مع دخولنا النصف الثاني من عام 2024، يشهد مشهد الذكاء الاصطناعي تحولًا جذريًا. بدأت الحماسة الأولية التي تلت إطلاق OpenAI لـ ChatGPT – الذي أصبح أسرع منتج في التاريخ يجذب 100 مليون مستخدم – في الانحسار. نحن في مرحلة الانتقال من عصر الضجيج غير المنضبط إلى واقع جديد، حيث تواجه الشركات تحديات في كيفية تطبيق تقنيات الذكاء الاصطناعي في المنتجات الحقيقية.
أثارت تصريحات المدير التنفيذي لشركة OpenAI، سام التمان، حول "الذكاء السحري في السماء" حماسًا كبيرًا بين مطوري وادي السيليكون، مما جعل كثيرين يعتقدون أننا على حافة تحقيق الذكاء العام الاصطناعي (AGI). لكن مع تقدم عام 2024، بدأت رواية أكثر توازنًا في الظهور، حيث تتبنى الشركات الواقعية نهجًا محسوبًا لتطبيق الذكاء الاصطناعي.
ومع أن النماذج اللغوية الكبيرة، مثل GPT-4، قوية للغاية، إلا أن الذكاء الاصطناعي التوليدي عمومًا لم يرق إلى توقعات وادي السيليكون. فقد توقفت أداءات هذه النماذج، مما أدى إلى مواجهة تحديات مستمرة في الدقة المعلوماتية. القضايا القانونية والأخلاقية تزداد، كما أن البنية التحتية وحالات استخدام الأعمال أثبتت أنها أكثر تعقيدًا مما كان متوقعًا. من الواضح أننا لسنا في مسار مباشر نحو AGI كما كان يأمل البعض. حتى الوعود الأكثر تواضعًا، مثل الوكلاء الذكيين، تواجه قيودًا كثيرة.
الآن، تركز الشركات على كيفية الاستفادة من القدرات الأساسية للنماذج اللغوية الكبيرة المتاحة بالفعل. هذا التحول من الضجيج إلى الواقع يبرز من خلال ستة نقاشات حاسمة تشكل مشهد الذكاء الاصطناعي. هذه النقاشات تمثل خطوط fault بين المؤمنين المتحمسين بالذكاء الخارق و أولئك الذين يدعون إلى نهج أكثر واقعية في اعتماد الذكاء الاصطناعي. إن فهم هذه النقاشات مهم جدًا لقادة المؤسسات، حيث هناك مخاطر كبيرة على الشركات التي تسعى لاستغلال هذه التقنية القوية.
لا تفهمني بشكل خاطئ، فإن معظم قادة المؤسسات لا يزالون يؤمنون بأن التكنولوجيا قد حققت بالفعل فوائد عميقة. خلال جولتنا الأخيرة في تأثير الذكاء الاصطناعي، حيث عُقدت اجتماعات وفعاليات مع شركات Fortune 500 في جميع أنحاء البلاد، ناقش القادة بصراحة جهودهم في الاستفادة من وعد الذكاء الاصطناعي.
لكن هذه النقاشات الست ستكون محور النقاشات في حدث VB Transform القادم، المقرر في الفترة من 9 إلى 11 يوليو في قلب منطقة SOMA في سان فرانسيسكو. لقد قمنا بتنظيم الحدث بناءً على محادثات شاملة مع مسؤولي أكبر الشركات في مجال الذكاء الاصطناعي.
قائمة المتحدثين تشمل ممثلين من عمالقة الصناعة مثل OpenAI، Anthropic، Nvidia، Microsoft، Google، وAmazon، بالإضافة إلى قادة الذكاء الاصطناعي من شركات Fortune 500 مثل Kaiser Permanente وWalmart وBank of America.
المناظرات والنقاشات الحية في Transform تعد بالكشف عن هذه القضايا الحرجة، مما يوفر للمشاركين فرصة فريدة للتفاعل مع القادة في مقدمة تنفيذ الذكاء الاصطناعي في المؤسسات.
لنستعرض الآن النقاشات الست:
1. سباق النماذج اللغوية الكبيرة: هل نقترب من الاستقرار؟
إن سباق تطوير النماذج اللغوية الكبيرة الأكثر تقدمًا كان ميزة حاسمة في مشهد الذكاء الاصطناعي منذ ظهور GPT-3 من OpenAI. ومع دخولنا النصف الثاني من عام 2024، يبرز سؤال كبير: هل انتهى سباق النماذج اللغوية الكبرى؟
الإجابة تبدو نعم، على الأقل في الوقت الحالي.
