አጭር መልስ ፡ የ AI ኩባንያ ዋና ምርቱ፣ እሴቱ ወይም የፉክክር ጥቅሙ በ AI ላይ የተመሰረተ ነው - የ AI ን ያስወግዱ እና አቅርቦቱ ይወድቃል ወይም በከፍተኛ ሁኔታ ይባባሳል። የ AI ነገ ካልተሳካ እና አሁንም በተመን ሉሆች ወይም በመሠረታዊ ሶፍትዌር ማቅረብ ከቻሉ፣ በ AI ን የነቁ ሊሆኑ ይችላሉ፣ በ AI ን የነቁ አይደሉም። የእውነተኛ AI ኩባንያዎች በመረጃ፣ በግምገማ፣ በማሰማራት እና በጠባብ ድግግሞሽ ዑደቶች ይለያሉ።
ቁልፍ ነጥቦች፡
ዋና ጥገኝነት ፡- የ AI ማስወገድ ምርቱን የሚሰብር ከሆነ፣ የ AI ኩባንያን እያሰቡ ነው።
ቀላል ሙከራ ፡- ያለ AI ማሽከርከር ከቻሉ፣ ምናልባት በ AI-enabled ሊሆን ይችላል።
የአሠራር ምልክቶች ፡- ስለ drift፣ eval sets፣ latency እና ውድቀት ሁነታዎች የሚወያዩ ቡድኖች ጠንክሮ መሥራት ይቀናቸዋል።
አላግባብ መጠቀምን መቋቋም ፡- ሞዴሎች ሲበላሹ የመከላከያ መንገዶችን፣ የክትትል እና የመልሶ ማስመለሻ ዕቅዶችን ይገንቡ።
የገዢ ትጋት ፡- በሚጠይቁ ዘዴዎች፣ መለኪያዎች እና ግልጽ የውሂብ አስተዳደርን በመጠቀም የAI-ማጠብን ያስወግዱ።
"የAI ኩባንያ" በነፃነት ስለሚወዛወዝ በአንድ ጊዜ ሁሉንም ነገር እና ምንም ማለት እንዳልሆነ አደጋ ላይ ይጥላል። አንድ ጅምር ኩባንያ የራስ-አጠናቃቂ ሳጥን ስለጨመረ የAI ደረጃን ይጠይቃል። ሌላ ኩባንያ ሞዴሎችን ያሠለጥናል፣ የመሳሪያ መሳሪያዎችን ይገነባል፣ ምርቶችን ይልካል እና ወደ ምርት አካባቢዎች ያሰማራል… እና አሁንም በተመሳሳይ ባልዲ ውስጥ ይጣላል።.
ስለዚህ መለያው የበለጠ ጥርት ያሉ ጠርዞችን ይፈልጋል። በAI-ተወላጅ ንግድ እና በማሽን ለርኒንግ ቀላል አቧራ በተሞላበት መደበኛ ንግድ መካከል ያለው ልዩነት ምን መፈለግ እንዳለቦት ካወቁ በኋላ በፍጥነት ይታያል።.
ከዚህ ጽሑፍ በኋላ ሊያነቧቸው የሚችሏቸው ጽሑፎች፡
🔗 የ AI ማበልጸጊያ እንዴት እንደሚሰራ
ሞዴሎች ምስሎችን በንጽህና ለማስፋት ዝርዝር ነገሮችን እንዴት እንደሚጨምሩ ይወቁ።
🔗 የAI ኮድ ምን ይመስላል
የተፈጠረ ኮድ ምሳሌዎችን እና እንዴት እንደተዋቀረ ይመልከቱ።
🔗 የAI አልጎሪዝም ምንድን ነው?
የAI አልጎሪዝምን ለመማር፣ ለመተንበይ እና ለማሻሻል የሚረዱ ስልተ ቀመሮችን ይረዱ።
🔗 የ AI ቅድመ-ሂደት ምንድን ነው?
ለስልጠና ውሂብን የሚያጸዱ፣ የሚለጠፉ እና የሚቀርጹ እርምጃዎችን ያግኙ።
የ AI ኩባንያ ምንድን ነው፡- ✅ የሚደግፈው ንፁህ ፍቺ
ተግባራዊ ፍቺ፡
የ AI ኩባንያ ዋና ምርቱ፣ እሴቱ ወይም የፉክክር ጥቅሙ በአርቴፊሻል ኢንተለጀንስ ላይ የተመሰረተ ንግድ ነው - ይህ ማለት የ AI ን ካስወገዱ የኩባንያው "ነገር" ይወድቃል ወይም በከፍተኛ ሁኔታ ይባባሳል። ( OECD ፣ NIST AI RMF )
"በሃካቶን ውስጥ አንድ ጊዜ AI ተጠቅመንበታል" አይደለም። "በእውቂያ ገጹ ላይ ቻትቦት አክለናል።" ተጨማሪ እንደ:
-
ምርቱ ነው (ወይም በአንድ ጫፍ እስከ ጫፍ የሚሠራ) ( OECD )
-
የኩባንያው ጠቀሜታ የመጣው ከሞዴሎች፣ ከመረጃ፣ ከግምገማ እና ከድግግሞሽ ነው ( Google Cloud MLOps ፣ NIST AI RMF Playbook - Measure )
-
የ AI ባህሪ አይደለም - ሞተሩ ነው 🧠⚙️
ቀላል የሆነ የጉሮሮ ምርመራ እነሆ፡-
የ AI ነገ ውድቀትን አስቡት። ደንበኞች አሁንም ክፍያ ቢከፍሉዎት እና በተመን ሉሆች ወይም በመሠረታዊ ሶፍትዌሮች ሊደክሙ ቢችሉ፣ የ AI ተወላጅ ሳይሆን የ AI-የነቃ ሊሆን ይችላል።.
