10 روند برتر داده و هوش مصنوعی در سال 1404

۵. داده‌های کوچک آینده هوش مصنوعی هستند

بحث منبع باز در مقابل مدیریت‌شده داستانی به قدمت دوران کاری بسیاری از ما دارد و موضوع خیلی قدیمی است، اما وقتی صحبت از هوش مصنوعی به میان می‌آید، این پرسش رنگ و بوی پیچیده‌تری پیدا می‌کند. در سطح سازمانی، این صرفا یک پرسش در مورد کنترل یا قابلیت همکاری نیست – اگرچه این موارد قطعا می‌توانند نقش داشته باشند – بلکه پرسشی در مورد هزینه‌های عملیاتی است. بزرگترین شرکت‌های B2C از مدل‌های آماده استفاده خواهند کرد و انتظار داریم که B2B به سمت مدل‌های اختصاصی و منبع باز گرایش پیدا کند. در مدل B2B، به طور کلی مدل‌های کوچک‌تر و مدل‌های منبع باز بیشتری مشاهده خواهیم کرد. دلیل این است که اجرای یک مدل منبع باز کوچک بسیار ارزان‌تر است، اما همه چیز در پول و سرمایه خلاصه نمی‌شود. مدل‌های کوچک عملکرد و راندمان را ارتقا می‌دهند. مدل‌های بزرگ برای ارائه خدمات به طیف وسیعی از کاربران طراحی شده‌اند. کاربران می‌توانند تقریبا در مورد هر چیزی از یک مدل بزرگ سوال کنند. بنابراین، آن مدل باید بر روی مجموعه داده‌ها به اندازه کافی بزرگ آموزش داده شود تا پاسخ مرتبط ارائه دهد. متاسفانه، هرچه موضوعات بیشتری به یک مدل آموزش داده شود، احتمال ترکیب مفاهیم متعدد و در نتیجه اشتباه‌تر شدن خروجی‌ها با گذشت زمان بیشتر می‌شود.

شما می‌توانید مدلی مانند Llama 2 با 8 میلیارد پارامتر را بگیرید، آن را با 10000 تیکت پشتیبانی تنظیم دقیق کنید و عملکرد بسیار بهتری از آن دریافت کنید. علاوه بر این، ChatGPT و سایر راه‌حل‌های مدیریت‌شده اغلب در دادگاه‌ها به دلیل ادعاهایی مبنی بر اینکه سازندگان آن‌ها حقوق قانونی داده‌هایی که این مدل‌ها بر اساس آن آموزش داده شده‌اند را نداشته‌اند، به چالش کشیده می‌شوند.

این موضوع، علاوه بر هزینه و عملکرد، احتمالا بر پذیرش بلندمدت مدل‌های اختصاصی – به ویژه در صنایع بسیار قانونمند – تاثیرگذار خواهد بود، اما شدت این تاثیر هنوز نامشخص است. البته، مدل‌های اختصاصی نیز بازار خاص خود را دارند. مدل‌های اختصاصی در حال حاضر به شدت قیمت‌ها را کاهش داده و تقاضا را افزایش داده‌اند. مدل‌هایی مانند ChatGPT قیمت‌ها را تقریبا 50٪ کاهش داده‌اند و انتظار می‌رود در 6 ماه آینده 50٪ دیگر نیز کاهش کند. البته، این مسئله در بازار ایران رویکرد متفاوتی را دنبال می‌کند. این کاهش هزینه می‌تواند یک مزیت بزرگ برای شرکت‌های B2C به همراه داشته باشد که امیدوارند در مسابقه هوش مصنوعی برگ برنده را داشته باشند.

