Ποιος είναι ο ρόλος των μεγάλων τεχνολογιών στην τεχνητή νοημοσύνη;

Ποιος είναι ο ρόλος των μεγάλων τεχνολογιών στην τεχνητή νοημοσύνη;

Σύντομη απάντηση: Οι μεγάλες τεχνολογικές εταιρείες έχουν σημασία στην Τεχνητή Νοημοσύνη επειδή ελέγχουν τα λιγότερο εντυπωσιακά βασικά στοιχεία - υπολογιστικές μηχανές, πλατφόρμες cloud, συσκευές, καταστήματα εφαρμογών και εταιρικά εργαλεία. Αυτός ο έλεγχος τους επιτρέπει να χρηματοδοτούν πρωτοποριακά μοντέλα και να προσφέρουν λειτουργίες σε δισεκατομμύρια, γρήγορα. Εάν η διακυβέρνηση, οι έλεγχοι απορρήτου και η διαλειτουργικότητα είναι αδύναμα, η ίδια μόχλευση μετατρέπεται σε δέσμευση και συγκέντρωση ισχύος.

Βασικά συμπεράσματα:

Υποδομή: Αντιμετωπίστε τον έλεγχο του cloud, των τσιπ και των MLOs ως το κύριο σημείο στραγγαλισμού της Τεχνητής Νοημοσύνης.

Διανομή: Αναμένεται ότι οι ενημερώσεις της πλατφόρμας θα καθορίσουν τι σημαίνει «Τεχνητή Νοημοσύνη» για τους περισσότερους χρήστες.

Gatekeeping: Οι κανόνες του App Store και οι όροι API καθορίζουν σιωπηλά ποιες λειτουργίες Τεχνητής Νοημοσύνης διατίθενται.

Έλεγχος χρήστη: Απαιτήστε σαφείς εξαιρέσεις, ανθεκτικές ρυθμίσεις και λειτουργικά στοιχεία ελέγχου διαχειριστή.

Λογοδοσία: Απαιτούνται αρχεία καταγραφής ελέγχων, διαφάνεια και διαδρομές προσφυγής για επιβλαβή αποτελέσματα.

Ποιος είναι ο ρόλος των μεγάλων τεχνολογικών εταιρειών στην τεχνητή νοημοσύνη; Πληροφοριακό γράφημα

🔗 Το μέλλον της Τεχνητής Νοημοσύνης: Τάσεις και τι ακολουθεί
Βασικές καινοτομίες, κίνδυνοι και βιομηχανίες που αναδιαμορφώθηκαν κατά την επόμενη δεκαετία.

🔗 Βασικά μοντέλα στην παραγωγική τεχνητή νοημοσύνη: Ένας απλός οδηγός
Κατανοήστε πώς τα θεμελιώδη μοντέλα τροφοδοτούν τις σύγχρονες εφαρμογές γενετικής Τεχνητής Νοημοσύνης.

🔗 Τι είναι μια εταιρεία τεχνητής νοημοσύνης και πώς λειτουργεί
Μάθετε χαρακτηριστικά, ομάδες και προϊόντα που ορίζουν τις επιχειρήσεις που προσανατολίζονται στην Τεχνητή Νοημοσύνη.

🔗 Πώς μοιάζει ο κώδικας AI σε πραγματικά έργα
Δείτε παραδείγματα μοτίβων κώδικα, εργαλείων και ροών εργασίας που βασίζονται στην τεχνητή νοημοσύνη.

Ας το παραδεχτούμε για μια στιγμή - οι περισσότερες «συζητήσεις για την Τεχνητή Νοημοσύνη» περνούν από τα λιγότερο εντυπωσιακά κομμάτια, όπως η υπολογιστική, η διανομή, οι προμήθειες, η συμμόρφωση και η αμήχανη πραγματικότητα ότι κάποιος πρέπει να πληρώσει για GPU και ηλεκτρικό ρεύμα. Οι μεγάλες τεχνολογικές εταιρείες βρίσκονται σε αυτά τα λιγότερο εντυπωσιακά κομμάτια. Γι' αυτό ακριβώς είναι τόσο σημαντικό. 😅 ( IEA - Ενέργεια και Τεχνητή Νοημοσύνη , NVIDIA - Επισκόπηση πλατφορμών συμπερασμάτων τεχνητής νοημοσύνης )

Ο ρόλος της Τεχνητής Νοημοσύνης των μεγάλων τεχνολογικών εταιρειών, με απλά λόγια 🧩

Όταν οι άνθρωποι λένε «Μεγάλη Τεχνολογία», συνήθως εννοούν τις γιγάντιες εταιρείες πλατφορμών που ελέγχουν τα κύρια επίπεδα της σύγχρονης πληροφορικής:

Έτσι, ο ρόλος δεν είναι απλώς «φτιάχνουν Τεχνητή Νοημοσύνη». Είναι περισσότερο σαν να κατασκευάζουν τους αυτοκινητόδρομους, να πουλάνε τα αυτοκίνητα, να λειτουργούν τους σταθμούς διοδίων και επίσης να αποφασίζουν πού πηγαίνουν οι έξοδοι. Ελαφρώς υπερβολή... αλλά όχι και τόσο.