አዎ፣ ደብዛዛ የሆነ የመሃል ክፍል አለ። ልክ እንደ ጭጋጋማ መስኮት የተነሳ ፎቶ... ጥሩ ዘይቤ አይደለም፣ ግን ሀሳቡን ተረድተኸዋል 😄
የ"AI ኩባንያ" እና "AI-enabled company" ልዩነት (ይህ ክፍል ክርክሮችን ያስቀምጣል) 🥊
አብዛኛዎቹ ዘመናዊ ንግዶች የተወሰነ የ AI አይነት ይጠቀማሉ። ይህ ብቻውን የ AI ኩባንያ አያደርጋቸውም። ( OECD )
ብዙውን ጊዜ የአይአይ ኩባንያ፦
-
የAI አቅምን በቀጥታ ይሸጣል (ሞዴሎች፣ ተባባሪ አብራሪዎች፣ ብልህ አውቶሜሽን)
-
እንደ ዋና ምርት የባለቤትነት መብት ያላቸውን የ AI ስርዓቶችን ይገነባል
-
Google Cloud MLOps ) ከባድ የAI ምህንድስና፣ ግምገማ እና ማሰማራት አለው
-
ከውሂብ ያለማቋረጥ ይማራል እና እንደ ቁልፍ መለኪያ አፈጻጸምን ያሻሽላል 📈 ( Google MLOps Whitepaper )
ብዙውን ጊዜ በ AI የነቃ ኩባንያ፦
-
ወጪዎችን ለመቀነስ፣ የስራ ፍሰቶችን ለማፋጠን ወይም ኢላማ ለማድረግ ውስጣዊ የአዕምሮ ንቃት (AI) ይጠቀማል
-
አሁንም ሌላ ነገር ይሸጣል (የችርቻሮ እቃዎች፣ የባንክ አገልግሎቶች፣ ሎጂስቲክስ፣ ሚዲያ፣ ወዘተ)
-
የ AI ቴክኖሎጂን በባህላዊ ሶፍትዌር መተካት እና አሁንም "እራሱ መሆን" ይችላል
ምሳሌዎች (በአጠቃላይ ሆን ተብሎ የሚደረጉ፣ ምክንያቱም የምርት ስም ክርክሮች ለአንዳንድ ሰዎች የትርፍ ጊዜ ማሳለፊያ ስለሆኑ)፡
-
ማጭበርበርን ለመለየት የAI ቴክኖሎጂን የሚጠቀም ባንክ - በAI የነቃ
-
ለክምችት ትንበያ የሚሆን የኤአይአይ የሚጠቀም ቸርቻሪ - በኤአይ የነቃ
-
ምርቱ የAI የደንበኛ ድጋፍ ወኪል የሆነ ኩባንያ - ምናልባትም የAI ኩባንያ ሊሆን ይችላል
-
የሞዴል ክትትል፣ ግምገማ እና የማሰማሪያ መሳሪያዎችን የሚሸጥ መድረክ - የAI ኩባንያ (መሠረተ ልማት) ( Google Cloud MLOps )
ስለዚህ አዎ… የጥርስ ሀኪምዎ አስታዋሾችን ለማቀድ የ AI ቴክኖሎጂን ሊጠቀም ይችላል። ይህ የ AI ኩባንያ አያደርጋቸውም 😬🦷
የ AI ኩባንያ ጥሩ ስሪት የሚያደርገው ምንድን ነው 🏗️
ሁሉም የ AI ኩባንያዎች አንድ አይነት አይደሉም፣ እና አንዳንዶቹ በእውነቱ በአብዛኛው ስሜት እና የቬንቸር ካፒታል ናቸው። ጥሩ የ AI ኩባንያ ስሪት ደጋግሞ የሚታዩ ጥቂት ባህሪያትን ያካፍላል
-
የባለቤትነት ችግርን ግልጽ ማድረግ ፡- የተወሰነ ችግርን ይፈታሉ፣ “ለሁሉም ነገር AI” አይደሉም።
-
ሊለኩ የሚችሉ ውጤቶች ፡ ትክክለኛነት፣ ጊዜ መቆጠብ፣ ወጪ መቀነስ፣ ጥቂት ስህተቶች፣ ከፍተኛ ልወጣ - የሆነ ነገር ይምረጡ እና ይከታተሉት ( NIST AI RMF )
-
የውሂብ ዲሲፕሊን ፡ የውሂብ ጥራት፣ ፈቃዶች፣ አስተዳደር እና የግብረመልስ ዑደቶች አማራጭ አይደሉም ( NIST AI RMF )
-
የግምገማ ባህል ፡ እንደ አዋቂዎች ያሉ ሞዴሎችን - በመለኪያዎች፣ በጠርዝ መያዣዎች እና በክትትል ይሞክራሉ 🔍 ( Google Cloud MLOps ፣ Datadog )
-
የስርጭት እውነታ ፡ ስርዓቱ የሚሰራው በዕለት ተዕለት ሁኔታዎች ውስጥ ነው፣ በሙከራዎች ብቻ ሳይሆን
-
ሊጠበቅ የሚችል ጠርዝ ፡ የጎራ ውሂብ፣ ስርጭት፣ የስራ ፍሰት ውህደት ወይም የባለቤትነት መብት ያለው መሳሪያ (“ኤፒአይ ብለን እንጠራዋለን” ብቻ አይደለም)
የሚገርም ምልክት፤
-
አንድ ቡድን ስለ መዘግየት፣ ስለ ድሪፍት፣ ስለ ኢቫል ስብስቦች፣ ስለ ቅዠቶች እና ስለ ውድቀት ሁነታዎች ፣ ምናልባት እውነተኛ የ AI ስራ እየሰሩ ነው። ( IBM - ሞዴል ድሪፍት ፣ ኦፕንአይ - ቅዠቶች ፣ የGoogle Cloud MLOps )
-
በአብዛኛው የሚያወሩት "ከብልህ ስሜቶች ጋር አብዮታዊ ትብብርን" ከሆነ፣ እንዴት እንደሆነ ታውቃላችሁ 😅
የንፅፅር ሰንጠረዥ፡ የተለመዱ የ AI ኩባንያዎች "አይነቶች" እና ምን እየሸጡ ነው 📊🤝
ከዚህ በታች ፈጣን፣ ትንሽ እንከን የለሽ የሆነ የንጽጽር ሰንጠረዥ ነው (እንደ ዕለታዊ ንግድ)። ዋጋዎች “መደበኛ የዋጋ አሰጣጥ ቅጦች” ናቸው፣ ትክክለኛ ቁጥሮች አይደሉም፣ ምክንያቱም በጣም የተለያዩ ናቸው።.
