تعمل أمازون على بناء أنظمة الذكاء الاصطناعي (AI) واستخدام التعلم الآلي منذ أكثر من 20 عامًا. كان التخصيص والتوصيات من بين الابتكارات المبكرة التي تم تقديمها على موقع التجارة الإلكترونية، وتساعد هذه المفاهيم التقنية وغيرها، مثل المساعد الصوتي Alexa، على دفع ابتكارات الذكاء الاصطناعي إلى الأمام في الخدمة السحابية العامة لـ Amazon Web Services (AWS). ويصبح ذلك متاحًا بعد ذلك لعملاء تكنولوجيا المعلومات في المؤسسات.
يمكن أن يكون البدء في استخدام الذكاء الاصطناعي مهمة شاقة، نظرًا للثرثرة شبه المستمرة في الصناعة والتي يبدو أنها تهيمن على محادثات تكنولوجيا المعلومات. ناقشت مجلة Computer Weekly مؤخرًا تحديات الذكاء الاصطناعي في المؤسسة مع فرانشيسكا فاسكيز، نائبة الرئيس للخدمات المهنية ومركز GenAI للابتكار في AWS.
عندما سُئل عن كيف يمكن لقادة تكنولوجيا المعلومات ورجال الأعمال تطوير استراتيجية قابلة للتطبيق للذكاء الاصطناعي، بالنظر إلى كل الضجيج الصناعي المحيط بالتكنولوجيا، يحث فاسكيز الشركات التي تقوم ببناء الذكاء الاصطناعي في استراتيجية أعمالها على البدء من خلال النظر في قدرات البنية التحتية لتكنولوجيا المعلومات الخاصة بها، والتي تعد ضرورية للبناء. وتدريب نماذج الأساس.
مع كل ما يبدو أنه يحدث مع الذكاء الاصطناعي، يعتقد فاسكيز أنه بالنسبة للعديد من المؤسسات، يظل التعلم الآلي أداة مفيدة للغاية.
“أنت لا تحتاج بالضرورة إلى بعض مدخلات ومخرجات التعلم العميق المعقدة مثل الذكاء الاصطناعي المولد [GenAI] يقول فاسكيز، مضيفًا أن الشركات تعطي الأولوية لحالات الاستخدام للذكاء الاصطناعي والتعلم الآلي التي تشعر أنها الأكثر أهمية وتأثيرًا. وتقول إن مثل هذه المشاريع تحقق عمومًا عائدًا جيدًا على الاستثمار.
يقول فاسكيز: “إنها عادة ما تكون أقل خطورة وتسمح للمؤسسات بالبدء بشكل أسرع”. يشبه هذا إلى حد ما عندما تم نشر الأتمتة لحل ما يسمى بأوجه عدم الكفاءة “الثمار الدانية” التي واجهتها المؤسسات.
إن توفير مستوى من الذكاء في أتمتة مثل هذه المهام يسمح للمؤسسة بالعمل بشكل أسرع، من حيث تبسيط الخطوات غير الفعالة في العمليات التجارية.
وتقول: “أكثر ما يثير حماستي بشأنه وأعتقد أن كل عميل يمكنه تحقيق نتائج ملموسة هو عندما تنظر إلى أشياء مثل كيفية إنتاج المطورين للبرامج ودورة حياة تطوير البرامج بأكملها”. “هذه، بالنسبة لي، حالة رائعة من الأتمتة بالإضافة إلى الذكاء الاصطناعي بالإضافة إلى البشر الذين يتم استخدامهم لتحقيق كفاءة أكبر.”
خدمات الذكاء الاصطناعي على AWS
وبالنظر إلى عروض الذكاء الاصطناعي التي تقدمها AWS، يقول فاسكيز: “لقد استثمرنا بكثافة في الحوسبة الخاصة بنا والسيليكون المخصص.”
فوق الأجهزة، AWS تدير طبقة منصة تعرف باسم Bedrock لجيناي. وتقول: “هذه هي حقًا الخدمات المدارة التي نسمح فيها للمؤسسات باستخدام نماذج اللغة الكبيرة (LLMs) والنماذج الأساسية”.
يقدم Bedrock ما تسميه AWS أساسًا لبناء وتوسيع نطاق تطبيقات GenAI الآمنة. على وجه التحديد، يهدف إلى توفير منصة واحدة عبر واجهة برمجة تطبيقات واحدة (API) والتي يقول فاسكيز إنها تتيح الوصول إلى Titan LLM الخاصة بالشركة [large language model] إلى جانب العديد من النماذج التأسيسية التابعة لجهات خارجية. وتشمل هذه النماذج المقدمة من AI21 Labs أو Cohere أو Stability AI أو Anthropic أو Meta أو Mistral AI.
وتقول: “ما يثير حماستي حقًا هو أن الجزء العلوي من مجموعتنا للذكاء الاصطناعي التوليدي هو المكان الذي ترى فيه الابتكار يحدث مع القدرة على بناء تطبيقات GenAI”.