هذا الأمر مهم لأن الفوارق بين النماذج اللغوية الكبرى قد أصبحت غير ملحوظة بشكل متزايد، مما يعني أن الشركات الآن تستطيع الاختيار بناءً على السعر والكفاءة والتناسب مع الاستخدام المحدد بدلاً من مطاردة "أفضل" نموذج.
في عام 2023، شهدنا سباقًا دراماتيكيًا. تقدمت OpenAI بإطلاق GPT-4 في مارس، مما عرض تحسنات ملحوظة في التفكير وقدرات متعددة النماذج والتحدث بالعديد من اللغات. كان من المتوقع أن يستمر الأداء في التحسن مع إضافة المزيد من البيانات إلى هذه النماذج. لفترة من الزمن، بدا أنها كانت محقة.
لكن في عام 2024، تباطأ الإيقاع بشكل ملحوظ. على الرغم من الوعود الضبابية التي قدمها التمان، اعترفت مديرة العمليات في الشركة، ميرا مورات، في منتصف يونيو بأن OpenAI ليس لديها شيء جديد في مختبراتها يفوق ما هو معلن عنه حاليًا.
الآن، نرى علامات واضحة على الاستقرار. يبدو أن OpenAI قد واجهت حائطًا، ونجحت منافستها Anthropic في إطلاق Claude 3.5 Sonnet، الذي يتفوق على GPT-4 في العديد من المقاييس. والجدير بالذكر أن Claude لم يتمكن من التقدم كثيرًا؛ إنه أفضل بشكل تدريجي فحسب. على نحو أكثر دلالة، فإن Sonnet يعتمد على أحد النماذج الأصغر لـ Anthropic، وليس على نموذجه الأكبر Opus، مما يوحي بأن كميات ضخمة من البيانات التدريبية لم تؤدّ بالضرورة إلى تحسينات، ولكن الكفاءة وتعديل النماذج الأصغر كانت هي الأساس.
كتب أرفيند نارايانان، أستاذ علوم الحاسوب في جامعة برينستون، الأسبوع الماضي أن الرأي الشائع بأن توسيع النماذج يسير في طريق تحقيق AGI "يعتمد على سلسلة من الأساطير وسوء الفهم"، وأنه لا يكاد يكون هناك فرصة أن يؤدي هذا التوسع وحده إلى AGI.
بالنسبة لقادة المؤسسات، فإن هذا الاستقرار له تداعيات كبيرة. فهذا يعني أنه يجب عليهم الاستفادة من أفضل النماذج اللغوية الكبيرة الفردية وفقًا لأغراضهم المحددة - والآن هناك المئات من هذه النماذج اللغوية الكبيرة المتاحة. لا يوجد نموذج "وحيد سحري" سيتفوق على الجميع. بينما يفكرون في خيارات نماذجهم اللغوية الكبيرة، ينبغي على المؤسسات النظر في النماذج اللغوية المفتوحة، مثل تلك المعتمدة على Llama من Meta أو Granite من IBM، التي توفر تحكمًا أكبر وتسمح بتعديل أكثر سهولة لتناسب حالات الاستخدام المحددة.
في VB Transform، سنتعمق أكثر في هذه الديناميات مع المتحدثين الرئيسيين مثل أوليفييه جوديمون، رئيس API للمنتجات في OpenAI؛ وجاريد كابلان، كبير العلماء ومؤسس شركة Anthropic؛ وكوليت ستالباومر، المديرة العامة لمشروع Copilot في Microsoft؛ وديفيد كوكس، نائب الرئيس لنماذج الذكاء الاصطناعي في IBM؛ وياسمين أحمد، المديرة التنفيذية في Google Cloud.
2. دورة ضجيج AGI: قمة أم قاع؟
مع تباطؤ وتيرة الانتصارات في النماذج اللغوية الكبيرة، يظهر سؤال أكبر: هل وصلنا إلى قمة التوقعات المبالغ فيها في دورة ضجيج AGI؟
إجابتنا: نعم.
هذا مهم لأن الشركات يجب أن تركز على الاستفادة من قدرات الذكاء الاصطناعي الموجودة لتطبيقاتها الواقعية، بدلاً من مطاردة وعود AGI.
أطلق إطلاق ChatGPT موجة من الحماس حول إمكانيات الذكاء الاصطناعي. تفاعلاته البشرية، المدعومة بكميات هائلة من بيانات التدريب، أعطت وهم الذكاء الحقيقي. هذا الاختراق رفع من مكانة التمان إلى مرتبة المعلم في عالم التقنية.