| አማራጭ / “ዓይነት” | ምርጥ ታዳሚዎች | ዋጋ (መደበኛ) | ለምን እንደሚሰራ |
|---|---|---|---|
| የመሠረት ሞዴል ገንቢ | ገንቢዎች፣ ድርጅቶች፣ ሁሉም ሰው… አይነት | በአጠቃቀም ላይ የተመሰረቱ፣ ትላልቅ ኮንትራቶች | ጠንካራ አጠቃላይ ሞዴሎች መድረክ ይሆናሉ - "የኦፕሬቲንግ ሲስተም-አይነት" ንብርብር ( የኦፕንAI ኤፒአይ ዋጋ ) |
| አቀባዊ የ AI መተግበሪያ (ህጋዊ፣ ህክምና፣ ፋይናንስ፣ ወዘተ) | የተወሰኑ የስራ ፍሰቶች ያሏቸው ቡድኖች | የደንበኝነት ምዝገባ + የመቀመጫ ዋጋ | የጎራ ገደቦች ትርምስን ይቀንሳሉ፤ ትክክለኛነት ሊዘል ይችላል (በትክክል ሲደረግ) |
| ለእውቀት ስራ የAI ኮፓይለት | ሽያጭ፣ ድጋፍ፣ ተንታኞች፣ ኦፕስ | በየወሩ በተጠቃሚ | ጊዜን በፍጥነት ይቆጥባል፣ ከዕለታዊ መሳሪያዎች ጋር ይዋሃዳል… ጥሩ ሲሆን ተጣብቋል ( የማይክሮሶፍት 365 ኮፓይሎት ዋጋ ) |
| MLOps / የሞዴል ኦፕስ መድረክ | የ AI ቡድኖች በማምረት ላይ | የኢንተርፕራይዝ ውል (አንዳንድ ጊዜ ህመም ያስከትላል) | ክትትል፣ ማሰማራት፣ አስተዳደር - ወሲብ የበዛበት ግን አስፈላጊ ነው ( Google Cloud MLOps ) |
| የውሂብ + መለያ ኩባንያ | የሞዴል ገንቢዎች፣ ድርጅቶች | በተግባር፣ በመለያ፣ የተቀላቀለ | የተሻለ መረጃ “ፋንሲየር ሞዴል”ን በሚገርም ሁኔታ ይበልጣል ( MIT Sloan / Andrew Ng በመረጃ ላይ ያተኮረ የ AI ቴክኖሎጂ ) |
| ኤጅ ኤአይ / በመሳሪያ ላይ ያለ ኤአይ | ሃርድዌር + አይኦቲ፣ ግላዊነትን የሚጠይቁ ድርጅቶች | በመሳሪያ፣ ፈቃድ መስጠት | ዝቅተኛ መዘግየት + ግላዊነት፤ እንዲሁም ከመስመር ውጭ ይሰራል (ትልቅ ስምምነት) ( NVIDIA ፣ IBM ) |
| የአይአይ አማካሪነት / ኢንተግሬተር | ከ AI-ተወላጅ ያልሆኑ ድርጅቶች | በፕሮጀክት ላይ የተመሰረቱ፣ ተንከባካቢዎች | ከውስጣዊ ቅጥር በበለጠ ፍጥነት ይንቀሳቀሳል - ነገር ግን በተግባር በችሎታ ላይ የተመሰረተ ነው |
| የግምገማ/የደህንነት መሳሪያዎች | የቡድን መላኪያ ሞዴሎች | ደረጃ የተሰጣቸው የደንበኝነት ምዝገባዎች | ጸጥ ያሉ ውድቀቶችን ለማስወገድ ይረዳል - እና አዎ፣ ያ በጣም አስፈላጊ ነው ( NIST AI RMF ፣ OpenAI - ቅዠቶች ) |
የሆነ ነገር ልብ ይበሉ። “የሰው ሰራሽ የማሰብ ችሎታ ኩባንያ” በጣም የተለያዩ ንግዶችን ሊያመለክት ይችላል። አንዳንዶቹ ሞዴሎችን ይሸጣሉ። አንዳንዶቹ ለሞዴል ገንቢዎች አካፋ ይሸጣሉ። አንዳንዶቹ የተጠናቀቁ ምርቶችን ይሸጣሉ። ተመሳሳይ መለያ፣ ሙሉ በሙሉ የተለየ እውነታ።.
የ AI ኩባንያዎች ዋና ዋና ቅርሶች (እና የተሳሳቱበት) 🧩
እስቲ ትንሽ በጥልቀት እንመልከተው፣ ምክንያቱም ሰዎች የሚሳሳቱበት ቦታ ይህ ነው።.
