Sztuczna inteligencja już teraz zwiększa wydajność programistów o 10-30 proc. Choć w wyniku rozwoju technologii ucierpią niektóre zawody, przede wszystkim te, które opierają się na wyszukiwaniu powiązań w zbiorach danych, pod wpływem AI rozwijają się nowe profesje. — W każdej większej firmie istnieją już drobne projekty z obszaru uczenia maszynowego, o których nie wszyscy wiedzą — mówi dr Sorin Cheran z Hewlett Packard Enterprise.
- Dr Sorin Cheran w roli wiceprezesa zarządza w Hewlett Packard Enterprise (HPE) działaniami jednostki Technology Incubation Office, a także pełni rolę dyrektora ds. technologii w obszarze sztucznej inteligencji oraz danych
- — Dla większości firm wyzwaniem jest nie tylko to, jak wdrożyć model AI do własnych procesów, ale też jak wyjaśnić i uzasadnić decyzje podejmowane przez algorytm — przekonuje
- Dowiedz się, co w temacie AI ma do powiedzenia ekspert, który od wielu lat pracuje w sektorze technologicznym
- Więcej informacji o biznesie znajdziesz na stronie Businessinsider.com.pl
Grzegorz Kubera, Business Insider Polska: Jak twoim zdaniem dziedzina sztucznej inteligencji ewoluowała w ciągu ostatnich kilku lat? Jakie są obecne trendy, które kształtują jej przyszłość?
Dr Sorin Cheran, Hewlett Packard Enterprise: O sztucznej inteligencji wszyscy zaczęli mówić w 2022 r., kiedy zaawansowane chatboty stały się publicznie dostępne. Jednak baza technologii, o której rozmawiamy, jest znacznie starsza, a to, co się wówczas wydarzyło, nie było wielkim przełomem technologicznym, tylko nowym rodzajem aplikacji AI — prostej w użyciu i dostępnej dla każdego.
Czytaj także w BUSINESS INSIDER
Wcześniej, mniej więcej od 2017-2018 r., sieci konwolucyjne, czyli wizualna sztuczna inteligencja albo wizja komputerowa, przedostawały się do przedsiębiorstw, ale był to żmudny proces. Znalezienie odpowiedniego zastosowania to jedno, ale zupełnie inny problem stanowi zintegrowanie takich technologii i procesów z całym systemem operacji biznesowych. Później, około 2020 r., pojawił się nowy typ sieci neuronowych – tzw. transformatory. Był to pierwszy prawdziwy pokaz możliwości dużych modeli językowych (LLM), kiedy po wizualnej AI pojawiła się sztuczna inteligencja w wydaniu językowym.
Problem zarówno z transformatorami, jak i modelem GPT-3, wydanym w 2020 r., polegał na tym, że budowanie i rozwijanie modeli było bardzo kosztowne, bo do tego procesu potrzebne były tysiące procesorów graficznych. Co więc zapoczątkowało rewolucję AI? Wydanie ChatGPT w listopadzie 2022 r., ponieważ pokazało wielką moc sztucznej inteligencji w formie dostępnej dla konsumentów. Każdy mógł wejść na stronę internetową i uzyskać bezpłatny dostęp do wyszkolonego modelu, aby samemu przekonać się, co potrafi.
Kolejnym krokiem było udostępnienie interfejsu programowania aplikacji (API), który umożliwił rozwój nowych usług przy wykorzystaniu ChatGPT. Nagle każdy uzyskał dostęp do dużego modelu językowego do wykorzystania w ramach swojej organizacji.
Firmy patrzą dziś na potencjał LLM z perspektywy konsumenta i myślą, że mogą uzyskać takie same korzyści w warunkach biznesowych. Ale kiedy już zaczynają wdrażać AI, dostrzegają, że jesteśmy w punkcie prawdziwego "tsunami" aplikacji i "eksplozji" modeli językowych. Spójrzmy na wszystkie start-upy, które pojawiły się w ostatnich kilkunastu miesiącach, prawda? Tak więc widzimy dziś trend dywersyfikacji modeli i aplikacji AI, a w tym samym czasie organizacje powoli zdają sobie sprawę, że muszą mieć odpowiednie systemy zarządzania, aby kontrolować korzystanie z tych modeli oraz umożliwiać użytkownikom bezpieczne używanie ich w pracy oraz nadzorować to, w jaki sposób AI zmienia istniejące procesy.
W jaki sposób Hewlett Packard Enterprise przyczynia się do innowacji w dziedzinie sztucznej inteligencji i jakie są wasze główne cele w tym obszarze?
