Oto wąskie gardła AI. Amerykańscy eksperci przyznają otwarcie: wciąż jest wiele do zrobienia

„Czujesz się, jakby ktoś uderzył cię młotkiem po każdej dyskusji” — zauważa profesor ze Stanfordu odnośnie obecnego stanu AI. Inżynierowie przyznają, że sztuczna inteligencja może stanowić jeszcze większy postęp niż Internet; jednak nic nie dzieje się bez kosztów. Liczne przeszkody wciąż muszą zostać rozwiązane, aby rzeczywiście oznaczała postęp technologiczny podobny do „nowego Internetu”. Pewnie przedstawiają najważniejsze wyzwania.

• Agenci zmienią sztuczną inteligencję: eksperci podkreślają, że obecne chatboty są zbyt reaktywne, dlatego firmy technologiczne ścigają się, aby „zintegrować je” ze swoimi produktami
• Nawet najbardziej zaawansowany model nie spełni oczekiwań bez odpowiedniej infrastruktury
• Wprowadzenie agentów AI do firm wymaga nie tylko wysokiej jakości modeli, ale także narzędzi do ciągłej obserwacji, audytu i nadzoru. Niedopełnienie tego obowiązku może prowadzić do poważnych problemów
• Więcej informacji na ten temat znajdziesz na Businessinsider.com.pl

AI nie tylko będzie analizować, ale także „rozumieć” dane firmy, generować własne spostrzeżenia i podejmować nawet złożone wyzwania – stwierdził Sam Altman, CEO Open AI, podczas konferencji Snowflake w San Francisco. Aby firmy mogły podejmować naprawdę wpływowe decyzje w oparciu o sztuczną inteligencję, technologia ta musi nadal rozwiązywać szereg problemów. Obecne rozwiązania mogą nadal nie sprostać wielu pojawiającym się wyzwaniom. Potencjał tkwi w innowacji.

Agenci odblokowują nowe możliwości. Jednak wyzwania pozostają

Badacze i inżynierowie AI byli szczerzy co do obecnych ograniczeń AI. Istniejące modele często mają trudności z efektywnym wykorzystaniem wiedzy z poprzednich interakcji, co ogranicza ich zdolność do angażowania się w wyrafinowane, wieloetapowe konwersacje . „To tak, jakby ktoś uderzył cię młotkiem po każdej rozmowie — tracisz cały kontekst” — stwierdził Jure Leskovec, profesor informatyki na Uniwersytecie Stanforda.

Pozostała część artykułu po filmie:

Nowa strategia Orlenu. Spółka przeznaczy 380 mld zł na inwestycje

Agenci reprezentują potencjał przełomu. Dlatego Snowflake zaprezentował podczas konferencji swoje plany wykorzystania ich do analizy danych przedsiębiorstw, które są ich klientami. – Chatboty są reaktywne — odpowiadają na zapytania użytkowników. Agenci z kolei realizują złożone cele, mogą rozłożyć je na mniejsze zadania, działać wyprzedzająco, wykorzystywać kontekst sytuacyjny i podejmować niezależne decyzje — przyznał Leskovec. Podkreślił, że kluczową cechą agentów jest ich zdolność do samodzielnej naprawy — potrafią identyfikować i naprawiać własne błędy w ramach wieloetapowych procesów, co odróżnia ich od tradycyjnych rozwiązań czatowych.

Kolejną przeszkodą jest konieczność podejmowania decyzji w oparciu o konkretne dane organizacyjne, a nie wyłącznie o publicznie dostępne informacje. Paneliści podkreślili również znaczenie agentów aktywnie poszukujących informacji zwrotnych i ich zdolności do wyjaśniania własnych decyzji i działań. Pozostaje to barierą, która nie została jeszcze w pełni rozwiązana.

Infrastruktura jest tak samo ważna jak modele

Zaawansowane modele językowe stanowią trzon agentów; jednak, jak zauważył Amit Sangani, dyrektor ds. sztucznej inteligencji w firmie Meta, nawet najbardziej zaawansowany model jest niewystarczający bez odpowiedniej infrastruktury. – Interoperacyjność, standaryzacja i precyzyjna kontrola dostępu do danych są niezbędne – zauważył przedstawiciel firmy Marka Zuckerberga obecny na wydarzeniu w San Francisco.

W miarę jak modele stają się coraz bardziej wymagające, prawdopodobnie pojawią się nowe wyzwania w łączeniu analiz AI z dostępnymi danymi w chmurze. Dostępność energii, a nawet gruntów pod centra danych, stanie się coraz bardziej kluczowa . „To może zadecydować o tym, czy Polska utrzyma pozycję lidera w regionie” — przyznaje Adam Wojtkowski, szef Snowflake w Polsce.

Czy powstanie masowa branża sterowania oparta na sztucznej inteligencji?

Wdrażanie agentów AI w firmach wymaga nie tylko wysokiej jakości modeli, ale także narzędzi do ciągłej obserwacji, audytu i zarządzania. W związku z tym ewoluują rozwiązania, które ułatwiają śledzenie działań agentów i zapewniają przestrzeganie protokołów bezpieczeństwa. Weryfikacja odpowiedzi, cytowanie źródeł i mechanizmy blokowania niepożądanych treści to standardy mające na celu budowanie zaufania użytkowników.

Jak podkreślali uczestnicy dyskusji, zaufanie do całego systemu jest równie krytyczne — od zarządzania dostępem po bezpieczeństwo danych. Publiczne testy porównawcze (benchmarki) pomagają w wyborze modelu, ale nie odzwierciedlają dokładnie specyfiki przypadków użycia biznesowego . Dlatego też niezwykle ważne jest opracowanie własnych „złotych zestawów” danych i ciągłe udoskonalanie modeli w oparciu o rzeczywiste potrzeby organizacji. Przedsiębiorstwa coraz częściej poszukują rozwiązań, które umożliwiają personalizację agentów w odniesieniu do ich własnych procesów i danych.

Na rynku jest szansa

Wiele zależy również od danych pochodzących od samych firm. – Nadal jest wiele do zrobienia. Nawet w przypadku tego, co nazywa się halucynacjami, po prostu nazywam to słabym szkoleniem. Jeśli dane są wadliwe, odpowiedzi również będą wadliwe. Można poinstruować model AI, aby zrobił zdjęcie i stworzył z niego kolorowankę. Prawdopodobnie zrobi to całkiem dobrze. Istnieje szeroki zakres możliwości, ale jeśli zadamy bardzo szczegółowe pytanie dotyczące inicjatywy biznesowej, istnieje tylko jedna prawidłowa odpowiedź. Trudno jest ustalić, czy dane zostały odpowiednio przygotowane – wyznał Mike Blandina, CIO w Snowflake, w wywiadzie dla Business Insider.

– Im więcej dostępnych danych, tym lepiej działa AI. Język angielski nadal dominuje pod względem jakości modelu. Obserwujemy jednak szybkie postępy w przekazywaniu wiedzy do języków mniej powszechnie używanych – stwierdził Baris Gultekin, szef AI w Snowflake,

Źródło