۶. مرزهای بین تحلیلگران و مهندسان داده در حال محو شدن است

وقتی صحبت از مقیاس‌بندی ساخت پایپ‌لاین به میان می‌آید، به طور کلی دو چالش وجود دارد که تیم‌های داده با آن روبرو می‌شوند: تحلیلگرانی که تجربه فنی کافی ندارند و مهندسان داده‌ای که وقت کافی ندارند. به نظر می‌رسد این مشکلی بزرگ برای هوش مصنوعی است. با نگاهی به چگونگی تکامل تیم‌های داده، دو تحول عمده وجود دارد که – به اعتقاد من – می‌تواند منجر به ادغام مسئولیت‌های مهندسی و تحلیلی در سال 1404 شود:

• افزایش تقاضا: با افزایش عطش رهبران کسب‌وکار برای محصولات داده‌محور و هوش مصنوعی، تیم‌های داده موظف خواهند بود با منابع کمتر، کار بیشتری انجام دهند. در تلاش برای به حداقل رساندن گلوگاه‌ها، رهبران به طور طبیعی تیم‌های تخصصی را آماده می‌کنند تا مسئولیت بیشتری در قبال پایپ‌لاین‌ها – و ذینفعان خود – بر عهده بگیرند.
• بهبود در اتوماسیون: تقاضای جدید همیشه نوآوری جدید را به دنبال دارد. (در این مورد، منظور پایپ‌لاین‌های مجهز به هوش مصنوعی است.) با خودکارتر شدن فناوری‌ها، مهندسان قادر خواهند بود با منابع کمتر، کار بیشتری انجام دهند، در حالی که تحلیلگران قادر خواهند بود کارهای بیشتری را به تنهایی انجام دهند.

استدلال ساده است – با افزایش تقاضا، اتوماسیون پایپ‌لاین به طور طبیعی برای پاسخگویی به سمت تقاضا تکامل می‌یابد. با تکامل اتوماسیون پایپ‌لاین برای پاسخگویی به تقاضا، موانع ایجاد و مدیریت پایپ‌لاین‌ها کاهش می‌یابد. شکاف مهارتی کاهش می‌یابد و توانایی افزودن ارزش جدید افزایش می‌یابد. حرکت به سمت مدیریت پایپ‌لاین خودسرویس مجهز به هوش مصنوعی به این معنی است که متاسفانه کار این گروه از متخصصان خودکارسازی می‌شود، روی خوش داستان این است که آن‌ها می‌توانند توانایی خود برای ایجاد و نشان دادن ارزش جدید در این فرآیند نوظهور را نشان دهند.

۷. داده‌های مصنوعی مهم هستند – اما هزینه‌ دارند

احتمالا تصویر ماری را دیده‌اید که دم خود را می‌خورد. اگر با دقت نگاه کنید، شباهت چشمگیری به هوش مصنوعی معاصر دارد. در حال حاضر تقریبا 21 تا 25 تریلیون توکن (کلمه) در اینترنت وجود دارد. مدل‌های هوش مصنوعی که امروزه در حال تولید هستند، از همه آن‌ها استفاده کرده‌اند. برای اینکه داده‌ها به پیشرفت خود ادامه دهند، به مجموعه داده‌های بی‌نهایت بزرگتری برای آموزش نیاز دارند. هرچه داده‌های بیشتری داشته باشند، زمینه بیشتری برای ارائه خروجی‌ها در اختیار خواهند داشت – و خروجی‌ها دقیق‌تر خواهند بود. وقتی یک محقق هوش مصنوعی با کمبود داده‌های آموزشی مواجه می‌شود، چه کار می‌کند؟ داده‌های خود را می‌سازد.

با کمیاب‌تر شدن داده‌های آموزشی، شرکت‌هایی مانند OpenAI معتقدند که داده‌های مصنوعی بخش مهمی از نحوه آموزش مدل‌های آن‌ها در آینده خواهد بود. در 24 ماه گذشته، یک صنعت کامل برای ارائه خدمات بر مبنای این دیدگاه تکامل یافته است – از جمله این شرکت‌ها باید به Tonic اشاره کرد که داده‌های ساختاریافته مصنوعی تولید می‌کند یا Gretel که داده‌های سازگار برای صنایعی مانند مالی و بهداشت و درمان ایجاد می‌کند.