Ο ρόλος των μεγάλων τεχνολογικών εταιρειών στην τεχνητή νοημοσύνη: οι πέντε μεγάλες θέσεις εργασίας 🏗️

Αν θέλετε ένα καθαρό νοητικό μοντέλο, οι μεγάλες τεχνολογικές εταιρείες τείνουν να κάνουν πέντε επικαλυπτόμενες εργασίες στον κόσμο της Τεχνητής Νοημοσύνης:

  1. Πάροχος υποδομών
    Κέντρα δεδομένων, cloud, δικτύωση, ασφάλεια, εργαλεία MLOps. Τα πράγματα που καθιστούν την Τεχνητή Νοημοσύνη εφικτή σε μεγάλη κλίμακα. ( Έγγραφα Τεχνητής Νοημοσύνης Amazon SageMaker , IEA - Ενέργεια και Τεχνητή Νοημοσύνη )

  2. Δημιουργός μοντέλων και μηχανή έρευνας
    Όχι πάντα, αλλά συχνά - εργαστήρια, εσωτερική έρευνα και ανάπτυξη, εφαρμοσμένη έρευνα και «επιστήμη που βασίζεται σε προϊόντα». ( Νόμοι κλιμάκωσης για μοντέλα νευρωνικής γλώσσας (arXiv) , Εκπαίδευση μοντέλων μεγάλων γλωσσών για βέλτιστους υπολογισμούς (Chinchilla) (arXiv) )

  3. Διανομέας
    Μπορούν να εισάγουν την Τεχνητή Νοημοσύνη σε πλαίσια αναζήτησης, τηλέφωνα, προγράμματα-πελάτες email, συστήματα διαφημίσεων και εργαλεία χώρου εργασίας. Η διανομή είναι μια υπερδύναμη.


  4. Πολιτικές καταστήματος εφαρμογών, κανόνες πλατφόρμας, όροι API, εποπτεία περιεχομένου, πύλες ασφαλείας, έλεγχοι επιχειρήσεων. ( Οδηγίες αξιολόγησης εφαρμογών Apple , Ασφάλεια δεδομένων Google Play )

  5. Διαθέτης κεφαλαίου
    Χρηματοδοτούν, αποκτούν, συνεργάζονται, επωάζουν. Διαμορφώνουν ό,τι επιβιώνει.

Αυτός είναι ο ρόλος των μεγάλων τεχνολογικών εταιρειών στην Τεχνητή Νοημοσύνη από λειτουργικής άποψης: δημιουργούν τις συνθήκες για την ύπαρξη της Τεχνητής Νοημοσύνης - και στη συνέχεια αποφασίζουν πώς θα φτάσει σε εσάς.

Τι κάνει μια καλή εκδοχή του ρόλου της Τεχνητής Νοημοσύνης μιας Μεγάλης Τεχνολογίας ✅😬

Μια «καλή εκδοχή» των Big Tech στην Τεχνητή Νοημοσύνη δεν αφορά την τελειότητα. Πρόκειται για συμβιβασμούς που αντιμετωπίζονται με υπευθυνότητα, με λιγότερες αιφνιδιαστικές επιθέσεις για όλους τους άλλους.

Να τι τείνει να διαχωρίζει την αίσθηση του «χρήσιμου γίγαντα» από την αίσθηση του «ωχ, μονοπωλίου»:

  • Διαφάνεια χωρίς να χρησιμοποιούνται άσκοπες ορολογίες.
    Σαφής επισήμανση των χαρακτηριστικών της Τεχνητής Νοημοσύνης, των περιορισμών και των δεδομένων που χρησιμοποιούνται. Όχι ένας λαβύρινθος πολιτικής 40 σελίδων. ( NIST AI RMF 1.0 , ISO/IEC 42001:2023 )

  • Πραγματικός έλεγχος χρήστη
    . Λειτουργικές εξαιρέσεις, ρυθμίσεις απορρήτου που δεν επαναφέρονται μυστηριωδώς και έλεγχοι διαχειριστή που δεν αποτελούν κυνήγι θησαυρού. ( GDPR - Κανονισμός (ΕΕ) 2016/679 )

  • Διαλειτουργικότητα και ανοιχτότητα - μερικές φορές
    δεν είναι όλα απαραίτητο να είναι ανοιχτού κώδικα, αλλά το να δεσμεύεις τους πάντες σε έναν προμηθευτή για πάντα είναι… μια επιλογή.

  • Ασφάλεια με τα δόντια
    Παρακολούθηση κατάχρησης, red-teaming, έλεγχοι περιεχομένου και προθυμία αποκλεισμού προφανώς επικίνδυνων περιπτώσεων χρήσης. ( NIST AI RMF 1.0 , προφίλ NIST GenAI (σύντροφος AI RMF) )

  • Υγιή οικοσυστήματα
    Υποστήριξη νεοσύστατων επιχειρήσεων, συνεργατών, ερευνητών και ανοιχτών προτύπων, ώστε η καινοτομία να μην γίνει «ενοικίαση πλατφόρμας ή εξαφάνιση». ( Αρχές Τεχνητής Νοημοσύνης του ΟΟΣΑ )

Θα το πω ξεκάθαρα: η «καλή εκδοχή» μοιάζει με μια συμπαγή δημόσια επιχείρηση κοινής ωφέλειας με έντονη γεύση προϊόντος. Η κακή εκδοχή μοιάζει με καζίνο όπου ο οίκος γράφει επίσης τους κανόνες. 🎰

Συγκριτικός Πίνακας: οι κορυφαίες «λωρίδες τεχνητής νοημοσύνης» των μεγάλων τεχνολογιών και γιατί λειτουργούν 📊

