أخبار الذكاء الاصطناعي التقيت برئيس Ikigai Labs، كمال أهلواليا، لمناقشة كل ما يتعلق بجيل الذكاء الاصطناعي، بما في ذلك أهم النصائح حول كيفية اعتماد التكنولوجيا واستخدامها، وأهمية دمج الأخلاق في تصميم الذكاء الاصطناعي.
هل يمكنك إخبارنا قليلاً عن Ikigai Labs وكيف يمكنها مساعدة الشركات؟
تساعد Ikigai المؤسسات على تحويل بيانات المؤسسة المتفرقة والمنعزلة إلى رؤى تنبؤية وقابلة للتنفيذ باستخدام منصة ذكاء اصطناعي مولدة مصممة خصيصًا للبيانات المجدولة المنظمة.
جزء كبير من بيانات المؤسسة عبارة عن بيانات جدولية منظمة وموجودة في أنظمة مثل SAP وSalesforce. تقود هذه البيانات عملية التخطيط والتنبؤ للشركة بأكملها. في حين أن هناك الكثير من الإثارة حول نماذج اللغات الكبيرة (LLMs)، والتي تعتبر رائعة للبيانات غير المنظمة مثل النص، فإن نماذج الرسوم البيانية الكبيرة (LGMs) الحاصلة على براءة اختراع من Ikigai، والتي تم تطويرها من معهد ماساتشوستس للتكنولوجيا (MIT)، تركز على حل المشكلات باستخدام البيانات المنظمة.
يركز حل Ikigai بشكل خاص على مجموعات بيانات السلاسل الزمنية، حيث تعمل المؤسسات على أربع سلاسل زمنية رئيسية: المبيعات، والمنتجات، والموظفين، ورأس المال/النقد. إن فهم كيفية اجتماع هذه السلاسل الزمنية في اللحظات الحرجة، مثل إطلاق منتج جديد أو الدخول إلى منطقة جغرافية جديدة، أمر بالغ الأهمية لاتخاذ قرارات أفضل تؤدي إلى النتائج المثلى.
كيف تصف المشهد الحالي للذكاء الاصطناعي التوليدي، وكيف تتصور تطوره في المستقبل؟
إن التقنيات التي استحوذت على الخيال، مثل شهادات LLM من OpenAI، وAnthropic، وغيرها، تأتي من خلفية المستهلك. لقد تم تدريبهم على بيانات على نطاق الإنترنت، ومجموعات بيانات التدريب تتزايد باستمرار، الأمر الذي يتطلب قوة حاسوبية وتخزينية كبيرة. لقد استغرق الأمر 100 مليون دولار لتدريب GPT4، ومن المتوقع أن يكلف GP5 2.5 مليار دولار.
يعمل هذا الواقع في بيئة المستهلك، حيث يمكن تقاسم التكاليف عبر مجموعة كبيرة جدًا من المستخدمين، وتكون بعض الأخطاء مجرد جزء من عملية التدريب. ولكن في المؤسسة، لا يمكن التسامح مع الأخطاء، والهلوسة ليست خيارًا، والدقة أمر بالغ الأهمية. بالإضافة إلى ذلك، فإن تكلفة تدريب نموذج على البيانات على نطاق الإنترنت ليست في المتناول، والشركات التي تستفيد من النموذج التأسيسي تخاطر بالتعرض لملكية الفكرية الخاصة بها والبيانات الحساسة الأخرى.
في حين أن بعض الشركات قد سلكت طريق بناء مجموعة التكنولوجيا الخاصة بها حتى يمكن استخدام ماجستير إدارة الأعمال في بيئة آمنة، فإن معظم المؤسسات تفتقر إلى المواهب والموارد اللازمة لبناء ذلك بنفسها.
على الرغم من التحديات، تريد الشركات نوع الخبرة التي توفرها LLMs. لكن النتائج يجب أن تكون دقيقة – حتى عندما تكون البيانات متفرقة – ويجب أن تكون هناك طريقة لإبعاد البيانات السرية عن النموذج التأسيسي. ومن المهم أيضًا إيجاد طرق لخفض التكلفة الإجمالية للملكية، بما في ذلك تكلفة تدريب النماذج وترقيتها، والاعتماد على وحدات معالجة الرسومات، والمشكلات الأخرى المتعلقة بالحوكمة والاحتفاظ بالبيانات. كل هذا يؤدي إلى مجموعة مختلفة تمامًا من الحلول عما لدينا حاليًا.