آیا داده‌های مصنوعی یک راه‌حل بلندمدت هستند؟ احتمالا نه. داده‌های مصنوعی با این هدف تولید می‌شوند که به مدل‌ها کمک کنند اتفاقات دنیای واقعی را انعکاس دهند. به بیان دقیق‌تر، کار شبیه‌سازی را انجام می‌دهند. در ادامه مدل‌ها بر مبنای آن داده‌ها اقدام به ساخت داده‌های جدید می‌کنند. در مقیاس کوچک، این رویکرد منطقی است. اما… همانطور که می‌گویند، هر چیز خوبی اگر بیش از حد باشد… نتیجه منفی دارد، در دنیای هوش مصنوعی نیز صدق می‌کند.

می‌توانید آن را به عنوان سوء تغذیه متنی در نظر بگیرید. درست مانند غذا، اگر یک منبع داده تازه و ارگانیک، مغذی‌ترین داده برای آموزش مدل باشد، داده‌ای که از مجموعه‌ داده‌های موجود تقطیر شده است، ذاتا باید نسبت به داده‌های قبلی کم‌مغذی‌تر باشد. کمی طعم مصنوعی اشکالی ندارد – اما اگر این رژیم غذایی از داده‌های آموزشی مصنوعی تا ابد ادامه یابد بدون اینکه داده‌های “تغذیه شده با ورودی ناب” وارد شود، آن مدل در نهایت از کار خواهد افتاد

مسئله واقعا “اگر” نیست، بلکه “چه زمانی” است. ما در این مرحله تا فروپاشی مدل فاصله زیادی داریم. اما با ادامه تحقیقات در حوزه هوش مصنوعی برای رساندن مدل‌ها به محدودیت‌های عملکردی خود، دیدن جهانی که در آن هوش مصنوعی به فلات عملکردی خود می‌رسد – شاید زودتر از آنچه تصور می‌شود – دشوار نیست.

۸. پشته داده‌های بدون ساختار ظهور خواهد کرد

ایده استفاده از داده‌های بدون ساختار در تولید به هیچ وجه جدید نیست – اما در عصر هوش مصنوعی، داده‌های بدون ساختار نقش کاملا جدیدی پیدا کرده‌اند. طبق گزارشی از IDC، در حال حاضر تنها حدود نیمی از داده‌های بدون ساختار یک سازمان تجزیه و تحلیل می‌شود. همه چیز در شرف تغییر است.

وقتی صحبت از هوش مصنوعی مولد به میان می‌آید، موفقیت سازمانی تا حد زیادی به طیف گسترده‌ای از داده‌های بدون ساختار بستگی دارد که برای آموزش، تنظیم دقیق و تقویت آن استفاده می‌شود. با افزایش تمایل سازمان‌ها به عملیاتی کردن هوش مصنوعی برای موارد استفاده سازمانی، اشتیاق به داده‌های بدون ساختار – و “پشته داده‌های بدون ساختار” نوظهور – نیز به رشد خود ادامه خواهد داد.

برخی از تیم‌ها حتی در حال بررسی این موضوع هستند که چگونه می‌توانند از LLMهای اضافی برای افزودن ساختار به داده‌های بدون ساختار استفاده کنند تا سودمندی آن را در موارد استفاده آموزشی و تحلیلی اضافی افزایش دهند. شناسایی اینکه چه داده‌های دست اول بدون ساختاری در سازمان شما وجود دارد – و چگونه می‌توانید به طور بالقوه آن داده‌ها را برای ذینفعان خود فعال کنید – یک فرصت بکر برای رهبران داده است که به دنبال نشان دادن ارزش تجاری پلتفرم داده خود هستند. اگر سال 1403 در مورد بررسی پتانسیل داده‌های بدون ساختار بود – سال 1404 تماما در مورد تحقق ارزش آن خواهد بود. پرسش این است که… چه ابزارهایی در چنین سطحی به بازار خواهند آمد.