1) የሞዴል-መጀመሪያ ኩባንያዎች 🧠
እነዚህ ሞዴሎችን የሚገነቡ ወይም የሚያጣጥሙ ናቸው። ጥንካሬያቸው ብዙውን ጊዜ፦
-
የምርምር ተሰጥኦ
-
የማስላት ማመቻቸት
-
የግምገማ እና የድግግሞሽ ዑደቶች
-
ከፍተኛ አፈጻጸም ያለው የማገልገል መሠረተ ልማት ( Google MLOps Whitepaper )
የተለመደ ብልሽት;
-
"የተሻለ ሞዴል" በራስ-ሰር "የተሻለ ምርት" እንደሆነ ያስባሉ።
አይገዛም። ተጠቃሚዎች ሞዴሎችን አይገዙም፣ ውጤቶችን ይገዛሉ።
2) የምርት-ቀዳሚ የአይአይ ኩባንያዎች 🧰
እነዚህ AIን በስራ ፍሰት ውስጥ ያካትታሉ። በሚከተሉት መንገዶች ያሸንፋሉ፦
-
ስርጭት
-
UX እና ውህደት
-
ጠንካራ የግብረመልስ ዑደቶች
-
ከጥሬ ብልህነት ይልቅ አስተማማኝነት የበለጠ ነው
የተለመደ ብልሽት;
-
በዱር ውስጥ የሞዴል ባህሪን ዝቅ አድርገው ይመለከቱታል። እውነተኛ ተጠቃሚዎች ስርዓትዎን በአዲስ እና በፈጠራ መንገዶች ይሰብራሉ። በየቀኑ።.
3) የመሠረተ ልማት አርቴፊሻል ኢንተለጀንስ ኩባንያዎች ⚙️
ክትትልን፣ ማሰማራትን፣ አስተዳደርን፣ ግምገማን፣ እና ማደራጀትን ያስቡ። በሚከተሉት መንገዶች ያሸንፋሉ፦
-
የቀዶ ጥገና ህመምን መቀነስ
-
የአደጋ አስተዳደር
-
የ AI ተደጋጋሚ እና ደህንነቱ የተጠበቀ ማድረግ ( NIST AI RMF ፣ Google Cloud MLOps )
የተለመደ ብልሽት;
-
ለላቁ ቡድኖች ይገነባሉ እና ሌሎችን ችላ ይላሉ፣ ከዚያም ጉዲፈቻ ለምን ቀርፋፋ እንደሆነ ያስባሉ።.
4) በመረጃ ላይ ያተኮሩ የኤአይ ኩባንያዎች 🗂️
እነዚህ በመረጃ ማስተላለፊያ መስመሮች፣ በመለያ አሰጣጥ፣ በተዋሃዱ መረጃዎች እና በውሂብ አስተዳደር ላይ ያተኩራሉ። በሚከተሉት መንገዶች ያሸንፋሉ፦
-
የሥልጠና ምልክት ጥራትን ማሻሻል
-
ጫጫታ መቀነስ
-
ልዩ ሙያን ማንቃት ( MIT Sloan / Andrew Ng በመረጃ ላይ ያተኮረ AI ላይ )
የተለመደ ብልሽት;
-
"መረጃ ሁሉንም ነገር ይፈታል።" ከመጠን በላይ ይሸጣሉ። መረጃ ኃይለኛ ነው፣ ነገር ግን አሁንም ጥሩ ሞዴሊንግ እና ጠንካራ የምርት አስተሳሰብ ያስፈልግዎታል።.
በ AI ኩባንያ ውስጥ ምን እንደሚቀመጥ፡- በግምት 🧱
ከመጋረጃው ጀርባ አሻግረህ ብትመለከት፣ አብዛኛዎቹ እውነተኛ የ AI ኩባንያዎች ተመሳሳይ ውስጣዊ መዋቅር አላቸው። ሁልጊዜ አይደለም፣ ግን ብዙ ጊዜ።.
የውሂብ ንብርብር 📥
-
መሰብሰብ እና መመገብ
-
መለያ መስጠት ወይም ደካማ ክትትል
-
ግላዊነት፣ ፈቃዶች፣ ማቆየት
-
የግብረመልስ ዑደቶች (የተጠቃሚ እርማቶች፣ ውጤቶች፣ የሰው ግምገማ) ( NIST AI RMF )
የሞዴል ንብርብር 🧠
-
መሰረታዊ ሞዴሎችን መምረጥ (ወይም ከባዶ ስልጠና)
-
ጥሩ ማስተካከያ፣ ዲስቲሌሽን፣ ፈጣን ምህንድስና (አዎ፣ አሁንም አስፈላጊ ነው)
-
የማግኛ ስርዓቶች (ፍለጋ + ደረጃ + የቬክተር የውሂብ ጎታዎች) ( የ RAG ወረቀት (ሉዊስ እና ሌሎች፣ 2020) ፣ ኦራክል - የቬክተር ፍለጋ )
-
የግምገማ ስብስቦች እና የሙከራ ስብስቦች ( Google Cloud MLOps )
የምርት ንብርብር 🧑💻
-
እርግጠኛ አለመሆንን የሚቆጣጠር UX (የመተማመን ምልክቶች፣ "ግምገማ" ሁኔታዎች)
-
የመከላከያ መንገዶች (ፖሊሲ፣ እምቢታ፣ ደህንነቱ በተጠበቀ ሁኔታ ማጠናቀቅ) ( NIST AI RMF )
-
የስራ ፍሰት ውህደት (ኢሜል፣ CRM፣ ሰነዶች፣ ቲኬት መስጠት፣ ወዘተ)
የኦፕስ ንብርብር 🛠️
-
የመንሸራተት እና የመበላሸት ክትትል ( IBM - ሞዴል መንሸራተት ፣ የGoogle Cloud MLOps )
-
የክስተት ምላሽ እና መልሶ መመለስ ( Uber - የማሰማራት ደህንነት )
-
የወጪ አስተዳደር (ስሌት የተራበ ትንሽ ጭራቅ ሊሆን ይችላል)
-
አስተዳደር፣ ኦዲቶች፣ የመዳረሻ ቁጥጥር ( NIST AI RMF ፣ ISO/IEC 42001 አጠቃላይ እይታ )