كيف يمكن للشركات إنشاء استراتيجية لتعظيم فوائد الذكاء الاصطناعي التوليدي؟
على الرغم من أن الكثير قد كتب عن نماذج اللغات الكبيرة (LLMs) وتطبيقاتها المحتملة، إلا أن العديد من العملاء يتساءلون “كيف يمكنني بناء التمايز؟”
مع LLMs، سيتمكن الجميع تقريبًا من الوصول إلى نفس الإمكانات، مثل تجارب chatbot أو إنشاء رسائل بريد إلكتروني ومحتوى تسويقي – إذا كان لدى الجميع نفس حالات الاستخدام، فهذا ليس تمييزًا.
المفتاح هو تحويل التركيز من حالات الاستخدام العامة إلى إيجاد مجالات التحسين والفهم الخاصة بعملك وظروفك. على سبيل المثال، إذا كنت تعمل في مجال التصنيع وتحتاج إلى نقل العمليات خارج الصين، فكيف تخطط لعدم اليقين في مجال الخدمات اللوجستية والعمالة وعوامل أخرى؟ أو، إذا كنت ترغب في بناء المزيد من المنتجات الصديقة للبيئة، فسوف تتغير المواد والموردين وهياكل التكلفة. كيف تصمم هذا؟
حالات الاستخدام هذه هي بعض الطرق التي تحاول بها الشركات استخدام الذكاء الاصطناعي لإدارة أعمالها والتخطيط في عالم غير مؤكد. ربما يكون العثور على الخصوصية وتخصيص التكنولوجيا وفقًا لاحتياجاتك الفريدة هو أفضل طريقة لاستخدام الذكاء الاصطناعي للعثور على ميزة تنافسية حقيقية.
ما هي التحديات الرئيسية التي تواجهها الشركات عند نشر الذكاء الاصطناعي التوليدي وكيف يمكن التغلب عليها؟
من خلال الاستماع إلى العملاء، تعلمنا أنه على الرغم من قيام العديد منهم بتجربة الذكاء الاصطناعي التوليدي، إلا أن جزءًا صغيرًا فقط هو الذي دفع الأمور إلى الإنتاج بسبب التكاليف الباهظة والمخاوف الأمنية. ولكن ماذا لو كان من الممكن تدريب نماذجك على بياناتك الخاصة فقط، وتشغيلها على وحدات المعالجة المركزية (CPU) بدلاً من الحاجة إلى وحدات معالجة الرسومات، مع الحصول على نتائج دقيقة وشفافية حول كيفية حصولك على هذه النتائج؟ ماذا لو تمت معالجة جميع القضايا التنظيمية والامتثال، دون ترك أي أسئلة حول مصدر البيانات أو مقدار البيانات التي يتم إعادة تدريبها؟ هذا ما يقدمه Ikigai إلى الطاولة من خلال النماذج الرسومية الكبيرة.
أحد التحديات التي ساعدنا الشركات على معالجتها هو مشكلة البيانات. تعمل ما يقرب من 100% من المؤسسات ببيانات محدودة أو غير كاملة، وفي كثير من الحالات، يشكل هذا عائقًا أمام القيام بأي شيء باستخدام الذكاء الاصطناعي. غالبًا ما تتحدث الشركات عن تنظيف البيانات، ولكن في الواقع، فإن انتظار البيانات المثالية يمكن أن يعيق التقدم. تعتبر حلول الذكاء الاصطناعي التي يمكن أن تعمل مع بيانات محدودة ومتفرقة ضرورية، لأنها تسمح للشركات بالتعلم مما لديها وتأخذ في الاعتبار إدارة التغيير.
التحدي الآخر هو كيف يمكن للفرق الداخلية أن تتعاون مع التكنولوجيا لتحقيق نتائج أفضل. تعتبر المراقبة البشرية والتحقق والتعلم المعزز ضرورية خاصة في الصناعات الخاضعة للتنظيم. إن إضافة خبير في الحلقة يضمن أن الذكاء الاصطناعي لا يتخذ قرارات في فراغ، لذا فإن العثور على حلول تتضمن الخبرة البشرية أمر أساسي.