Εργαλείο (λωρίδα) Ακροατήριο Τιμή Γιατί λειτουργεί
Πλατφόρμες Τεχνητής Νοημοσύνης στο cloud Επιχειρήσεις, νεοσύστατες επιχειρήσεις βασισμένο στη χρήση Εύκολη κλιμάκωση, ένα τιμολόγιο, πολλά κουμπιά (πάρα πολλά κουμπιά)
API μοντέλων Frontier Προγραμματιστές, ομάδες προϊόντων πληρωμή ανά διακριτικό / κλιμακωτό Γρήγορη ενσωμάτωση, καλή βασική ποιότητα, μοιάζει με απάτη 😅
Τεχνητή Νοημοσύνη ενσωματωμένη σε συσκευή Καταναλωτές, παραγωγοί-καταναλωτές ομαδοποιημένο Χαμηλή καθυστέρηση, φιλικό προς το απόρρητο μερικές φορές, λειτουργεί σχεδόν εκτός σύνδεσης
Τεχνητή Νοημοσύνη Σουίτας Παραγωγικότητας Ομάδες γραφείου πρόσθετο ανά θέση Ζει στις καθημερινές ροές εργασίας - έγγραφα, αλληλογραφία, συσκέψεις, όλη η ρουτίνα
Διαφημίσεις + Στόχευση Τεχνητής Νοημοσύνης Εμπορικοί σύμβουλοι % των δαπανών Μεγάλα δεδομένα + διανομή = αποτελεσματικό, επίσης κάπως τρομακτικό 👀
Ασφάλεια + Συμμόρφωση Τεχνητή Νοημοσύνη Ρυθμιζόμενες βιομηχανίες ασφάλιστρο Προσφέρει «ψυχική ηρεμία» - ακόμα κι αν πρόκειται απλώς για λιγότερες ειδοποιήσεις
Τσιπ Τεχνητής Νοημοσύνης + Επιταχυντές Όλοι ανοδικά βαρύ κόστος κεφαλαιουχικών εξόδων Αν έχεις τα φτυάρια, κερδίζεις τον πυρετό του χρυσού (αδέξια μεταφορά, εξακολουθεί να ισχύει)
Παιχνίδια ανοιχτού οικοσυστήματος Οικοδόμοι, ερευνητές δωρεάν + επί πληρωμή επίπεδα Δυναμική κοινότητας, ταχύτερη επανάληψη, μερικές φορές αχαλίνωτη διασκέδαση

Μικρή εξομολόγηση για την ιδιοτροπία του τραπεζιού: το «free-ish» κάνει πολλή δουλειά εκεί. Δωρεάν μέχρι να μην είναι... ξέρεις πώς πάει.

Κοντινό πλάνο: το σημείο φραγμού στις υποδομές (υπολογιστική, cloud, τσιπ) 🧱⚙️

Αυτό είναι το κομμάτι για το οποίο οι περισσότεροι άνθρωποι δεν θέλουν να μιλήσουν επειδή δεν είναι λαμπερό. Αλλά είναι η ραχοκοκαλιά της Τεχνητής Νοημοσύνης.

Οι μεγάλες τεχνολογικές εταιρείες επηρεάζουν την Τεχνητή Νοημοσύνη ελέγχοντας:

Αν έχετε προσπαθήσει ποτέ να αναπτύξετε ένα σύστημα Τεχνητής Νοημοσύνης σε μια πραγματική εταιρεία, γνωρίζετε ήδη ότι το «μοντέλο» είναι το εύκολο κομμάτι. Το δύσκολο κομμάτι είναι: δικαιώματα, καταγραφή, πρόσβαση σε δεδομένα, έλεγχος κόστους, χρόνος λειτουργίας, αντιμετώπιση περιστατικών... τα πράγματα των ενηλίκων. 😵💫

Επειδή οι μεγάλες τεχνολογικές εταιρείες κατέχουν τόσα πολλά από αυτά, μπορούν να ορίσουν προεπιλεγμένα μοτίβα:

  • Ποια εργαλεία γίνονται στάνταρ

  • Ποια frameworks λαμβάνουν υποστήριξη πρώτης κατηγορίας

  • Ποιο υλικό έχει προτεραιότητα

  • Ποια μοντέλα τιμολόγησης γίνονται «φυσιολογικά»

Αυτό δεν είναι αυτόματα κακό. Αλλά είναι δύναμη.

Κοντινό πλάνο: έρευνα μοντέλου έναντι πραγματικότητας προϊόντος 🧪➡️🛠️

Η ένταση είναι η εξής: Οι μεγάλες τεχνολογικές εταιρείες μπορούν να χρηματοδοτήσουν εις βάθος έρευνα και χρειάζονται επίσης τριμηνιαίες νίκες προϊόντων. Αυτός ο συνδυασμός παράγει εκπληκτικές ανακαλύψεις και επίσης... αμφισβητήσιμες κυκλοφορίες λειτουργιών.

Οι μεγάλες τεχνολογικές εταιρείες συνήθως προωθούν την πρόοδο της Τεχνητής Νοημοσύνης μέσω:

Αλλά η πίεση του προϊόντος αλλάζει τα πράγματα:

  • Η ταχύτητα νικά την κομψότητα

  • Η αποστολή κοστίζει εξηγώντας

  • Το «αρκετά καλό» είναι καλύτερο από το «πλήρως κατανοητό»

Μερικές φορές αυτό είναι εντάξει. Οι περισσότεροι χρήστες δεν χρειάζονται θεωρητική καθαρότητα, χρειάζονται έναν χρήσιμο βοηθό στη ροή εργασίας τους. Αλλά ο κίνδυνος είναι η χρήση του «αρκετά καλό» σε ευαίσθητα περιβάλλοντα (υγεία, προσλήψεις, οικονομικά, εκπαίδευση) όπου το «αρκετά καλό»... δεν είναι αρκετά καλό. ( Νόμος της ΕΕ για την Τεχνητή Νοημοσύνη - Κανονισμός (ΕΕ) 2024/1689 )