እና ማንም ሰው ማስታወቂያ የማያወጣው ክፍል፡
-
የሰው ሂደቶች - ገምጋሚዎች፣ ጭማሪ፣ የጥራት ማረጋገጫ እና የደንበኛ ግብረመልስ ቧንቧዎች።
የአዕምሮ ህክምና ባለሙያ "አዘጋጅተው መርሳት" አይደለም። ልክ እንደ አትክልት ስራ ነው። ወይም የቤት እንስሳ ራኩን እንደመያዝ ነው። ቆንጆ ሊሆን ይችላል፣ ነገር ግን የማይመለከቱ ከሆነ ወጥ ቤትዎን ሙሉ በሙሉ ያበላሻል 😬🦝
የንግድ ሞዴሎች፡ የ AI ኩባንያዎች ገንዘብ የሚያገኙበት መንገድ 💸
የ AI ኩባንያዎች በጥቂት የተለመዱ የገቢ መፍጠር ቅርጾች ውስጥ ይወድቃሉ፡
-
በአጠቃቀም ላይ የተመሰረተ (በጥያቄ፣ በቶከን፣ በደቂቃ፣ በምስል፣ በተግባር) ( የOpenAI API ዋጋ ፣ OpenAI - tokens )
-
በወንበር ላይ የተመሰረቱ የደንበኝነት ምዝገባዎች (በአንድ ተጠቃሚ በወር) ( የማይክሮሶፍት 365 ኮፓይለት ዋጋ )
-
በውጤት ላይ የተመሰረተ ዋጋ አሰጣጥ (አልፎ አልፎ፣ ግን ኃይለኛ - በአንድ ልወጣ ወይም በተፈታ ቲኬት የተከፈለ)
-
የኢንተርፕራይዝ ኮንትራቶች (ድጋፍ፣ ተገዢነት፣ SLAs፣ ብጁ ማሰማራት)
-
ፈቃድ መስጠት (በመሳሪያ ላይ፣ አብሮገነብ፣ የኦሪጂናል ዕቃ አምራች ቅጥ) ( NVIDIA )
ብዙ የ AI ኩባንያዎች የሚያጋጥሟቸው ውጥረት፡-
-
ደንበኞች ሊገመት የሚችል ወጪ ይፈልጋሉ 😌
-
የ AI ወጪዎች በአጠቃቀም እና በሞዴል ምርጫ ሊለዋወጡ ይችላሉ 😵
ስለዚህ ጥሩ የ AI ኩባንያዎች በሚከተሉት ነገሮች በጣም ጥሩ ይሆናሉ፦
-
በሚቻልበት ጊዜ ስራዎችን ወደ ርካሽ ሞዴሎች ማዛወር
-
የመሸጎጫ ውጤቶች
-
የጅምላ መጠይቆች
-
የአውድ መጠንን መቆጣጠር
-
"ማለቂያ የሌለው ፈጣን ስፒራልስ"ን የሚያስተጓጉል UX ዲዛይን ማድረግ (ሁላችንም አድርገነዋል…)
የጉድጓዱ ጥያቄ፡- የአይአይ ኩባንያን መከላከል የሚችል የሚያደርገው ምንድን ነው 🏰
ይህ ቅመም የበዛበት ክፍል ነው። ብዙ ሰዎች የውሃ ጉድጓዱ "ሞዴላችን የተሻለ ነው" ብለው ያስባሉ። አንዳንድ ጊዜ እንደዚያ ነው፣ ግን ብዙ ጊዜ… አይደለም።.
የተለመዱ የመከላከያ ጥቅሞች:
-
የባለቤትነት መረጃ (በተለይም ለጎራ-ተኮር)
-
ስርጭት (ቀድሞውኑ በሚኖሩበት የስራ ፍሰት ውስጥ የተካተተ)
-
የመቀየሪያ ወጪዎች (ውህደቶች፣ የሂደት ለውጦች፣ የቡድን ልምዶች)
-
የምርት ስም እምነት (በተለይም ለከፍተኛ ደረጃ ላላቸው ጎራዎች)
-
የአሠራር ብቃት (በመጠን አስተማማኝ የአይቲ መላክ ከባድ ነው) ( Google Cloud MLOps )
-
የሰው-በ-ሉፕ ስርዓቶች (ድብልቅ መፍትሄዎች ንፁህ አውቶሜሽንን በተሻለ ሁኔታ ሊወጡ ይችላሉ) ( NIST AI RMF ፣ EU AI Act - የሰው ቁጥጥር (አንቀጽ 14) )
ትንሽ የማይመች እውነት
፡ ሁለት ኩባንያዎች ተመሳሳይ መሰረታዊ ሞዴልን መጠቀም እና አሁንም በጣም የተለያዩ ውጤቶች ሊኖራቸው ይችላል። ልዩነቱ ብዙውን ጊዜ በሞዴሉ ዙሪያ ያለው ነገር ነው - የምርት ዲዛይን፣ የግምገማዎች፣ የውሂብ ዑደቶች እና ውድቀትን እንዴት እንደሚቋቋሙ።
የAI-washing (በተጨማሪም "ብልጭታ ጨምረን ብልህነት ብለን ጠርተነው") እንዴት መለየት እንደሚቻል 🚩
የ AI ኩባንያ ምን እንደሆነ እየገመገሙ ከሆነ፣ እነዚህን ቀይ ባንዲራዎች ይመልከቱ፡
-
ግልጽ የሆነ የ AI ችሎታ አልተገለጸም ፡ ብዙ የግብይት ዘዴዎች የሉም
-
የማሳጅ አስማት ፡ አስደናቂ ማሳያ፣ የጠርዝ መያዣዎች ምንም ሳይጠቀሱ
-
ምንም የግምገማ ታሪክ የለም ፡- አስተማማኝነትን እንዴት እንደሚፈትሹ ማስረዳት አይችሉም ( Google Cloud MLOps )
-
በእጅ የሚወዛወዙ የውሂብ መልሶች ፡- መረጃው ከየት እንደመጣ ወይም እንዴት እንደሚተዳደር ግልጽ አይደለም ( NIST AI RMF )
-