Klienci biznesowi, z którymi współpracujemy, muszą zdecydować, na jakim poziomie chcą zaangażować się w sztuczną inteligencję. Mogą to zrobić ds. na poziomie chatbota, umożliwiając wszystkim pracownikom rozmawianie z nim i zadawanie dowolnych pytań, o ile nie udostępniają mu poufnych danych.
Wyższy poziom wtajemniczenia to tworzenie własnych zastosowań przy użyciu API, takich jak wewnętrzne systemy wyszukiwania dokumentów, generowania raportów, udzielania odpowiedzi na pytania dotyczące wewnętrznych spraw dotyczących firmy. Można to zrobić za pomocą jednego z wielu publicznie dostępnych dużych modeli językowych.
Następnie możemy wchodzić w to coraz głębiej i głębiej, dostrajając taki model przy użyciu znacznie większej ilości danych, trenując własne rozwiązanie w oparciu o model open source lub budując prywatny model całkowicie od zera. To, w jaki sposób rozpoczniesz tę podróż w kierunku generatywnej sztucznej inteligencji, zależy od twoich potrzeb i naturalnie od budżetu, jakim dysponujesz. W HPE doskonale to rozumiemy i pomagamy klientom zaspokoić te potrzeby od strony infrastruktury technologicznej, niezależnie od skali ich projektów AI. Umiejętność zaprojektowania odpowiedniej infrastruktury jest czymś, co wynika z naszego wieloletniego doświadczenia w dziedzinie wysokowydajnych obliczeń komputerowych.
Niektórzy klienci zdecydują się pójść o krok dalej i głęboko zaangażować się w sztuczną inteligencję na poziomie modelu AI. Współpracujemy blisko z nimi oraz z naszymi partnerami, aby upewnić się, że zapewniamy klientom właściwe mechanizmy weryfikacji i odpowiednie warstwy bezpieczeństwa, niezależnie od tego, czy korzystają z modeli licencjonowanych, czy open source, w chmurze publicznej czy prywatnej. Z myślą o tych, którzy chcą trenować własne modele, pracujemy z partnerami takimi jak Nvidia, aby zapewnić kompleksowy zestaw narzędzi pozwalających klientom nie tylko wyciągać wartość ze zgromadzonych danych, ale także wytrenować i wdrożyć model AI.
Tak więc w zależności od tego, jak głęboko nasi klienci chcą zaangażować się w sztuczną inteligencję, zespół ds. innowacji, którym kieruję, ściśle współpracuje z rozmaitymi jednostkami biznesowymi w HPE, aby upewnić się, że zapewnimy im przewagę konkurencyjną w zakresie innowacji w AI.
Jakie są największe wyzwania stojące przed branżą AI w zakresie rozwoju nowych technologii i ich wdrażania w biznesie?
Dla większości klientów korporacyjnych wyzwaniem jest nie tylko to, jak wdrożyć model AI do własnych procesów, ale też jak wyjaśnić i uzasadnić decyzje podejmowane przez algorytm. To prowadzi nas do zagadnień wyjaśnialności i wiarygodności modeli AI. Prowadzonych jest wiele badań w tych obszarach, bo mimo że większość naszych klientów chce zacząć korzystać ze sztucznej inteligencji, to dopóki nie zyskają pełnego zaufania do modeli AI, będą oni stosować ścisły, bezpośredni nadzór człowieka. Nie uda się zwiększyć autonomii sztucznej inteligencji, dopóki nie odpowiemy na te wyzwania.
Czy możesz podzielić się przykładami projektów AI, które zrewolucjonizowały konkretne branże lub wprowadziły znaczące zmiany w sposobie działania firm?
Pierwsze zastosowanie, które przychodzi mi do głowy, gdy rozmawiamy o demonstracji potencjału generatywnej sztucznej inteligencji, to programowanie – generowanie kodu. Zwróć uwagę, jak wielu programistów używa dziś tzw. co-pilotów lub innych technologii opartych na sztucznej inteligencji. To naprawdę zwiększa produktywność. Nie muszę pisać ręcznie kodu od początku do końca, wszystkie te technologie mogą wykonać za mnie znaczną część pracy – napisać konkretną funkcję lub dokończyć to, co częściowo stworzyłem.
Można założyć, że produktywność programistów wzrasta w ten sposób o 10 do 30 proc. Jest to więc jeden z obszarów, w których generatywna sztuczna inteligencja jest już powszechnie wykorzystywana, co namacalnie zwiększyło produktywność.
Jakie są kluczowe czynniki, które firmy powinny wziąć pod uwagę przy podejmowaniu decyzji o wdrożeniu rozwiązań AI, aby zmaksymalizować swoją wydajność i zwrot z inwestycji?