إلى أي مدى تعتقد أن تبني الذكاء الاصطناعي التوليدي يتطلب بنجاح تحولًا في ثقافة الشركة وعقليتها؟
يتطلب اعتماد الذكاء الاصطناعي التوليدي بنجاح تحولًا كبيرًا في ثقافة الشركة وعقليتها، مع التزام قوي من التعليم التنفيذي والمستمر. لقد رأيت هذا بنفسي في Eightfold عندما كنا نقدم منصة الذكاء الاصطناعي الخاصة بنا للشركات في أكثر من 140 دولة. أوصي دائمًا بأن تقوم الفرق أولاً بتثقيف المديرين التنفيذيين حول ما هو ممكن، وكيفية القيام بذلك، وكيفية الوصول إلى هناك. يجب أن يكون لديهم الالتزام لتحقيق ذلك، الأمر الذي يتضمن بعض التجارب وبعض مسارات العمل الملتزمة. ويجب عليهم أيضًا فهم التوقعات الملقاة على عاتق زملائهم، حتى يتمكنوا من الاستعداد ليصبح الذكاء الاصطناعي جزءًا من الحياة اليومية.
إن الالتزام من أعلى إلى أسفل، والتواصل من المديرين التنفيذيين يقطع شوطا طويلا، حيث أن هناك الكثير من الترويج للخوف الذي يشير إلى أن الذكاء الاصطناعي سوف يستولي على الوظائف، ويحتاج المسؤولون التنفيذيون إلى تحديد النغمة التي مفادها أنه في حين أن الذكاء الاصطناعي لن يلغي الوظائف بشكل كامل، فإن وظيفة الجميع هي سوف تتغير في العامين المقبلين، ليس فقط للأشخاص في المستويات الدنيا أو المتوسطة، ولكن للجميع. يعد التعليم المستمر طوال فترة النشر أمرًا أساسيًا للفرق التي تتعلم كيفية الحصول على القيمة من الأدوات وتكييف طريقة عملهم لدمج مجموعات المهارات الجديدة.
ومن المهم أيضًا اعتماد التقنيات التي تتوافق مع واقع المؤسسة. على سبيل المثال، عليك أن تتخلى عن فكرة أنك تحتاج إلى الحصول على جميع بياناتك من أجل اتخاذ الإجراء اللازم. في التنبؤ بالسلاسل الزمنية، بحلول الوقت الذي تستغرق فيه أربعة أرباع لتنظيف البيانات، يكون هناك المزيد من البيانات المتاحة، وربما يكون الأمر في حالة من الفوضى. إذا واصلت انتظار البيانات المثالية، فلن تتمكن من استخدام بياناتك على الإطلاق. لذا فإن حلول الذكاء الاصطناعي التي يمكنها العمل مع بيانات محدودة ومتفرقة تعد أمرًا بالغ الأهمية، حيث يجب أن تكون قادرًا على التعلم مما لديك.
جانب آخر مهم هو إضافة خبير في الحلقة. سيكون من الخطأ افتراض أن الذكاء الاصطناعي سحر. هناك الكثير من القرارات، خاصة في الصناعات الخاضعة للتنظيم، حيث لا يمكنك جعل الذكاء الاصطناعي يتخذ القرار فحسب. أنت بحاجة إلى الإشراف والتحقق والتعلم المعزز – وهذا هو بالضبط كيف أصبحت حلول المستهلك جيدة جدًا.
هل هناك أي دراسات حالة يمكنك مشاركتها معنا فيما يتعلق بالشركات التي تستخدم الذكاء الاصطناعي التوليدي بنجاح؟
أحد الأمثلة المثيرة للاهتمام هو أحد عملاء Marketplace الذي يستخدمنا لترشيد كتالوج منتجاته. إنهم يتطلعون إلى فهم العدد الأمثل من وحدات SKU التي يجب حملها، حتى يتمكنوا من تقليل تكاليف حمل المخزون مع الاستمرار في تلبية احتياجات العملاء. يقوم شريك آخر بتخطيط القوى العاملة، والتنبؤ، والجدولة، ويستخدمنا لموازنة العمالة في المستشفيات وشركات البيع بالتجزئة والضيافة. في حالتهم، جميع بياناتهم موجودة في أنظمة مختلفة، ويجب عليهم جمعها في عرض واحد حتى يتمكنوا من تحقيق التوازن بين صحة الموظفين والتميز التشغيلي. ولكن نظرًا لأننا نستطيع دعم مجموعة واسعة من حالات الاستخدام، فإننا نعمل مع العملاء للقيام بكل شيء بدءًا من التنبؤ باستخدام المنتج كجزء من الانتقال إلى النموذج القائم على الاستهلاك، وحتى اكتشاف الاحتيال.