Αυτό αποτελεί μέρος του ρόλου των μεγάλων τεχνολογικών εταιρειών στην Τεχνητή Νοημοσύνη - η μετατροπή των δυνατοτήτων αιχμής σε χαρακτηριστικά μαζικής αγοράς, ακόμη και όταν οι άκρες είναι ακόμη αιχμηρές. 🔪

Κοντινό πλάνο: η διανομή είναι η πραγματική υπερδύναμη 🚀📣

Αν μπορείτε να τοποθετήσετε την Τεχνητή Νοημοσύνη μέσα στα μέρη όπου οι άνθρωποι ζουν ήδη ψηφιακά, δεν χρειάζεται να «πείσετε» τους χρήστες. Απλώς γίνεστε η προεπιλογή.

Τα κανάλια διανομής των μεγάλων τεχνολογικών εταιρειών περιλαμβάνουν:

  • Γραμμές αναζήτησης και προγράμματα περιήγησης 🔎

  • Βοηθοί λειτουργικού συστήματος για κινητά 📱

  • Σουίτες χώρου εργασίας (έγγραφα, αλληλογραφία, συνομιλία, συσκέψεις) 🧑💼

  • Συστήματα κοινωνικής δικτύωσης και συστάσεων 📺

  • Καταστήματα εφαρμογών και πλατφορμικές αγορές 🛍️ ( Οδηγίες αξιολόγησης εφαρμογών Apple , Ασφάλεια δεδομένων Google Play )

Αυτός είναι ο λόγος για τον οποίο οι μικρότερες εταιρείες τεχνητής νοημοσύνης συνεργάζονται συχνά με τις μεγάλες τεχνολογικές εταιρείες, ακόμη και αν είναι νευρικές γι' αυτό. Η διανομή είναι οξυγόνο. Χωρίς αυτήν, μπορείς να έχεις το καλύτερο μοντέλο στον κόσμο και να εξακολουθείς να φωνάζεις στο κενό.

Υπάρχει επίσης μια ανεπαίσθητη παρενέργεια: η διανομή διαμορφώνει τι σημαίνει η «Τεχνητή Νοημοσύνη» για το κοινό. Αν η ΤΝ εμφανίζεται κυρίως ως βοηθός γραφής, οι άνθρωποι υποθέτουν ότι η ΤΝ έχει να κάνει με τη γραφή. Αν εμφανίζεται ως επεξεργασία φωτογραφιών, οι άνθρωποι υποθέτουν ότι η ΤΝ έχει να κάνει με τις εικόνες. Η πλατφόρμα καθορίζει την ατμόσφαιρα.

Κοντινό πλάνο: δεδομένα, ιδιωτικότητα και η συμφωνία εμπιστοσύνης 🔐🧠

Τα συστήματα τεχνητής νοημοσύνης συχνά γίνονται πιο αποτελεσματικά όταν είναι εξατομικευμένα. Η εξατομίκευση συχνά απαιτεί δεδομένα. Και τα δεδομένα δημιουργούν κίνδυνο. Αυτό το τρίγωνο δεν εξαφανίζεται ποτέ.

Οι μεγάλες εταιρείες τεχνολογίας βρίσκονται σε:

  • Δεδομένα συμπεριφοράς καταναλωτών (αναζητήσεις, κλικ, προτιμήσεις)

  • Εταιρικά δεδομένα (email, έγγραφα, συνομιλίες, αιτήματα, ροές εργασίας)

  • Δεδομένα πλατφόρμας (εφαρμογές, πληρωμές, σήματα ταυτότητας)

  • Δεδομένα συσκευής (τοποθεσία, αισθητήρες, φωτογραφίες, φωνητικές εντολές)

Ακόμα και όταν τα «ακατέργαστα δεδομένα» δεν χρησιμοποιούνται άμεσα, το περιβάλλον οικοσύστημα διαμορφώνει την εκπαίδευση, τη βελτίωση, την αξιολόγηση και την κατεύθυνση του προϊόντος.

Η συμφωνία εμπιστοσύνης συνήθως μοιάζει με αυτό:

  • Οι χρήστες αποδέχονται τη συλλογή δεδομένων επειδή το προϊόν είναι βολικό 🧃

  • Οι ρυθμιστικές αρχές αντιδρούν όταν κάτι γίνεται ανατριχιαστικό 👀 ( GDPR - Κανονισμός (ΕΕ) 2016/679 )

  • Οι εταιρείες ανταποκρίνονται με ελέγχους, πολιτικές και μηνύματα που δίνουν προτεραιότητα στην ιδιωτικότητα

  • Όλοι διαφωνούν για το τι σημαίνει «ιδιωτικότητα»

Ένας πρακτικός εμπειρικός κανόνας που έχω δει να λειτουργεί: αν μια εταιρεία μπορεί να εξηγήσει τις πρακτικές της σχετικά με τα δεδομένα τεχνητής νοημοσύνης σε μία μόνο συζήτηση χωρίς να κρύβεται πίσω από νομικές γλωσσικές εκφράσεις, συνήθως τα πάει καλύτερα από τον μέσο όρο. Όχι τέλεια - απλώς καλύτερα.

Κοντινό πλάνο: διακυβέρνηση, ασφάλεια και το παιχνίδι της αθόρυβης επιρροής 🧯📜

Αυτός είναι ο λιγότερο ορατός ρόλος: Οι μεγάλες τεχνολογικές εταιρείες συχνά βοηθούν στον καθορισμό των κανόνων που ακολουθούν όλοι οι άλλοι.