Pierwsze pytanie, jakie powinny sobie zadać, to czy mają zdefiniowaną strategię dotyczącą danych — nawet nie strategię AI. Czy wiedzą dokładnie, gdzie znajdują się ich dane oraz jaka jest ich wartość?
Drugą rzeczą, którą należy zrobić, myśląc o udanym wdrożeniu, jest zebranie wszystkich zainteresowanych i ustalenie, gdzie faktycznie można zastosować sztuczną inteligencję. Nie ma znaczenia, czy mówimy o wizji komputerowej, generatywnej sztucznej inteligencji czy o uczeniu maszynowym. Czy mamy ewidencję tego, co już teraz robią poszczególne zespoły? Gwarantuję, że w każdej większej firmie istnieją już drobne projekty z obszaru uczenia maszynowego, o których nie wszyscy wiedzą.
Trzecie pytanie, na które trzeba odpowiedzieć to, czy mamy kompetencje, aby się tym zająć. Być może w firmie są już ludzie z odpowiednią wiedzą, ale jeśli nie, potrzebna jest decyzja finansowa o zatrudnieniu lub skorzystaniu z zewnętrznego wsparcia. Zatrudnianie pozwala na stopniowe budowanie wewnętrznych kompetencji, outsourcing wiąże się z tworzeniem zależności od kogoś innego.
Wreszcie, warto pomyśleć o jednym lub dwóch prostych zastosowaniach AI, które szybko zyskają sympatię użytkowników i napędzą przyjęcie tej technologii w całej organizacji. Takie "szybkie zwycięstwa" to dobry początek dłuższego projektu.
W jaki sposób HPE wykorzystuje wewnętrznie technologie AI w celu usprawnienia działania i zwiększenia produktywności?
Nie jesteśmy szewcem, który chodzi bez butów. Kiedy pracownicy HPE chcą budować, trenować i dostrajać modele AI, używają tego samego zestawu rozwiązań, który tworzymy dla naszych klientów. Wracając do tego, co mówiłem wcześniej o różnych poziomach wtajemniczenia w AI: mamy własną infrastrukturę, własną platformę dla sztucznej inteligencji i przyglądamy się również modelom. Nasze klastry AI oparte na superkomputerach HPE Cray pozwalają zajmować się tym wszystkim. Jeden z tych superkomputerów znajduje się w Grenoble, gdzie mieszkam. Używamy go także do prac nad rozwiązaniami, które będziemy prezentować w przyszłości.
Co sądzisz o wpływie sztucznej inteligencji na rynek pracy i jakie zawody mogą być najbardziej narażone na automatyzację?
Kiedy wizja komputerowa, która pozwala maszynom m.in. na przejęcie procesów kontroli jakości, stała się powszechnie dostępna w 2017 r., różnorodność rynku pracy zwiększyła się i powstało więcej nowych miejsc pracy.
Podobnie będzie w przypadku LLM. Niektóre zawody mogą stopniowo stawać się zbędne, a równocześnie pojawią się liczne nowe profesje. Zawody, które mogą w pewnym stopniu ucierpieć, to te, które opierają się na wyszukiwaniu powiązań w zbiorach danych — to właśnie można zautomatyzować za pomocą generatywnej sztucznej inteligencji. Ale jednocześnie spójrzmy, ile nowych miejsc pracy zostało już utworzonych, aby zapewniać bezpieczeństwo AI i zarządzanie firmowymi inicjatywami w tym obszarze.
W jaki sposób Hewlett Packard Enterprise wspiera rozwój etycznego i odpowiedzialnego podejścia do sztucznej inteligencji, aby upewnić się, że technologia ta służy wspólnemu dobru?
Każda organizacja, która chce korzystać ze sztucznej inteligencji, powinna ustanowić wewnętrzną grupę nadzorującą ten obszar. Taka grupa, złożona z osób rozumiejących tę technologię, może pomóc w tworzeniu zasad przewodnich, oceniać konkretne zastosowania i technologie, a także rozwiązywać dylematy etyczne.
Mając to na uwadze, stworzyliśmy zalecenia dotyczące tworzenia etycznych rozwiązań AI. W HPE uważamy, że sztuczna inteligencja musi szanować prywatność osób i być dobrze zabezpieczona, z odpowiednimi środkami, które minimalizują ryzyko błędu i użycia w złej wierze. Sztuczna inteligencja powinna pozostać skoncentrowana na człowieku — szanować prawa człowieka i być zaprojektowana z mechanizmami i zabezpieczeniami takimi jak nadzór ludzki, aby zapobiec niewłaściwemu wykorzystaniu.
