ChatGPT: 企業は次世代の自然言語処理テクノロジーに対応する準備ができていますか?

Digital-adoption.com が公開したネットワーク分析データによると、ChatGPT の最新バージョンのリリース後、その開発者である OpenAI への訪問数が 1,830 万から 6 億 7,200 万に 3572% 増加しました。

今年 1 月、Microsoft は OpenAI への総額数十億ドルの第 3 段階投資計画を発表しました。 Microsoft は、ChatGPT を使用する Bing 検索エンジンの AI サポート バージョンを開始しました。同社 CEO のサティア ナデラ氏は、AI がさまざまなソフトウェア カテゴリを根本的に変えると信じており、Microsoft はこのテクノロジーが Bing による毎日 50 億のクエリへの応答をサポートできることを期待しています。現在、ChatGPT 機能はまだプレビュー段階ですが、ユーザーはサインアップしてアクセスを待つことができます。

Microsoft の発表のちょうど 1 日前、Google と Alphabet も Bard という競合他社をリリースしました。この競合製品は Google の Lambda テクノロジーをベースにしており、拡張することでより多くのユーザーをサポートできると言われています。 Bard について論じたブログ投稿には、「間もなく、ユーザーは検索で AI を活用した機能を目にするようになります。これらの機能は、複雑な情報と複数の視点を理解しやすい形式に抽出し、ユーザーが全体像をすばやく理解し、そこからより多くの情報を把握できるようにします」と述べています。

人々は、企業内で生成 AI を使用する機会にも注目しました。

Kyndryl UK およびアイルランドのデータ、AI、およびアプリケーション業務責任者である Carolyn Prior 氏は次のように述べています。 AI を真に統合する システムを運用する組織だけでなく、最新/最高の新興テクノロジーを積極的に探索し、データ管理アーキテクチャを最新化する組織も、現在の市場競争をよりうまく乗り切ることができます。

ナレッジ プラットフォーム プロバイダーの eGain は、ソフトウェア開発者が製品やサービスの開発に生成 AI をますます組み込んでいると考えています。同社は、ChatGPT を Instant Answers 製品に統合しました。同社 CEO の Ashu Roy 氏は、「ChatGPT などの生成 AI は、ナレッジ管理や会話への参加においてエキサイティングな自動化の可能性を切り開きます。インスタント アンサーは、招待された顧客の間で非常に人気があり、スピードに基づいて生み出される価値を気に入っています。」

ナレッジ管理は、ソフトウェア開発者の作業効率の向上にも役立ちます。

ブライトマン ビジネス ソリューションズ ディレクターのロミー ヒューズ氏は、「ChatGPT は、ソフトウェア開発者が非常に難しいコードを完成させるのに役立ちます。」たとえば、開発者は ChatGPT に既存のコードを最適化する方法を尋ねることができます。将来を見据えて、彼女は「このテクノロジーにより、プログラマ以外の人でもアプリを開発できるようになり、プログラミングが民主化されるでしょう。本質的には、ローコードで約束されているのと同じメリットが得られますが、機能が大幅に向上するだけです。」と信じています。

Arthur D Little AI 企業の専門家である Albert Meige と Gregory Renard は、このテクノロジーが全体的な技術レベルを低下させるリスクを分析しました。とプログラマーの意見を述べ、生成されたコードにはアルゴリズムのバイアスが含まれる可能性があると警告しました。アルゴリズムのトレーニングに使用されるデータにバイアスが存在すると、不正確または不公平な結果が生じる可能性があります。メイジュとルナールによれば、そのような偏見を排除する努力にもかかわらず、偏見は依然として存在しており、非常に問題となっているという。

彼らはまた、出自に基づいて投獄されるべきかどうかを判断するための Python プログラムを作成するよう求められた際に、北朝鮮、シリア、イランに焦点を当てた ChatGPT による分析の例を挙げました。さらに、この基準は Python コードにハードコードされており、このバイアスはインターネット上の会話内容の広範な分析から得られたものと考えられます。

この例自体は非常に単純ですが、結局のところ、懲役刑を実装すべきかどうかを判断する際に考慮すべき要素は確かにあります。また、ChatGPT を使用してコードを生成することにはリスクがあり、そのモデルにはリスクがあることも示しています。トレーニング データに誤解が生じやすいため、バイアスがかかりやすくなります。

企業が直面するもう 1 つの問題は、生成 AI トレーニングにかかる​​莫大なコスト、特にトレーニング データの潜在的なバイアスがもたらす可能性のある高いリスクです。 「ハーバード ビジネス レビュー」は最近、トレーニング プロセスには大量のデータとコンピューティング パワーを消費するため、生成 AI のトレーニングは依然として少数のテクノロジー大手の特許であるとのレポートを発表しました。記事の著者はChatGPTのベースとなっているGPT-3モデルのデータを引用し、初期トレーニングには45TBのデータ素材が使用され、予測には1750億個のパラメータが使用されたと述べた。したがって、GPT-3 の 1 回のトレーニング費用は 1,200 万米ドルにも上ります。

著者らは、「ほとんどの企業には、独自の同様のモデルをゼロからトレーニングするのに対応するデータセンターやクラウド コンピューティングの能力がありません。」と警告しています。

この観点から見ると、これは初めてのことです。 Microsoft と Google が自社の検索エンジンに生成 AI を導入したのは当然です。このような巨大レベルのコンピューティング設備やデータの予備を持たない他の組織にとって、GPT テクノロジーは短期的には実用的な助けにならない可能性があります。

以上がChatGPT: 企業は次世代の自然言語処理テクノロジーに対応する準備ができていますか?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。