Διαμορφώνουν τη διακυβέρνηση μέσω:

Μερικές φορές αυτό είναι πραγματικά χρήσιμο. Οι μεγάλες τεχνολογικές εταιρείες μπορούν να επενδύσουν σε ομάδες ασφαλείας, εργαλεία εμπιστοσύνης, ανίχνευση κατάχρησης και υποδομές συμμόρφωσης που οι μικρότεροι παίκτες δεν μπορούν να αντέξουν οικονομικά.

Μερικές φορές είναι ιδιοτελές. Η ασφάλεια μπορεί να γίνει τάφρος, όπου μόνο οι μεγαλύτεροι παίκτες έχουν την «οικονομική δυνατότητα» να συμμορφωθούν. Αυτή είναι η παγίδα: η ασφάλεια είναι απαραίτητη, αλλά η ακριβή ασφάλεια μπορεί να παγώσει κατά λάθος τον ανταγωνισμό. ( Νόμος της ΕΕ για την Τεχνητή Νοημοσύνη - Κανονισμός (ΕΕ) 2024/1689 )

Εδώ είναι που μετράει η λεπτότητα. Ούτε η διασκεδαστική λεπτότητα - η ενοχλητική. 😬

Κοντινό πλάνο: ανταγωνισμός, ανοιχτά οικοσυστήματα και η βαρύτητα των νεοσύστατων επιχειρήσεων 🧲🌱

Ο ρόλος των Big Tech στην Τεχνητή Νοημοσύνη περιλαμβάνει επίσης τη διαμόρφωση της αγοράς:

  • Εξαγορές (ταλέντο, τεχνολογία, διανομή)

  • Συνεργασίες (μοντέλα που φιλοξενούνται σε cloud, συμφωνίες κοινών επιχειρήσεων)

  • Χρηματοδότηση οικοσυστήματος (πιστώσεις, θερμοκοιτίδες, αγορές)

  • Ανοιχτά εργαλεία (πλαίσια, βιβλιοθήκες, εκδόσεις "ανοιχτού τύπου")

Υπάρχει ένα μοτίβο που έχω δει να επαναλαμβάνεται:

  1. Οι νεοσύστατες επιχειρήσεις καινοτομούν γρήγορα

  2. Οι μεγάλες τεχνολογικές εταιρείες ενσωματώνουν ή αντιγράφουν το επιτυχημένο μοτίβο

  3. Οι νεοσύστατες επιχειρήσεις στρέφονται σε εξειδικευμένες αγορές ή γίνονται στόχοι εξαγορών

  4. Το «στρώμα πλατφόρμας» πυκνώνει

Αυτό δεν είναι αυτόματα κακό. Οι πλατφόρμες μπορούν να μειώσουν τις τριβές και να κάνουν την Τεχνητή Νοημοσύνη προσβάσιμη. Αλλά μπορούν επίσης να μειώσουν την ποικιλομορφία. Εάν κάθε προϊόν γίνει «ένα περιτύλιγμα γύρω από τα ίδια λίγα API», η καινοτομία αρχίζει να μοιάζει με την αναδιάταξη επίπλων στο ίδιο διαμέρισμα.

Λίγος ακατάστατος ανταγωνισμός είναι υγιής. Σαν προζύμι. Αν αποστειρώσεις τα πάντα, σταματά να φουσκώνει. Αυτή η μεταφορά είναι ελαφρώς ατελής, αλλά θα την υιοθετήσω. 🍞

Ζώντας με ενθουσιασμό και προσοχή 😄😟

Και τα δύο συναισθήματα ταιριάζουν. Ο ενθουσιασμός και η προσοχή μπορούν να μοιράζονται τον ίδιο χώρο.

Λόγοι για να είστε ενθουσιασμένοι:

  • Ταχύτερη ανάπτυξη χρήσιμων εργαλείων

  • Καλύτερη υποδομή και αξιοπιστία

  • Χαμηλότερο εμπόδιο για τις επιχειρήσεις να υιοθετήσουν την Τεχνητή Νοημοσύνη

  • Περισσότερες επενδύσεις στην ασφάλεια και τυποποίηση ( NIST AI RMF 1.0 , Αρχές Τεχνητής Νοημοσύνης του ΟΟΣΑ )

Λόγοι για να είστε προσεκτικοί:

Μια ρεαλιστική άποψη είναι: Οι μεγάλες εταιρείες τεχνολογίας μπορούν να επιταχύνουν την τεχνητή νοημοσύνη για τον κόσμο, συγκεντρώνοντας παράλληλα δύναμη. Αυτά μπορεί να ισχύουν ταυτόχρονα. Οι άνθρωποι αντιπαθούν αυτή την απάντηση επειδή δεν έχει ιδιαίτερη αξία, ωστόσο ταιριάζει με τα στοιχεία.

