullanıcıları için zekanın en önemli şartı, kullanılabilir olması ve çalışanların bunu öğrenebilmesidir.
Büyük endüstri modellerini tartışırken bugün sıklıkla bu yanlış anlaşılmaya düşüyoruz. Uygulayıcılar, algoritma katmanının liderliğine ve uluslararasılığına çok fazla dikkat etme, parametre ölçeği ve test kayıtları ile rekabet etme ve yazılıma odaklanma eğilimindedir. Ancak endüstrinin büyük modellere ihtiyaç duyduğu şey, önceki dijital sistemlerle, kullanım maliyetleriyle ve operasyonel eşiklerle rekabet edebilmektir. Bu, donanım ortamını, ağ ortamını, depolama ve bilgi işlem kaynaklarını, işletim sistemini ve hatta dağıtım ortamının güç kaynağını, nemini ve sıcaklığını dikkate alacak büyük bir model gerektirir.
**Büyük endüstriyel modellerin yapması gereken ikinci şey donanım adaptasyonu ve mühendislik konularını dikkate almaktır. **
Büyük modelin uygulanıp uygulanamayacağı doğru sahnenin bulunmasına bağlıdır. Peki sahne nedir? Çalışan son yere sahne denir.
Şirketlerin büyük çoğunluğu BT odaklı değildir. Çoğu şirket bile büyük bir modelin ne olduğunu dikkatle anlamak için özel personel gönderemiyor. Bu şey uzun süre değiştirilemez.
Dağ seni görmeye gelmeyecek, o yüzden dağı görmelisin.
Birçok kişi büyük bir modeli altın madeniyle karşılaştırır, bu nedenle büyük bir modelin eğitimi sadece altın madenini kazmak içindir. Mühendislik yöntemleri ve büyük modelin endüstrinin mevcut dijital altyapısına entegre edilmesi yoluyla altın madeni, altın madeni dışına taşınabilir. dağ.
Uzmanların eninde sonunda fabrikaya gitmesi gerekecek
İster müşterilere hikayeler anlatıyor olsun ister halkla iletişim kuruyor olsun, birçok yapay zeka üreticisi her zaman bundan bahsedecektir: Endişelenmeyin, sektörde kök salmış uzmanlarımız ve doktora sonrası araştırmacılarımız var. Fabrikalara, tarım arazilerine gittim ve orada birkaç ay kaldım.
Büyük modellerin potansiyel bir endüstri kullanıcısıysanız, bu hikayeyi dinlemeniz yeterli. Fabrikada uzmanların görev yaptığı doğru ama o fabrika büyük ihtimalle sizin fabrikanız değil.
Aslında yapay zeka uzmanlarının sektörün ön saflarında yer alması, sektör talebi ile büyük model arzı arasındaki boşluğu kısaltmanın etkili bir yoludur. Bu aynı zamanda endüstriyel zeka için de gerekli bir gelişim sürecidir.
Ancak bu süreç geçici olmalı ve uzun sürmemelidir. Düşünün artık büyük modeller ön planda, uzmanların değeri nedir? Şantiyede uzman bir ekip görev yapıyor, bu maaş maliyetini hangi kurum karşılayabilir?
Yapay zeka şirketlerinin fabrikada görevlendirildiğini iddia ettiği uzmanlar aslında vakalar ve testler yapıyor. Genellikle sektörün önde gelen müşterileri ile işbirliği yaparlar.Üreticiler, belirli sorunları gözlemlemek için modelleri gözden geçirmeye isteklidirler.
**Uzmanlar fabrikalara gidebilir, ancak uzmanlar her yıl bir fabrikada kesinlikle görevlendirilemezler. **Bu, yapay zeka üreticileri bir sektöre girdiğinde standart bir eylemdir, ancak genellikle kasıtlı veya kasıtsız olarak yapılan rutin bir eylem olarak anlaşılır. Ancak büyük modelleri tanıtmak için fabrikaya gitmek için gerçekten uzmanlara güvenmeniz gerekiyorsa, o zaman yapay zeka asla işe yaramaz. maliyeti nedeniyle uygulanabiliyor, kimsenin gücü yetmiyor.
**Endüstriyel büyük modellerin yapması gereken üçüncü şey, teknolojinin endüstri içinde düşük eşikli tekrarlanabilirliğe sahip olması ve manuel olarak özelleştirilmiş işbirliğine büyük ölçüde güvenememesidir. **
Özellikle dikkat edilmesi gereken nokta, bu aşamada büyük ve orta ölçekli işletmelerin istihbarata yatırım yapma konusunda giderek daha dikkatli olmaya başladığı ve deneme yanılma maliyetinin çok yüksek olamayacağıdır. Fazla deneysel ve belirsiz olan büyük ölçekli model uygulama planlarının, bırakın binlerce küçük ve orta ölçekli müşteriyi, mevcut aşamada büyük müşterilerden tanınması bile zordur ve bunları teşvik etmek için ağır manuel yatırımlara güvenmek imkansızdır.
Özetlemek gerekirse, mevcut aşamada büyük ölçekli endüstriyel modellerin uygulanmasında üç zorluk bulunmaktadır:
Yapay zeka üreticileri her zaman büyük modelleri her derde deva olarak hayal eder, ancak sektörün ihtiyacı olan şey anlayış ve odaklanmaktır.
Yapay zeka üreticileri her zaman algoritma yeniliğine odaklanır ancak sektörün ihtiyaç duyduğu şey mühendislik ve çalışabilirliktir.
Yapay zeka üreticileri, yetenek yeteneklerine dayanan çok sayıda vakayı teşvik ediyor ancak sektörün ihtiyacı olan şey düşük maliyet ve tekrarlanabilirlik.
Büyük modeller sektöre sunulduğunda güneş doğuyor, ancak aynı zamanda bilinçli olarak bir miktar karı da temizlemeniz gerekiyor.Kullanıcı arayüzüne geri döndüğünüzde genellikle daha fazla soruya yanıt bulabilirsiniz.