أنت تم إطلاق مجلس أخلاقيات الذكاء الاصطناعي مؤخرًا. ما نوعية الأشخاص الموجودين في هذا المجلس وما هو هدفه؟
يدور مجلس أخلاقيات الذكاء الاصطناعي لدينا حول التأكد من أن تقنية الذكاء الاصطناعي التي نبنيها ترتكز على الأخلاقيات والتصميم المسؤول. إنه جزء أساسي من هويتنا كشركة، ويشرفني ويشرفني أن أكون جزءًا منه جنبًا إلى جنب مع هذه المجموعة الرائعة من الأفراد. يضم مجلسنا شخصيات بارزة مثل الدكتور منذر دحلة، المدير المؤسس لمعهد أنظمة البيانات والمجتمع (IDSS) والأستاذ في معهد ماساتشوستس للتكنولوجيا؛ آرام جافور، العميد المشارك في جامعة جورج واشنطن وباحث معترف به في القانون الإداري والأمن القومي؛ والدكتور مايكل كيرنز، رئيس المركز الوطني لعلوم الكمبيوتر والمعلومات في جامعة بنسلفانيا؛ والدكتور مايكل جوردان، الأستاذ المتميز في جامعة كاليفورنيا في بيركلي في أقسام الهندسة الكهربائية وعلوم الكمبيوتر والإحصاء. ويشرفني أيضًا أن أخدم في هذا المجلس جنبًا إلى جنب مع هؤلاء الأفراد الكرام.
الغرض من مجلس أخلاقيات الذكاء الاصطناعي لدينا هو معالجة القضايا الأخلاقية والأمنية الملحة التي تؤثر على تطوير الذكاء الاصطناعي واستخدامه. نظرًا لأن الذكاء الاصطناعي أصبح سريعًا محوريًا بالنسبة للمستهلكين والشركات في كل صناعة تقريبًا، فإننا نعتقد أنه من الضروري إعطاء الأولوية للتنمية المسؤولة ولا يمكننا تجاهل الحاجة إلى الاعتبارات الأخلاقية. وسيجتمع المجلس بشكل ربع سنوي لمناقشة موضوعات مهمة مثل حوكمة الذكاء الاصطناعي وتقليل البيانات والسرية والمشروعية والدقة والمزيد. بعد كل اجتماع، سينشر المجلس توصيات بشأن الإجراءات والخطوات التالية التي يجب على المنظمات النظر فيها للمضي قدمًا. كجزء من التزام Ikigai Labs بالنشر والابتكار الأخلاقي للذكاء الاصطناعي، سنقوم بتنفيذ بنود العمل التي أوصى بها المجلس.
جمعت Ikigai Labs تمويلًا بقيمة 25 مليون دولار في أغسطس من العام الماضي. كيف سيساعد ذلك في تطوير الشركة وعروضها وعملائك في نهاية المطاف؟
لدينا أساس قوي من البحث والابتكار الذي يخرج من فريقنا الأساسي مع معهد ماساتشوستس للتكنولوجيا، وبالتالي فإن التمويل هذه المرة يركز على جعل الحل أكثر قوة، بالإضافة إلى جلب الفريق الذي يعمل مع العملاء والشركاء.
يمكننا حل الكثير من المشكلات ولكننا نواصل التركيز على حل عدد قليل فقط من المشكلات ذات المغزى من خلال التطبيقات الفائقة للسلسلة الزمنية. نحن نعلم أن كل شركة تعمل وفق أربع سلاسل زمنية، وبالتالي فإن الهدف هو تغطية هذه الأمور بعمق وبسرعة: أشياء مثل التنبؤ بالمبيعات، والتنبؤ بالاستهلاك، والتنبؤ بالخصومات، وكيفية إنهاء المنتجات، وتحسين الكتالوج، وما إلى ذلك. نحن متحمسون ونتطلع نتطلع إلى وضع GenAI للبيانات الجدولية في أيدي أكبر عدد ممكن من العملاء.
هل تريد معرفة المزيد عن الذكاء الاصطناعي والبيانات الضخمة من قادة الصناعة؟ اطلع على معرض الذكاء الاصطناعي والبيانات الضخمة الذي يقام في أمستردام وكاليفورنيا ولندن. ويقام هذا الحدث الشامل في مكان مشترك مع الأحداث الرائدة الأخرى بما في ذلك BlockX، وأسبوع التحول الرقمي، ومعرض الأمن السيبراني والسحابي.
استكشف الأحداث والندوات عبر الإنترنت القادمة الأخرى المتعلقة بتكنولوجيا المؤسسات والمدعومة من TechForge هنا.