Πρακτικές συμβουλές για διαφορετικούς αναγνώστες 🎯

Αν είστε επιχείρηση-αγοραστής 🧾

Αν είσαι προγραμματιστής 🧑💻

  • Δημιουργήστε με γνώμονα τη φορητότητα (βοήθεια με τα επίπεδα αφαίρεσης)

  • Μην στοιχηματίζετε τα πάντα σε ένα χαρακτηριστικό ενός προμηθευτή που μπορεί να εξαφανιστεί

  • Παρακολουθήστε τα όρια τιμών, τις αλλαγές τιμολόγησης και τις ενημερώσεις πολιτικής σαν να είναι μέρος της εργασίας σας (επειδή είναι) ( Οδηγίες αξιολόγησης εφαρμογών Apple , Ασφάλεια δεδομένων Google Play )

Εάν είστε υπεύθυνος χάραξης πολιτικής ή υπεύθυνος συμμόρφωσης 🏛️

Αν είστε τακτικός χρήστης 🙋

  • Μάθετε πού βρίσκονται οι λειτουργίες τεχνητής νοημοσύνης στις εφαρμογές σας

  • Χρησιμοποιήστε τα στοιχεία ελέγχου απορρήτου ακόμα κι αν είναι ενοχλητικά ( GDPR - Κανονισμός (ΕΕ) 2016/679 )

  • Να είστε επιφυλακτικοί με τα «μαγικά» αποτελέσματα - η τεχνητή νοημοσύνη είναι σίγουρη, όχι πάντα σωστή 😵

Συνοπτική περίληψη: ο ρόλος των μεγάλων τεχνολογικών εταιρειών στην τεχνητή νοημοσύνη 🧠✨

Ο ρόλος των Big Tech στην Τεχνητή Νοημοσύνη δεν είναι ένας μόνο ρόλος. Είναι ένα σύνολο ρόλων: ιδιοκτήτης υποδομής, κατασκευαστής μοντέλων, διανομέας, gatekeeper και διαμορφωτής αγοράς. Δεν συμμετέχουν απλώς στην Τεχνητή Νοημοσύνη - καθορίζουν το έδαφος στο οποίο αναπτύσσεται η Τεχνητή Νοημοσύνη.

Αν θυμάστε μόνο μία γραμμή, κάντε την ως εξής:

Ο ρόλος των μεγάλων τεχνολογικών εταιρειών στην τεχνητή νοημοσύνη.
Κατασκευάζει τους αγωγούς, θέτει τις προεπιλογές και κατευθύνει τον τρόπο με τον οποίο η τεχνητή νοημοσύνη φτάνει στους ανθρώπους - σε μαζική κλίμακα, με τεράστιες συνέπειες. ( NIST AI RMF 1.0 , Νόμος της ΕΕ για την τεχνητή νοημοσύνη - Κανονισμός (ΕΕ) 2024/1689 )

Και ναι, οι «συνέπειες» ακούγονται δραματικές. Αλλά η Τεχνητή Νοημοσύνη είναι ένα από εκείνα τα θέματα όπου το δραματικό είναι μερικές φορές απλώς... ακριβές. 😬🤖

Συχνές ερωτήσεις

Ποιος είναι ο ρόλος των μεγάλων τεχνολογικών εταιρειών στην Τεχνητή Νοημοσύνη, σε πρακτικό επίπεδο;

Ο ρόλος των μεγάλων τεχνολογικών εταιρειών στην Τεχνητή Νοημοσύνη είναι λιγότερο «φτιάχνουν μοντέλα» και περισσότερο «λειτουργούν τον μηχανισμό που κάνει την Τεχνητή Νοημοσύνη να λειτουργεί σε κλίμακα». Παρέχουν υποδομή cloud, μεταφέρουν την Τεχνητή Νοημοσύνη μέσω συσκευών και εφαρμογών και ορίζουν κανόνες πλατφόρμας που διαμορφώνουν αυτό που κατασκευάζεται. Χρηματοδοτούν επίσης έρευνα, συνεργασίες και εξαγορές που επηρεάζουν ποιες προσεγγίσεις θα επιβιώσουν. Σε πολλές αγορές, ουσιαστικά καθορίζουν την προεπιλεγμένη εμπειρία Τεχνητής Νοημοσύνης.

Γιατί η πρόσβαση σε υπολογιστές έχει τόσο μεγάλη σημασία για το ποιος μπορεί να κατασκευάσει Τεχνητή Νοημοσύνη σε μεγάλη κλίμακα;

Η σύγχρονη Τεχνητή Νοημοσύνη εξαρτάται από μεγάλα clusters GPU, γρήγορη δικτύωση, αποθήκευση και αξιόπιστους αγωγούς MLOps - όχι μόνο από έξυπνους αλγόριθμους. Εάν δεν μπορείτε να αποκτήσετε προβλέψιμη χωρητικότητα, η εκπαίδευση, η αξιολόγηση και η ανάπτυξη γίνονται εύθραυστες και δαπανηρές. Οι μεγάλες τεχνολογικές εταιρείες συχνά ελέγχουν το επίπεδο της «σπονδυλικής στήλης» (cloud, συνεργασίες chips, προγραμματισμός, ασφάλεια), το οποίο μπορεί να καθορίσει τι είναι εφικτό για τις μικρότερες ομάδες. Αυτή η ισχύς μπορεί να είναι ωφέλιμη, αλλά παραμένει ισχύς.

Πώς η διανομή των μεγάλων τεχνολογικών εταιρειών διαμορφώνει τι σημαίνει η «Τεχνητή Νοημοσύνη» για τους καθημερινούς χρήστες;

Η διανομή είναι μια υπερδύναμη επειδή μετατρέπει την Τεχνητή Νοημοσύνη σε μια προεπιλεγμένη λειτουργία αντί για ένα ξεχωριστό προϊόν που πρέπει να επιλέξετε. Όταν η Τεχνητή Νοημοσύνη εμφανίζεται σε γραμμές αναζήτησης, τηλέφωνα, email, έγγραφα, συναντήσεις και καταστήματα εφαρμογών, γίνεται «αυτό που είναι η Τεχνητή Νοημοσύνη» για τους περισσότερους ανθρώπους. Αυτό επίσης περιορίζει τις προσδοκίες του κοινού: εάν η Τεχνητή Νοημοσύνη είναι κυρίως ένα εργαλείο γραφής στις εφαρμογές σας, οι χρήστες υποθέτουν ότι η Τεχνητή Νοημοσύνη ισοδυναμεί με γραφή. Οι πλατφόρμες αποφασίζουν σιωπηλά τον τόνο.