واحدة من هذه تطبيقات الذكاء الاصطناعي هي Amazon Q، وهو مساعد يعمل بنظام GenAI يمكنه الإجابة على الأسئلة وتقديم الملخصات وإنشاء المحتوى وإكمال المهام بناءً على البيانات والمعلومات في أنظمة المؤسسة. تقول AWS أنه يمكن تحقيق كل هذا بشكل آمن.
إدارة نماذج الذكاء الاصطناعي والوصول إلى البيانات
يوجد دائمًا توازن بين تأمين الوصول إلى البيانات من أجل الامتثال وضمان استيفاء سياسات الأمن السيبراني القوية والقدرة على استخدام البيانات الخاصة بالشركة لدفع الابتكار وتوليد القيمة. كان هناك عدد من الأمثلة البارزة حيث تم تسريب البيانات عن غير قصد عند استخدام LLMs العامة.
عندما سئلت فاسكيز عن النصيحة التي ستقدمها للشركات التي تفكر في الحصول على ماجستير إدارة الأعمال، قالت: “أول شيء سأقوله هو أن البيانات تنمو بمعدل هائل. وعلينا جميعا أن نرتكز على ذلك.”
تقوم معظم المؤسسات بتخزين تيرابايت؛ بعضها يحتوي على بيتابايت من تخزين البيانات؛ وفي بعض الحالات النادرة، يقوم البعض بتخزين إكسابايت من البيانات. وتقول: “إن حجم المعلومات آخذ في النمو، كما أن إنشاء المعلومات يأتي في أشكال أكثر تتجاوز ما يمكن اعتباره بيانات منظمة”.
بالنسبة لفاسكيز، للحصول على قيمة من جميع مخازن البيانات المختلفة في المؤسسة والتي تحتوي على مجموعات كبيرة من البيانات في العديد من التنسيقات، تحتاج الشركات إلى قوة GenAI. وتقول: “سيتعين على معظم المؤسسات أولاً الوصول إلى السحابة العامة للاستفادة من الذكاء الاصطناعي التوليدي”.
يوضح فاسكويز: “في AWS، إذا فكرت فقط في السحابة لدينا، فإن الأمان، كما هو الحال في خصوصية البيانات، يمثل أولوية كبيرة جدًا.”
وهذا يعني أنه مع قيام AWS بتطوير وإصدار خدمات جديدة، لا يتم النظر إلى الأمان بشكل منفصل. وتقول: “نحن نؤمن بأن جميع المعلومات يجب أن تكون مشفرة ومحكومة”. “ما زلنا نطبق نفس بنيات المسؤولية المشتركة. يجب أن تكون قادرًا على إنشاء التطبيقات في سحابة عامة افتراضية [VPC]، وهذه المعلومات لا تترك VPC أبدًا.”
يتطور هذا التفكير، وفقًا لفاسكيز، لدعم ما يتوقعه عملاء AWS من خدمات LLM. وتقول: “يحتاج العملاء إلى حواجز حماية أقوى فيما يتعلق بضوابط الوصول والحوكمة على النماذج التي يمكنها تصفية المفاهيم أو الكلام أو الألفاظ النابية غير المرغوب فيها تلقائيًا، أو الأشياء التي لا تريد إدخالها في النموذج”.
يتمثل نهج AWS في بناء مثل هذه القدرات في Bedrock.
التدريب لتجنب الارتباك
يقر فاسكيز أنه يمكن بسهولة الخلط بين حاملي شهادات LLM، كما هو الحال عندما يكون أ يجيب chatbot بكل هراء لسؤال غامض. وتقول: “بينما ننظر إلى كيفية تطبيق هذه النماذج عالميًا، يصبح ذلك أكثر أهمية”. “نحن لا نتصور عالمًا حيث سيكون هناك نموذج أساس واحد فقط يمكنه فعل كل شيء.”
يحث فاسكويز الشركات التي تنشر LLMs على التركيز على تحسين النماذج الأساسية التي تستخدمها. أحد الأمثلة الشائعة هو في سياق التعلم من خلال الجيل المعزز للاسترجاع، حيث يتكيف النموذج بناءً على البيانات الإضافية التي يتم سحبها.
قد تحتاج بعض الشركات إلى تجاوز التعلم الذاتي. وتقول: “نحن نعتقد أن بعض العملاء سيرغبون في القدرة على الضبط الدقيق، وسوف ترى بعض العملاء الذين سيرغبون في التدريب المسبق المستمر للنماذج عند ورود معلومات جديدة”.
بالنسبة لفاسكيز، سيكون هناك دائمًا عنصر من نماذج الذكاء الاصطناعي التي تعمل مع البشر لفهم تلك المواقف التي يكون فيها تدريب النموذج غير كافٍ. وتقول: “الأمر كله مجرد تفكير في نهاية المطاف”. “يمكنك أن تسميه المنطق البشري أو الذكاء البشري، ربما.”