Musimy projektować rozwiązania oparte na AI w sposób umożliwiający odpowiedzialne korzystanie oraz kwestionowanie wyników. Kolejnym kluczowym czynnikiem jest solidność wykonania, zapewniana przez testy jakości i zabezpieczenia mające na celu zminimalizowanie wpływu awarii czy niewłaściwego użycia.
AI musi być również inkluzywna, co można osiągnąć, jeśli inżynierowie będą pracować nad zminimalizowaniem uprzedzeń i zapewnieniem sprawiedliwego i równego traktowania oraz dostępu dla użytkowników.
W jaki sposób sztuczna inteligencja i uczenie maszynowe przyczyniają się do walki ze zmianami klimatu i do ochrony środowiska?
Kwestie, o które pytasz, takie jak zmiany klimatu, są bardzo złożone. Badając je, musimy wziąć pod uwagę wpływ wielu czynników, takich jak przemysł, transport, rolnictwo i wiele, wiele innych, w różnych częściach świata, w długich okresach.
Dostępne dziś modele sztucznej inteligencji są multimodalne, czyli potrafią dostrzec powiązania między danymi z bardzo różnych źródeł, od arkuszy kalkulacyjnych, przez szeregi czasowe, po obrazy i wideo. Mogą korelować informacje z wielu miejsc, aby odkryć "efekt motyla" w globalnej pogodzie. Są w stanie zrobić to naprawdę szybko, w oparciu o ogromne bazy danych, pod warunkiem że działają na potężnej infrastrukturze o wystarczającej mocy obliczeniowej. To właśnie sprawia, że są one lepszym narzędziem do krótko- i długoterminowej analizy klimatu niż tradycyjne modele pogodowe, budowane specjalnie dla takich zastosowań.
Jakie są twoje przewidywania dotyczące przyszłości sztucznej inteligencji i jakie nowe możliwości mogą pojawić się w nadchodzących latach?
W ciągu najbliższych kilku lat pojawi się znacznie więcej aplikacji opartych na sztucznej inteligencji — wspominałem już o "tsunami" aplikacji i "eksplozji" modeli AI. Budując modele i modyfikując parametry tu i ówdzie, zmieniając kształt modeli, ale wciąż używając tej samej technologii transformatorowej (rodzaj architektury głębokiego uczenia), można uzyskać różne wyniki. Właśnie dlatego pojawi się wiele nowych start-upów. Jeśli masz pomysł na mieszanie modeli, jeśli łączysz coraz więcej modeli w tym samym czasie, aby uzyskać "supermodel", ponownie możesz uzyskać zupełnie inne rezultaty.
Dlatego teraz coraz większą wagę przykładać będziemy do kwestii zarządzania, odpowiedzialności, wiarygodności w AI i do tego, jak zapewnić odpowiedni poziom bezpieczeństwa. Ludzie zdają sobie już sprawę, że chociaż świetnie jest mieć dostęp do tych modeli, kwestią priorytetową jest kontrola sposobu ich wykorzystania. Właśnie dlatego mamy w Europie unijny AI Act, a Stany Zjednoczone pracują nad własnymi przepisami.
Jaki będzie wpływ regulacji na "eksplozję" start-upów?
Znacząco spowolni ich rozwój, a niektóre być może będą musiały zwinąć interes, ponieważ nie uda im się dostosować do nowych wymagań prawnych. Wtedy wyłoni się główny nurt kilku modeli AI, które staną się standardem na całym świecie.
Zdamy sobie również sprawę, że standard, którego obecnie używamy — transformatory — może nie być właściwą architekturą, jeśli zależy nam na zapewnieniu identyfikowalności, wiarygodności i tak dalej. Dlatego obecnie trwają liczne prace nad alternatywnymi technologiami.
Niektórzy twierdzą, że w ciągu 10 lat będziemy dysponować sztuczną inteligencją ogólną (AGI), technologią znacznie bardziej zaawansowaną niż AI, jaką znamy obecnie, która będzie w stanie rozwiązywać złożone problemy bez bezpośredniej interwencji człowieka. Mam wątpliwości czy transformatory są w stanie doprowadzić nas do takiego stopnia rozwoju. Ale jeśli jako branża zbierzemy siły, myślę, że uda się dotrzeć do tego punktu w ciągu 15 lat lub w niewiele dłuższym okresie.
Czy HPE współpracuje z uniwersytetami lub instytucjami badawczymi w zakresie badań nad sztuczną inteligencją? Jeśli tak, jakie są kluczowe obszary tej współpracy?