۹. هوش مصنوعی عامل‌محور برای گفتگو عالی است – اما نه برای استقرار

اگر این روزها با سرمایه‌گذاران خطرپذیر تعامل داشته باشید، احتمالا دو اصطلاح را به طور مرتب می‌شنوید: “کمک‌خلبان” که اصطلاحی شیک برای هوش مصنوعی است که برای انجام یک مرحله واحد استفاده می‌شود (“کد افتضاح من را اصلاح کن”)، و “عامل‌ها” که یک گردش کار چندمرحله‌ای هستند که می‌توانند اطلاعات را جمع‌آوری کرده و از آن برای انجام یک کار استفاده کنند. بدون شک، ما در سال 1403 شاهد موفقیت‌های زیادی در زمینه کمک‌خلبان‌های هوش مصنوعی بوده‌ایم، اما در مورد عامل‌های هوش مصنوعی چطور؟

در حالی که “هوش مصنوعی عامل‌محور” اوقات خوشی را برای تیم‌های پشتیبانی مشتری به وجود آورده است، به‌نظر می‌رسد در بلندمدت تحولات دیگری را رقم خواهد زد. در حالی که عامل‌های هوش مصنوعی اولیه یک گام مهم به جلو هستند، دقت این گردش‌های کار هنوز ضعیف است. برای درک بهتر، دقت 75 تا 90 درصد، آخرین دستاورد هوش مصنوعی است. بیشتر مدل‌های هوش مصنوعی معادل یک دانش‌آموز دبیرستانی هستند، اگر مدل شما دقتی در بازه 75 تا 90 درصد داشته باشد، به این معنا است که دقت نهایی آن چندان قابل اعتماد نیست. بسیاری از عامل‌های هوش مصنوعی، به جای اینکه محرک درآمد برای سازمان‌ها باشند، اگر با عملکرد فعلی خود وارد مرحله تولید شوند، فعالانه مضر خواهند بود. بنابراین، ابتدا باید این مشکل را حل کنیم. صحبت در مورد آن‌ها مهم است، اما به ندرت شاهد هستیم که این فناوری در دنیای واقعی در بسیاری از حوزه‌ها با موفقیت ظاهر شده باشد. برای متخاصصان در مکان‌هایی مثل سیلیکون ولی این موضوع مهم نیست، آن‌ها تنها دوست دارند همه در مورد عامل‌های هوش مصنوعی صحبت کنند.

۱۰. پایپ‌لاین‌ها در حال گسترش هستند – اما کیفیت چندان جالبی ندارند

در جلسه‌ای که چند وقت پیش با حضور فعالان بخش خصوصی برگزار شد، از آن‌ها سوال کردم که چند نفر از مدیران عامل از کیفیت خروجی مدل‌های هوشمند راضی هستند؟ هیچ کس دستش را بالا نبرد. هر سال، مونت کارلو از متخصصان واقعی داده در مورد وضعیت کیفیت داده‌هایشان نظرسنجی می‌کند. امسال، ما نگاه خود را به سایه هوش مصنوعی معطوف کردیم، و پیام واضح بود: در شرایطی که تمرکز ما بر مدیریت داده‌ها است، خطرات کیفیت داده‌ها روزبه‌روز بیشتر می‌شود.

ما شاهد هستیم که تیم‌ها در حال ساخت پایگاه‌های داده برداری یا مدل‌های جاسازی‌شده در مقیاس بزرگ هستند، SQLLite در مقیاس بزرگ. آن‌ها در حال طراحی در لایه CDN برای اجرای تمام این مدل‌های کوچک هستند. آیفون‌ها، مدل‌های یادگیری ماشین خواهند داشت. ما شاهد انفجار در تعداد کل پایپ‌لاین‌ها خواهیم بود، اما با حجم داده بسیار کمتر. الگوی تنظیم دقیق منجر به انفجار تعداد پایپ‌لاین‌های داده در یک سازمان خواهد شد. اما هرچه پایپ‌لاین‌ها بیشتر گسترش یابند، ارزیابی کیفیت داده دشوارتر می‌شود. شایان ذکر است کیفیت داده به طور مستقیم با حجم و پیچیدگی پایپ‌لاین‌های شما افزایش می‌یابد. هرچه پایپ‌لاین‌های بیشتری داشته باشید (و هرچه پیچیده‌تر شوند)، فرصت‌های بیشتری برای خراب شدن خروجی پدید خواهد آمد. این در حالی است که احتمال اینکه به موقع آن‌ها را پیدا کنید کمتر خواهد بود.