የክትትል ዕቅድ የለም ፤ ሞዴሎች እንደማይንሸራተቱ ሆነው ይታያሉ ( IBM - Model drift )
-
የውድቀት ሁነታዎችን ማስረዳት አይችሉም ፤ ሁሉም ነገር “ፍጹም” ነው (ምንም አይደለም) ( OpenAI - ቅዠቶች )
አረንጓዴ ባንዲራዎች (ተቃራኒው የሚያረጋጋ) ✅:
-
አፈፃፀምን እንዴት እንደሚለኩ ያሳያሉ
-
ሳይደነግጡ ስለ ገደቦች ያወራሉ
-
የሰው ግምገማ መንገዶች እና የእድገት መንገዶች አሏቸው ( NIST AI RMF ፣ EU AI Act - የሰው ቁጥጥር (አንቀጽ 14) )
-
የግላዊነት እና የተገዢነት ፍላጎቶችን ይረዳሉ ( NIST AI RMF ፣ የአውሮፓ ህብረት AI ህግ አጠቃላይ እይታ )
-
በስሜት ሳይወድቁ "ያንን አናደርግም" ማለት ይችላሉ 😅
አንዱን እየገነቡ ከሆነ፡ የ AI ኩባንያ ለመሆን ተግባራዊ የማረጋገጫ ዝርዝር 🧠📝
ከ"AI-enabled" ወደ "AI ኩባንያ" ለመሸጋገር እየሞከሩ ከሆነ፣ ተግባራዊ የሆነ መንገድ ይኸውልዎት፦
-
በቂ ሰዎችን የሚጎዳ እና ለማስተካከል የሚከፍሉትን የስራ ፍሰት ይጀምሩ
-
የመሳሪያ ውጤቶች ቀደም ብለው (ከመጠንዎ በፊት)
-
Google Cloud MLOps ) የግምገማ ስብስብ ይገንቡ
-
ከመጀመሪያው ቀን ጀምሮ የግብረመልስ ዑደቶችን ያክሉ
-
የመከላከያ ዘንጎችን የዲዛይኑ አካል ያድርጉት፣ ከታሰበ በኋላ የተደረገ አይደለም ( NIST AI RMF )
-
ከመጠን በላይ አትገንቡ - አስተማማኝ የሆነ ጠባብ ክር ይላኩ
-
ማሰማራትን እንደ ምርት እንጂ እንደ የመጨረሻ እርምጃ አይደለም ( Google Cloud MLOps )
እንዲሁም፣ ውጤታማ የሆነ ተቃራኒ ግንዛቤ ያለው ምክር፦
-
አርአያ ስህተት ሲሆን ምን እንደሚፈጠር ላይ ከማዋል ይልቅ ብዙ ጊዜ ያሳልፉ።
እምነት የሚሸነፈው ወይም የሚጠፋው እዚያ ነው። ( NIST AI RMF )
የመዝጊያ ማጠቃለያ 🧠✨
ስለዚህ… የ AI ኩባንያ ምን ማለት እንደሆነ ወደ ቀላል አከርካሪ ይመጣል፡
ይህ ኩባንያ AI ሞተር እንጂ ማስዋቢያ ያልሆነበት ኩባንያ ነው። AIን ካስወገዱ እና ምርቱ ትርጉም መስጠት ካቆመ (ወይም ጥቅሙን ካጣ)፣ ምናልባት እውነተኛ የ AI ኩባንያ እያዩ ነው። AI ከብዙዎች መካከል አንዱ መሳሪያ ከሆነ፣ AI-enabled ብሎ መጥራት የበለጠ ትክክል ነው።
ሁለቱም ደህና ናቸው። ዓለም ሁለቱንም ይፈልጋል። ነገር ግን ኢንቨስት ሲያደርጉ፣ ሲቀጥሩ፣ ሶፍትዌር ሲገዙ ወይም ሮቦት ወይም በጉግል አይኖች የተቆረጠ ካርቶን እየተሸጡ እንደሆነ ለማወቅ ሲሞክሩ መለያው አስፈላጊ ነው 🤖👀
ተደጋጋሚ ጥያቄዎች
በአይአይ የነቃ ኩባንያ ከአይአይ የነቃ ኩባንያ ጋር ሲነጻጸር እንደ አይአይ ኩባንያ የሚቆጠረው ምንድን ነው?
የAI ኩባንያ ዋና ምርት፣ እሴት ወይም የፉክክር ጥቅም በAI ላይ የተመሰረተበት ነው - የAI ማስወገድ እና አቅርቦቱ የሚወድቅ ወይም በከፍተኛ ሁኔታ የሚባባስ። በAI የነቃ ኩባንያ ስራዎችን ለማጠናከር (እንደ ትንበያ ወይም የማጭበርበር ምርመራ ያሉ) AIን ይጠቀማል ነገር ግን አሁንም በመሠረታዊ መልኩ ከAI ያልሆነ ነገር ይሸጣል። ቀላል ሙከራ፡- የAI ነገ ካልተሳካ እና አሁንም በመሠረታዊ ሶፍትዌር መስራት ከቻሉ፣ በAI የነቃ ሊሆኑ ይችላሉ።.
አንድ ንግድ በእውነት የ AI ኩባንያ መሆኑን በፍጥነት እንዴት ማወቅ እችላለሁ?
የኤአይ (AI) መስራት ቢያቆም ምን እንደሚፈጠር አስቡበት። ደንበኞች አሁንም ክፍያ ቢፈጽሙ እና ንግዱ ከተመን ሉሆች ወይም ከባህላዊ ሶፍትዌሮች ጋር ሊደክም ቢችል፣ ምናልባት የኤአይ (AI) ተወላጅ ላይሆን ይችላል። እውነተኛ የኤአይ (AI) ኩባንያዎች በተጨባጭ የአሠራር ቃላት ይናገራሉ፡ የግምገማ ስብስቦች፣ መዘግየት፣ መንሸራተት፣ ቅዠቶች፣ ክትትል እና የውድቀት ሁነታዎች። ሁሉም ግብይት እና ምንም ዘዴ ከሌለ፣ ያ ቀይ ባንዲራ ነው።.