Ποιοι είναι οι κύριοι τρόποι με τους οποίους οι κανόνες της πλατφόρμας και τα καταστήματα εφαρμογών λειτουργούν ως φύλακες της τεχνητής νοημοσύνης;

Οι πολιτικές αξιολόγησης εφαρμογών, οι όροι της αγοράς, οι κανόνες περιεχομένου και οι περιορισμοί API μπορούν να καθορίσουν ποιες λειτουργίες τεχνητής νοημοσύνης επιτρέπονται και πώς πρέπει να συμπεριφέρονται. Ακόμα και όταν οι κανόνες διατυπώνονται ως προστασία ασφάλειας ή απορρήτου, διαμορφώνουν επίσης τον ανταγωνισμό αυξάνοντας το κόστος συμμόρφωσης και εφαρμογής. Για τους προγραμματιστές, αυτό σημαίνει ότι οι ενημερώσεις πολιτικής μπορούν να είναι εξίσου σημαντικές με τις ενημερώσεις μοντέλων. Στην πράξη, το «τι κυκλοφορεί» είναι συχνά «τι περνάει από την πύλη»

Πώς εντάσσονται οι πλατφόρμες cloud AI όπως το SageMaker, το Azure ML και το Vertex AI στον ρόλο των Big Tech στην AI;

Οι πλατφόρμες τεχνητής νοημοσύνης στο cloud συνδυάζουν την εκπαίδευση, την ανάπτυξη, την παρακολούθηση, τη διακυβέρνηση και την ασφάλεια σε ένα μέρος, γεγονός που μειώνει τις τριβές για νεοσύστατες επιχειρήσεις και επιχειρήσεις. Εργαλεία όπως το Amazon SageMaker, το Azure Machine Learning και το Vertex AI διευκολύνουν την κλιμάκωση και τη διαχείριση του κόστους μέσω μιας σχέσης με έναν μόνο προμηθευτή. Το μειονέκτημα είναι ότι η ευκολία μπορεί να αυξήσει την δέσμευση, επειδή οι ροές εργασίας, τα δικαιώματα και η παρακολούθηση είναι βαθιά ενσωματωμένα σε αυτό το οικοσύστημα.

Τι πρέπει να ρωτήσει ένας αγοραστής επιχείρησης πριν υιοθετήσει εργαλεία τεχνητής νοημοσύνης από μεγάλες τεχνολογικές εταιρείες;

Ξεκινήστε με τα δεδομένα: πού πηγαίνουν, πώς απομονώνονται και ποιοι έλεγχοι διατήρησης και ελέγχου υπάρχουν. Ρωτήστε για τους ελέγχους διαχείρισης, την καταγραφή, τα όρια πρόσβασης και τον τρόπο με τον οποίο αξιολογούνται τα μοντέλα για κίνδυνο στον τομέα σας. Επίσης, κάντε δοκιμές πίεσης στην τιμολόγηση, επειδή το κόστος που βασίζεται στη χρήση μπορεί να αυξηθεί καθώς αυξάνεται η υιοθέτηση. Σε ρυθμιζόμενα περιβάλλοντα, ευθυγραμμίστε τις προσδοκίες με τα πλαίσια και τις απαιτήσεις συμμόρφωσης που ήδη χρησιμοποιεί ο οργανισμός σας.

Πώς μπορούν οι προγραμματιστές να αποφύγουν το κλείδωμα από προμηθευτές όταν βασίζονται σε API τεχνητής νοημοσύνης μεγάλων τεχνολογιών;

Μια συνηθισμένη προσέγγιση είναι ο σχεδιασμός για φορητότητα: η τύλιξη των κλήσεων μοντέλου πίσω από ένα επίπεδο αφαίρεσης και η διατήρηση των προτροπών, των πολιτικών και της λογικής αξιολόγησης με εκδοχές και δυνατότητα δοκιμής. Αποφύγετε να βασίζεστε σε μία «ειδική» λειτουργία προμηθευτή που θα μπορούσε να αλλάξει ή να εξαφανιστεί. Παρακολουθήστε τα όρια τιμών, τις ενημερώσεις τιμολόγησης και τις αλλαγές πολιτικής ως μέρος της συνεχούς συντήρησης. Η φορητότητα δεν είναι δωρεάν, αλλά συνήθως κοστίζει λιγότερο από μια αναγκαστική μετεγκατάσταση.

Πώς η ιδιωτικότητα και η εξατομίκευση δημιουργούν μια «συμφωνία εμπιστοσύνης» με τις λειτουργίες της τεχνητής νοημοσύνης;

Η εξατομίκευση συχνά βελτιώνει την χρησιμότητα της Τεχνητής Νοημοσύνης, αλλά συνήθως αυξάνει την έκθεση σε δεδομένα και την αντιληπτή ανατριχίλα. Οι μεγάλες εταιρείες τεχνολογίας βρίσκονται κοντά σε δεδομένα συμπεριφοράς, επιχειρήσεων, πλατφορμών και συσκευών, επομένως οι χρήστες και οι ρυθμιστικές αρχές εξετάζουν πώς αυτά τα δεδομένα επηρεάζουν την εκπαίδευση, τις βελτιώσεις και τις αποφάσεις για προϊόντα. Ένα πρακτικό σημείο αναφοράς είναι το κατά πόσον μια εταιρεία μπορεί να εξηγήσει με σαφήνεια τις πρακτικές της σχετικά με τα δεδομένα Τεχνητής Νοημοσύνης χωρίς να κρύβεται πίσω από νομική γλώσσα. Οι καλοί έλεγχοι και οι πραγματικές εξαιρέσεις έχουν σημασία.