Jesteśmy globalnym liderem w dziedzinie superkomputerów. Dwie najszybsze na świecie maszyny tego typu opierają się na HPE Cray EX, podobnie najpotężniejszy system w Europie o nazwie LUMI. Również tutaj, w Polsce, HPE buduje superkomputery. Najnowszy z nich o nazwie Helios zostanie niedługo uruchomiony w Krakowie.
Obecnie większość z tych superkomputerów jest przynajmniej w jakimś stopniu wykorzystywana do AI, a w niektórych z tych projektów jesteśmy również zaangażowani w proces budowy najbardziej wydajnych modeli sztucznej inteligencji.
Jakie są kluczowe umiejętności i kompetencje, które pracownicy i liderzy biznesowi powinni rozwijać, aby skutecznie wdrażać technologie AI i zarządzać nimi?
Pierwszą z nich jest współpraca i myślenie systemowe. Firmy są często zbudowane z wielu zamkniętych "silosów", więc myślenie systemowe ma kluczowe znaczenie, ponieważ pozwala ono działać ponad granicami.
Druga to ciekawość techniczna i otwartość na zmiany. Ta branża rozwija się bardzo szybko, więc bycie na bieżąco i ciekawość tego, co nowe, ma kluczowe znaczenie. Dlaczego? Ponieważ zanim zakończysz proces przygotowania do wdrożenia jakiejś technologii, może pojawić się nowy start-up z produktem, który wyprze wybrane przez ciebie wcześniej rozwiązanie.
Kolejna ważna cecha to otwartość na zmiany i zdolność podejmowania szybkich decyzji. Być może jakiś proces działał w firmie bez zarzutu od lat. Potem pojawia się sztuczna inteligencja — bez otwartości na zmiany nie uda się szybko się dostosować do tej rewolucji. Jeśli konkurenci zrobią to przed tobą, zostaniesz w tyle.
Takie trzy cechy ułatwiają szybkie i skuteczne wdrażanie nowych technologii.
W jaki sposób firmy mogą skutecznie zarządzać ryzykiem związanym z wdrażaniem sztucznej inteligencji, szczególnie w kontekście prywatności i bezpieczeństwa danych?
Wszystko sprowadza się do strategii w zakresie danych i do kompleksowego zarządzania sztuczną inteligencją.
Ustal, gdzie znajdują się dane, miej odpowiednią strategię zarządzania nimi, a następnie dowiedz się, kim są potencjalni użytkownicy AI oraz danych. To stawia cię na ścieżce do wprowadzenia właściwego zarządzania sztuczną inteligencją, co zasadniczo zmniejsza ryzyko utraty własności intelektualnej, utraty danych i różnych rodzajów naruszeń bezpieczeństwa.
Wielu klientów tworzy w tym celu specjalne komitety od poziomu zarządu aż po grupy robocze. Ustanawiają one i egzekwują zasady dotyczące sposobu wykorzystania sztucznej inteligencji w organizacji. Zacznij więc od strategii dotyczącej danych, dowiedz się, kto będzie korzystał z jakiego rodzaju danych i jak w to wszystko wpisuje się AI. Następnie wprowadź odpowiednie mechanizmy zarządzania, aby upewnić się, że chronisz swoje dane.
Na koniec, jakich rad mógłbyś udzielić przedsiębiorcom i liderom technologicznym, którzy chcą wykorzystać sztuczną inteligencję do przyspieszenia cyfrowej transformacji swoich organizacji?
Nie zwlekajcie. Zacznijcie działać już teraz. To naprawdę imponujące, jak wiele można osiągnąć, mając dosłownie dwóch inżynierów i sensowny pomysł na użycie AI. Znam firmę, w której jeden inżynier w kilka dni zbudował nakładkę na ChatGPT, aby umożliwić całej dużej organizacji łatwe przyjęcie podobnych modeli językowych. W ten sposób znacznie przyspieszył proces i umożliwił kontrolę nad tym, jak pracownicy używają na co dzień z ChatGPT.
W niemal każdej branży zawsze istnieje konkurencja. Tak więc korzystanie ze sztucznej inteligencji lub próba poznania sztucznej inteligencji faktycznie przyspieszą czas wprowadzania produktów i usług na rynek, zwiększą produktywność i zapewnią przewagę konkurencyjną. Naprawdę nie ma na co czekać. A jeśli uważasz, że trudno jest zacząć, istnieje wiele firm, które mogą zapewnić potrzebne wsparcie.
Dziennikarz Business Insider Polska. Technologie i AI, inwestowanie, biznes
Więcej artykułów tego autora