أعرب المسؤولون التنفيذيون في مجال الأعمال وتكنولوجيا المعلومات الذين تمت مقابلتهم في استطلاع حديث أجرته شركة ديلويت عن قلقهم بشأن التكاليف المرتبطة الذكاء الاصطناعي التوليدي (GenAI) والوقت يداهم المنظمات لخلق قيمة كبيرة ومستدامة من خلال مبادرات GenAI.
وفقًا لشركة ديلويت، ستصبح التكلفة بشكل متزايد عاملًا رئيسيًا في اتخاذ القرار بشأن GenAI. وأفاد الاستطلاع الذي شمل 2770 من قادة الأعمال وتكنولوجيا المعلومات أن 16% فقط من المنظمات قالت إنها تقدم تقارير منتظمة إلى المدير المالي حول القيمة التي يتم إنشاؤها باستخدام التكنولوجيا.
ومع ذلك، قالت ديلويت إنه مع تزايد أهمية GenAI في كيفية إنجاز الأعمال، سيتم قياس مبادراتها بشكل متزايد وفقًا للمقاييس المالية التقليدية مع بدء المنظمات في المطالبة بنتائج أكثر ملموسة وقابلة للقياس من استثماراتها في GenAI.
في حالة الذكاء الاصطناعي التوليدي في المؤسسة وفي التقرير المرافق للاستطلاع، توقعت ديلويت أن تعتمد الشركات مجموعة شاملة من التدابير المالية وغير المالية لتقديم صورة كاملة عن القيمة الناتجة عن الاستثمارات في مبادرات GenAI.
“في المستقبل، قد نشهد ظهور مقاييس جديدة تعكس خصائصها وقدراتها الفريدة”، كما كتب مؤلفو التقرير. “على سبيل المثال، قد يكون هناك مقياس يقيس أداء العمال البشريين و أنظمة GenAI (معًا مقابل بشكل منفصل) في المهام المتعلقة بالإبداع والابتكار.
وحثت ديلويت قادة الأعمال وتكنولوجيا المعلومات على التوصل إلى كيفية قياس قيمة التكنولوجيا والتواصل بشأنها، وهو ما قالت إنه أمر بالغ الأهمية لتحديد التوقعات والحفاظ على الاهتمام والدعم والاستثمار من جانب كبار المسؤولين التنفيذيين ومجلس الإدارة. ونقلت عن مدير أول ورئيس مسرع GenAI في صناعة الأدوية اعتقاده بأن أداء نماذج اللغة الكبيرة (LLMs) لا يزال بحاجة إلى التحسين جنبًا إلى جنب مع جاهزية البيانات. وقالوا: “ستظل البيانات مشكلة إلى الأبد”. “فهم الذكاء الاصطناعي التوليدي العميق أيضًا. لا يوجد عدد كافٍ من الأشخاص الذين يفهمون ويمكنهم قيادة التحول”.
قالت شركة ديلويت إن القيمة من مبادرات GenAI ستأتي بشكل متزايد من المنظمات التي تستخدم البيانات المتمايزة بطرق جديدة، مثل ضبط درجة الماجستير في القانون“ولكي يحقق الذكاء الاصطناعي التوليدي التأثير الذي يتوقعه المسؤولون التنفيذيون، فمن المرجح أن تحتاج الشركات إلى زيادة راحتها في استخدام بياناتها الخاصة، والتي قد تخضع للوائح الحالية والناشئة”، كما قال مؤلفو التقرير.
الوصول إلى البيانات العامة للتدريب
هناك العديد من الحالات التي تتمكن فيها المنظمات من تعزيز برامج الماجستير في القانون المدربة على بيانات الإنترنت باستخدام بيانات داخلية لتخصيص أنظمة الذكاء الاصطناعي العامة وفقًا لمتطلبات أعمالها الخاصة. ومع ذلك، فقد وجدت الأبحاث أن استخدام بيانات برنامج الماجستير في القانون العام كمصدر لتدريب برنامج ماجستير آخر قد يؤدي إلى عدم الدقة.
في مقالة نشرت في طبيعة في الشهر الماضي، ادعى الباحثون إيليا شوميلوف، وزاخار شوميلوف، وييرين تشاو، ونيكولاس بابيرنوت، وروس أندرسون، ويارين جا، أن هناك “ميزة المبادرة” عندما يتعلق الأمر بتدريب نماذج الذكاء الاصطناعي.
وقالوا “في عملنا، أظهرنا أن التدريب على عينات من نموذج توليدي آخر يمكن أن يؤدي إلى تحول في التوزيع، مما يؤدي بمرور الوقت إلى انهيار النموذج”.
وأوصى الباحثون مطوري نموذج الذكاء الاصطناعي بضمان الحفاظ على الوصول إلى مصدر البيانات الأصلي، وبقاء البيانات الإضافية التي لم يتم إنشاؤها بواسطة برامج الماجستير في القانون متاحة بمرور الوقت. كما حذروا من صعوبة تحديد البيانات التي تم إنشاؤها بواسطة برامج الماجستير في القانون على الإنترنت.
وأشاروا إلى أن “الحاجة إلى التمييز بين البيانات التي تولدها برامج الماجستير في القانون والبيانات الأخرى تثير تساؤلات حول مصدر المحتوى الذي يتم جلبه من الإنترنت”.
وتوقع الباحثون أيضًا أنه قد يصبح من الصعب بشكل متزايد تدريب الإصدارات الأحدث من LLMs دون الوصول إلى البيانات التي تم جمعها من الإنترنت قبل التبني الشامل للتكنولوجيا أو الوصول المباشر إلى البيانات التي يولدها البشر على نطاق واسع.
أحد الحلول المحتملة التي اقترحها الباحثون هو أن تقوم الأطراف المختلفة المشاركة في إنشاء ونشر LLM بمشاركة المعلومات اللازمة لتحديد المصدر الأصلي للبيانات.