Ποια πρότυπα και κανονισμοί είναι πιο σχετικοί με τη διακυβέρνηση και την ασφάλεια της Τεχνητής Νοημοσύνης των μεγάλων τεχνολογικών εταιρειών;

Σε πολλά αγωγούς, η διακυβέρνηση συνδυάζει τις εσωτερικές πολιτικές ασφάλειας με εξωτερικά πλαίσια και νόμους. Οι οργανισμοί συχνά αναφέρονται σε οδηγίες διαχείρισης κινδύνου, όπως το AI RMF του NIST, σε πρότυπα διαχείρισης όπως το ISO/IEC 42001, και σε περιφερειακούς κανόνες όπως ο GDPR και ο νόμος της ΕΕ για την τεχνητή νοημοσύνη για ορισμένες περιπτώσεις χρήσης. Αυτά επηρεάζουν την καταγραφή, τους ελέγχους, τα όρια δεδομένων και τι αποκλείεται ή επιτρέπεται. Η πρόκληση είναι ότι η συμμόρφωση μπορεί να γίνει δαπανηρή, κάτι που μπορεί να ευνοήσει τους μεγαλύτερους παίκτες.

Είναι πάντα κακό πράγμα η επιρροή των μεγάλων τεχνολογικών εταιρειών στον ανταγωνισμό και τα οικοσυστήματα;

Όχι αυτόματα. Οι πλατφόρμες μπορούν να μειώσουν τα εμπόδια, να τυποποιήσουν τα εργαλεία και να χρηματοδοτήσουν την ασφάλεια και τις υποδομές που οι μικρότερες ομάδες δεν μπορούν να αντέξουν οικονομικά. Αλλά η ίδια δυναμική μπορεί να μειώσει την ποικιλομορφία εάν όλοι γίνουν ένα λεπτό περιτύλιγμα γύρω από μερικά κυρίαρχα API, cloud και αγορές. Παρακολουθήστε μοτίβα όπως η ενοποίηση της υπολογιστικής και της διανομής, καθώς και οι αλλαγές τιμολόγησης και πολιτικής που είναι δύσκολο να ξεφύγουν. Τα πιο υγιή οικοσυστήματα συνήθως αφήνουν χώρο για διαλειτουργικότητα και νέους συμμετέχοντες.

Αναφορές

  1. Διεθνής Οργανισμός Ενέργειας - Ενέργεια και Τεχνητή Νοημοσύνη - iea.org

  2. Διεθνής Οργανισμός Ενέργειας - Ζήτηση ενέργειας από την Τεχνητή Νοημοσύνη - iea.org

  3. NVIDIA - Επισκόπηση πλατφορμών συμπερασμάτων τεχνητής νοημοσύνης - nvidia.com

  4. Amazon Web Services - Τεκμηρίωση AI Amazon SageMaker (Τι είναι το SageMaker;) - aws.amazon.com

  5. Microsoft - Τεκμηρίωση Μηχανικής Μάθησης Azure - learn.microsoft.com

  6. Google Cloud - Τεκμηρίωση Vertex AI - cloud.google.com

  7. Google Cloud - MLOps σε Vertex AI - cloud.google.com

  8. Microsoft - Οδηγός αρχιτεκτονικής λειτουργιών μηχανικής μάθησης (MLOps) v2 - learn.microsoft.com

  9. Προγραμματιστής Apple - Core ML - developer.apple.com

  10. Google Developers - Κιτ ML - developers.google.com

  11. Apple Developer - Οδηγίες αξιολόγησης εφαρμογών - developer.apple.com

  12. Βοήθεια για το Google Play Console - Ασφάλεια δεδομένων - support.google.com

  13. arXiv - Νόμοι Κλιμάκωσης για Μοντέλα Νευρωνικής Γλώσσας - arxiv.org

  14. arXiv - Εκπαίδευση Μοντέλων Μεγάλης Γλώσσας με Βέλτιστη Υπολογιστική Απόδοση (Chinchilla) - arxiv.org

  15. Εθνικό Ινστιτούτο Προτύπων και Τεχνολογίας - Πλαίσιο Διαχείρισης Κινδύνων Τεχνητής Νοημοσύνης (AI RMF 1.0) - nist.gov

  16. Εθνικό Ινστιτούτο Προτύπων και Τεχνολογίας - NIST Generation AI Profile (σύντροφος AI RMF) - nist.gov

  17. Διεθνής Οργανισμός Τυποποίησης - ISO/IEC 42001:2023 - iso.org

  18. EUR-Lex - Κανονισμός (ΕΕ) 2016/679 (ΓΚΠΔ) - eur-lex.europa.eu

  19. EUR-Lex - Κανονισμός (ΕΕ) 2024/1689 (EU AI Act) - eur-lex.europa.eu

  20. OECD - OECD AI Principles - oecd.ai

Βρείτε την τελευταία λέξη της Τεχνητής Νοημοσύνης στο επίσημο κατάστημα βοηθών τεχνητής νοημοσύνης

Σχετικά με εμάς

Επιστροφή στο ιστολόγιο