የ AI ኩባንያ ለመሆን የራስዎን ሞዴል ማሰልጠን አለብዎት?
አይ። ብዙ የ AI ኩባንያዎች አሁን ባሉ ሞዴሎች ላይ ጠንካራ ምርቶችን ይገነባሉ እና AI የምርቱ ሞተር ሲሆን አሁንም እንደ AI-ተወላጅ ብቁ ይሆናሉ። አስፈላጊው ነገር ሞዴሎች፣ መረጃዎች፣ የግምገማ እና የድግግሞሽ ዑደቶች አፈጻጸምን እና ልዩነትን ያመጣሉ የሚለው ነው። የባለቤትነት መረጃ፣ የስራ ፍሰት ውህደት እና ጥብቅ ግምገማ ከባዶ ስልጠና ባይኖርም እንኳ እውነተኛ ጠርዝ ሊፈጥሩ ይችላሉ።.
ዋና ዋና የ AI ኩባንያዎች ዓይነቶች ምንድን ናቸው እና እንዴት ይለያያሉ?
የተለመዱ ዓይነቶች የመሠረት ሞዴል ገንቢዎች፣ ቀጥ ያሉ የ AI መተግበሪያዎች (እንደ ህጋዊ ወይም የህክምና መሳሪያዎች)፣ ለእውቀት ስራ ተባባሪ አብራሪዎች፣ MLOps/ሞዴል ኦፕስ መድረኮች፣ የውሂብ እና የመለያ ንግዶች፣ የጠርዝ/በመሳሪያ ላይ ያለ የ AI፣ የምክር/አስተባባሪዎች፣ እና የግምገማ/የደህንነት መሳሪያ አቅራቢዎች ያካትታሉ። ሁሉም “የ AI ኩባንያዎች” ሊሆኑ ይችላሉ፣ ነገር ግን በጣም የተለያዩ ነገሮችን ይሸጣሉ፡ ሞዴሎች፣ የተጠናቀቁ ምርቶች ወይም የምርት AI አስተማማኝ እና የሚተዳደር የሚያደርገው መሠረተ ልማት።.
የተለመደው የ AI ኩባንያ ክምችት በኮፍያ ስር ምን ይመስላል?
ብዙ የ AI ኩባንያዎች አንድ ዓይነት ሻካራ ቁልል ይጋራሉ፤ የውሂብ ንብርብር (ስብስብ፣ መለያ መስጠት፣ አስተዳደር፣ የግብረመልስ ዑደቶች)፣ የሞዴል ንብርብር (የመሠረት ሞዴል ምርጫ፣ ጥሩ ማስተካከያ፣ የRAG/ቬክተር ፍለጋ፣ የግምገማ ስብስቦች)፣ የምርት ንብርብር (ለአለመረጋጋት UX፣ የጥበቃ መንገዶች፣ የስራ ፍሰት ውህደት) እና የኦፕስ ንብርብር (ለተንሸራታች ክትትል፣ የክስተት ምላሽ፣ የወጪ መቆጣጠሪያዎች፣ ኦዲቶች)። የሰው ሂደቶች - ገምጋሚዎች፣ ጭማሪ፣ የQA - ብዙውን ጊዜ የማያስደምሙ የጀርባ አጥንት ናቸው።.
አንድ የ AI ኩባንያ ማሳያዎችን ብቻ ሳይሆን "እውነተኛ ስራ" እየሰራ መሆኑን የሚያሳዩት መለኪያዎች ምንድን ናቸው?
ጠንካራ ምልክት ከምርቱ ጋር የተሳሰሩ ሊለኩ የሚችሉ ውጤቶች ናቸው፡ ትክክለኛነት፣ ጊዜ መቆጠብ፣ የወጪ ቅነሳ፣ አነስተኛ ስህተቶች ወይም ከፍተኛ ልወጣ - እነዚያን መለኪያዎች ለመገምገም እና ለመከታተል ግልጽ ዘዴ ጋር ተጣምሮ። እውነተኛ ቡድኖች መለኪያዎችን ይገነባሉ፣ የጠርዝ ጉዳዮችን ይፈትሹ እና ከተሰማሩ በኋላ አፈጻጸምን ይከታተላሉ። እንዲሁም ሞዴሉ የተሳሳተ በሚሆንበት ጊዜ ብቻ ሳይሆን፣ ትክክል በሚሆንበት ጊዜ ብቻ ሳይሆን፣ ምክንያቱም መተማመን የሚወሰነው በስህተት አያያዝ ላይ ነው።.
የ AI ኩባንያዎች በተለምዶ ገንዘብ የሚያገኙት እንዴት ነው? ገዢዎች የትኞቹን የዋጋ ወጥመዶች መመልከት አለባቸው?
የተለመዱ ሞዴሎች በአጠቃቀም ላይ የተመሰረተ የዋጋ አሰጣጥ (በጥያቄ/ቶከን/ተግባር)፣ በመቀመጫ ላይ የተመሰረቱ የደንበኝነት ምዝገባዎች፣ በውጤት ላይ የተመሰረተ የዋጋ አሰጣጥ (በጣም አልፎ አልፎ)፣ ከ SLAs ጋር የድርጅት ኮንትራቶች እና ለተከተተ ወይም በመሳሪያ ላይ ለሚደረግ AI ፈቃድ መስጠትን ያካትታሉ። ዋናው ውጥረት መተንበይ መቻል ነው፡ ደንበኞች የተረጋጋ ወጪ ይፈልጋሉ፣ የ AI ወጪዎች ከአጠቃቀም እና ከሞዴል ምርጫ ጋር ሊለዋወጡ ይችላሉ። ጠንካራ ሻጮች ይህንን ወደ ርካሽ ሞዴሎች በማዛወር፣ በመሸጎጥ፣ በቡድን በማደራጀት እና የአውድ መጠንን በመቆጣጠር ያስተዳድራሉ።.
