展望 2023: デジタルの未来は人工知能の束縛を取り除くことにあります

人工知能は、何十年にもわたってそれを取り巻いてきた誇大宣伝が正しかったことをついに証明しつつあります。人工知能はまだ人類の救世主ではありませんが、概念から現実へと進歩し、その実用化により世界はより良い場所になりつつあります。

しかし、人工知能の奇跡的な偉業の多くは隠されており、その影響はありふれた装いを超えて目を向けたときにのみ観察できます。たとえば、30 か国以上で事業を展開している大手保険会社を考えてみましょう。同社は毎年 2,000 万件以上の顧客からの電話に対応しています。音声テキスト変換テクノロジーと自然言語処理を活用することで、通話の内容を分析して、販売品質の管理、顧客の表情やニーズの理解、感情的なフィードバックの取得とデータの分析など、特定のビジネス ニーズを満たすことができます。

世界トップの再生可能エネルギー生産会社である AES を見てみましょう。再生可能エネルギーには、従来のエネルギーよりも多くの設備を管理および監視する必要があります。データ サイエンスと AI は、自動化を通じて AES の運用効率を向上させ、パフォーマンス エンジニアの行動と意思決定を強化するデータ主導の洞察を提供します。これにより、稼働時間の要件が満たされ、クリーン エネルギーが可能な限り迅速、効率的、かつコスト効率よく顧客に提供されることが保証されます。 AES は世界を救うためにもその役割を果たしています。

これらは、運用されている無数の人工知能アプリケーションと同様に、ますます注目を集めています。しかし、これまでのところ、人工知能の可能性は 3 つの重要な制限によって制限されてきました:

• 不十分なコンピューティング能力;
• バインドの必要性特定の (集中した) 場所へのデータ;
• トレーニング データの欠如。

いくつかの重要な技術革新のおかげで、大きな変化が起こり、AI はこれらの制約から解放されており、企業はこの強力なテクノロジーを活用する準備ができている必要があります。

これらの制約、つまり人工知能の開発を妨げる足かせについて、そして将来どのように打破できるかを見てみましょう。

AI の足かせ 1: コンピューティング能力

従来、企業には AI モデルを駆動し、適切に実行し続けるための十分な処理能力がありませんでした。企業は、必要なリソースを完全にクラウド環境に依存すべきか、それともクラウドとオンプレミスのリソースにコンピューティング投資を配分する方が良いかを検討してきました。

社内のオンプレミス GPU クラスターが企業に選択肢を提供するようになりました。現在、いくつかのより大規模で先進的な組織が実稼働ユースケースに焦点を当て、独自の GPU クラスター (NVIDIA DGX SuperPOD など) に投資しています。 GPU クラスターは、企業の実行に必要な専用の馬力を提供します。

多数のトレーニング モデル - ソフトウェア ベースの分散コンピューティング フレームワークを利用する場合。このようなフレームワークは、さまざまな GPU ノード上のトレーニング ワークロードを手動で解析する難しさを抽象化できます。

AI の制約 2: データの一元化

データは通常、企業の仕事作成のために、データ ウェアハウスと呼ばれる集中的な場所に収集、処理、保存されます。唯一の真実の情報源。

単一のデータ リポジトリを維持すると、管理、監視、反復が容易になります。企業がオンラインまたはクラウド コンピューティング機能に投資する選択肢を持っているのと同じように、近年、データを分散化することでデータ ウェアハウスの柔軟性を実現する動きがあります。

データ ローカリゼーション ルールにより、分散した企業からのデータが集約されない場合があります。また、データ モデルのエッジ ユース ケースが急速に出現しているため、単一のデータ ウェアハウスの概念はもはや絶対的なものではなくなりました。

現在、ほとんどの組織がハイブリッド クラウドを実行しているため、データを特定の場所に結び付ける必要があった時代は終わりました。企業がハイブリッド クラウドを活用し続けるにつれ、エッジでモデルを展開する柔軟性など、ハイブリッド クラウドのあらゆるメリットを享受できるようになりました。

AI の束縛 3: トレーニング データ

有用なデータの欠如は、常に人工知能の普及に対する大きな障害となってきました。私たちは技術的にはデータに囲まれていますが、データの収集と保存には時間と手間がかかり、費用がかかる場合があります。偏見の問題もあります。 AI モデルを開発およびデプロイするときは、生成される洞察が価値があり、害を及ぼさないようにするために、バランスが取れており、偏見がない必要があります。しかし、現実世界に偏りがあるのと同じように、データにも偏りがあります。モデルの使用を拡張するには、大量のデータとデータの偏りを修正するための努力が必要です。

これらの課題を克服するために、企業は合成データに目を向けています。実際、合成データは増加しています。 Gartner は、2024 年までに AI アプリケーションのデータの 60% が合成データになると予測しています。データ サイエンティストにとって、データの性質 (本物か合成か) は無関係です。重要なのはデータの品質です。合成データは潜在的なバイアスを排除します。また、拡張も簡単で、購入コストも安くなります。合成データにより、企業は事前にラベル付けされたデータのオプションも得られ、モデルのトレーニングに使用される原料の生成に必要な時間とリソースが大幅に削減されます。

人工知能の台頭

人工知能がデータの品質、計算、場所の制約から解放されると、私たちの日常生活に関わるユースケースが増え、精度が向上します。モデルが登場します。すでに主要な組織が AI を使用してビジネス プロセスを最適化しているのを目にしていますが、それに対応するために行動を起こさない組織は、競争上明らかに不利な立場に置かれることになります。

AI のメリットを最大限に享受するには、実装をトップダウンで開始する必要があります。データ サイエンティストがモデルの開発と展開という大変な作業を行う一方で、経営幹部も AI をビジネス戦略に最適に統合するための概念について教育する必要があります。 AI テクノロジーとその可能性を理解している経営幹部は、AI、ひいては自社のビジネスに対してより適切な戦略的投資を行うことができます。

逆に、AI がビジネス目標をどれだけ効果的にサポートできるかわからない場合は、特定のアプリケーションに資金を投じて、AI を活用した新しい研究プロジェクトや AI が実を結ぶことを期待するかもしれません。これは最適とは言えないボトムアップ アプローチです。代わりに、経営幹部はデータ サイエンスの専門家や従業員のリーダーと協力して、これらのテクノロジーを通常のビジネス プランに最適に統合する方法を学ぶ必要があります。

2023 年には、人工知能の束縛が (完全に打破されないにしても) 徐々に緩和されることが予想されるため、企業はソリューションに投資することで人工知能の可能性を最大限に引き出すことができる時期が来ています。 、これらのソリューションは世界をより良い場所にし、今日のデジタル経済においてこれらの企業が競争力を維持できるように支援します。

以上が展望 2023: デジタルの未来は人工知能の束縛を取り除くことにありますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。