ሁሉም ሰው ተመሳሳይ ሞዴሎችን መጠቀም ከቻለ የ AI ኩባንያን መከላከል የሚችል የሚያደርገው ምንድን ነው?
ብዙውን ጊዜ የውሃ ማጠራቀሚያው “የተሻለ ሞዴል” ብቻ አይደለም። መከላከያ የሚመጣው ከባለቤትነት ካለው የጎራ መረጃ፣ ቀድሞውኑ በሚኖሩበት የስራ ፍሰት ውስጥ ባሉ ተጠቃሚዎች ስርጭት፣ ወጪዎችን ከውህደቶች እና ልማዶች በመቀየር፣ ከፍተኛ ችግር ባለባቸው አካባቢዎች የምርት ስም እምነት እና አስተማማኝ የ AI ጭነት በማድረስ ረገድ ካለው የስራ ብቃት ነው። የሰው ልጅ-በ-ዙር ስርዓቶችም ንፁህ አውቶሜሽንን በተሻለ ሁኔታ ሊወጡ ይችላሉ። ሁለት ቡድኖች ተመሳሳይ ሞዴልን መጠቀም እና በዙሪያው ባለው ነገር ሁሉ ላይ በመመስረት በጣም የተለያዩ ውጤቶችን ማግኘት ይችላሉ።.
ሻጭን ወይም ጅምርን ስገመግም የAI-washing እንዴት መለየት እችላለሁ?
ግልጽ የሆነ የ AI ችሎታ የሌላቸው ግልጽ ያልሆኑ የይገባኛል ጥያቄዎችን፣ ምንም አይነት የጠርዝ ጉዳዮች የሌላቸውን "የማሳያ አስማት" እና ግምገማን፣ የውሂብ አስተዳደርን፣ የክትትል ወይም የውድቀት ሁነታዎችን ማስረዳት አለመቻልን ይመልከቱ። እንደ "ፍጹም" ያሉ ከመጠን በላይ በራስ መተማመን ያላቸው የይገባኛል ጥያቄዎች ሌላ የማስጠንቀቂያ ምልክት ናቸው። አረንጓዴ ባንዲራዎች ግልጽ የሆነ መለኪያ፣ ግልጽ ገደቦች፣ የመንሸራተት ክትትል ዕቅዶች እና በሚገባ የተገለጹ የሰው ግምገማ ወይም የእድገት መንገዶችን ያካትታሉ። "ያንን አናደርግም" ማለት የሚችል ኩባንያ ብዙውን ጊዜ ሁሉንም ነገር ቃል ከሚገባ ይልቅ የበለጠ አስተማማኝ ነው።.
ማጣቀሻዎች
-
OECD - oecd.ai
-
OECD - oecd.org
-
ብሔራዊ የደረጃዎች እና የቴክኖሎጂ ተቋም (NIST) - NIST AI RMF (AI 100-1) - nist.gov
-
የNIST AI Risk Management Framework (AI RMF) Playbook - Measure - nist.gov
-
ጉግል ክላውድ - MLOps፡ በማሽን መማሪያ ውስጥ ቀጣይነት ያለው የማድረስ እና አውቶሜሽን ቧንቧዎች - google.com
-
ጉግል - የተግባር ባለሙያዎች የMLOps መመሪያ (ነጭ ወረቀት) - google.com
-
ጉግል ክላውድ - MLOps ምንድን ነው? - google.com
-
ዳታዶግ - የLLM የግምገማ ማዕቀፍ ምርጥ ልምዶች - datadoghq.com
-
IBM - ሞዴል drift - ibm.com
-
OpenAI - የቋንቋ ሞዴሎች ለምን ይሳሳማሉ - openai.com
-
OpenAI - የኤፒአይ ዋጋ - openai.com
-
የOpenAI የእገዛ ማዕከል - ቶከኖች ምንድን ናቸው እና እንዴት መቁጠር እንደሚቻል - openai.com
-
ማይክሮሶፍት - የማይክሮሶፍት 365 የኮፓይለት ዋጋ አሰጣጥ - microsoft.com
-
የኤምአይቲ ስሎአን የአስተዳደር ትምህርት ቤት - በመረጃ ላይ ያተኮረ አርቴፊሻል ኢንተለጀንስ ጊዜው አሁን የሆነው ለምንድን ነው - mit.edu
-
NVIDIA - ኤጅ ኤአይ ምንድን ነው? - nvidia.com
-
IBM - Edge vs. cloud AI - ibm.com
-
ኡበር - በኤምኤል ሞዴል ማሰማራት ደህንነት ላይ ያለውን ደረጃ ከፍ ማድረግ - uber.com
-
ዓለም አቀፍ የደረጃ አሰጣጥ ድርጅት (ISO) - የ ISO/IEC 42001 አጠቃላይ እይታ - iso.org
-
arXiv - ለእውቀት-ከፍተኛ የNLP ተግባራት መልሶ ማግኛ-የተሻሻለ ትውልድ (ሉዊስ እና ሌሎች፣ 2020) - arxiv.org
-
ኦራክል - የቬክተር ፍለጋ - oracle.com
-
አርቲፊሻል ኢንተለጀንስ ህግ (EU) - የሰው ቁጥጥር (አንቀጽ 14) - artificialintelligenceact.eu
-
የአውሮፓ ኮሚሽን - በ AI ላይ የቁጥጥር ማዕቀፍ (የ AI ህግ አጠቃላይ እይታ) - europa.eu
-
ዩቲዩብ - youtube.com
-
የAI ረዳት መደብር - የAI ማሻሻያ እንዴት እንደሚሰራ - aiassistantstore.com
-
የ AI ረዳት መደብር - የ AI ኮድ ምን ይመስላል - aiassistantstore.com
-
የ AI ረዳት መደብር - የ AI ስልተ ቀመር ምንድን ነው - aiassistantstore.com
-
የAI ረዳት መደብር - የAI ቅድመ-ሂደት ምንድን ነው - aiassistantstore.com