احتضن التمان هذا الدور، وأطلق تصريحات عظيمة حول مستقبل الذكاء الاصطناعي. في نوفمبر 2023، عند إطلاق GPT-4 Turbo، زعم أنه سيبدو "ساذجًا" مقارنة بما يجري تطويره. وأشار إلى أن AGI ممكن في السنوات القليلة المقبلة. أثارت هذه التصريحات حماسًا هائلًا بين ما يمكن أن نسميهم المتحمسين المسحورين في وادي السيليكون.
ومع ذلك، بدأ هذا السحر يتلاشى. كان طرد التمان من مجلس إدارة OpenAI في أواخر عام 2023 (على الرغم من أنه كان مؤقتًا) أول تصدع في الدرع. مع دخولنا عام 2024، بدأت تصريحه بأن AGI قريب يبدو أقل إقناعًا - حيث تم تعديل توقعاته، مما أكد حاجته لمزيد من الانتصارات. في فبراير، قال التمان إن AGI قد يتطلب استثمارًا يصل إلى 7 تريليون دولار.
ضيّقت المنافسة الفجوة مع LLM الرائدة من OpenAI، ولم تتحقق التحسينات المستمرة التي توقعها الكثيرون. زادت تكلفة تغذية المزيد من البيانات إلى هذه النماذج، بينما تستمر الأخطاء المنطقية المتكررة والهلاوس في الظهور. هذا مما جعل الخبراء، مثل يان لوكون، كبير العلماء في Meta، وآخرين، يجادلون بأن النماذج اللغوية الكبيرة هي تشتيت كبير و"منحدر" من AGI الحقيقي. يرى لوكون أنه بينما تعتبر النماذج اللغوية الكبيرة مثيرة للإعجاب في قدرتها على معالجة النصوص وتوليدها، فإنها تفتقر إلى الفهم الأساسي والقدرات العقلانية المطلوبة لـ AGI.
لكن هذا لا يعني أن الضجيج قد تلاشى تمامًا. لا يزال هناك حمى الذكاء الاصطناعي في بعض دوائر وادي السيليكون، كما يتجلى في الفيديو passionate الذي استمر أربع ساعات من ليوبولد أشتنبرينر، موظف سابق في OpenAI، والذي جادل بأن AGI يمكن أن يصل خلال ثلاث سنوات.
لكن العديد من المراقبين المخضرمين، بما في ذلك نارايانان من برينستون، يشيرون إلى عيوب خطيرة في مثل هذه الحجج. إن هذه المنظور الأكثر توازنًا هو ما يجب على معظم الشركات اعتماده.
في محادثات مع قادة الذكاء الاصطناعي في الشركات - من شركات مثل Honeywell، Kaiser Permanente، Chevron وVerizon - لقد سمعت باستمرار أن واقع تطبيق الذكاء الاصطناعي أكثر تعقيدًا وتوازنًا مما يوحي به الضجيج.
بينما لا يزال القادة متحمسين لإمكاناته، من المهم عدم الانجراف وراء فكرة أن الذكاء الاصطناعي يتطور بسرعة كبيرة لدرجة أن الجيل التالي من التكنولوجيا سيحل مشاكل الجيل الحالي، كما يقول ستيف جونز، نائب الرئيس في كابجمني، شركة تساعد الشركات على اعتماد الذكاء الاصطناعي. يجب أن تضع الضوابط الآن لاستغلاله بشكل جيد: "سواء كان 20% أو 50% من القرارات ستُتخذ بواسطة الذكاء الاصطناعي في السنوات الخمس المقبلة. لا يهم"، قال في مقابلة إعلامية. النقطة هي أن نجاح مسيرتك المهنية يعتمد على نجاح هذا الخوارزم، كما يقول، وأن منظمتك تعتمد عليك لفهم كيفية عمله وضمانه يعمل بشكل جيد.
"هناك كل تلك الأحاديث حول AGI التي تجري"، قال مشيرًا إلى استمرار الضجيج بين مطوري وادي السيليكون الذين لا يركزون حقًا على النشر في المؤسسات. ولكن الذكاء الاصطناعي "أكثر من تغيير تنظيمي منه تغيير تقني"، كما قال، مضيفًا أن الشركات بحاجة إلى استغلال والسيطرة على التقدم الحقيقي والأساسي الذي توفره النماذج اللغوية الكبيرة بالفعل.
تسمح الشركات الكبيرة لمزودي النماذج بالقيام بعبء التدريب، بينما تركز على تحسين النماذج لأغراضها المحددة. هذا النهج الأكثر واقعية ينعكس في قادة القطاعات المالية والصحية والتجزئة الذين نتابعهم.
على سبيل المثال، في JPMorgan Chase وCiti وWells Fargo وغيرها من البنوك التي تحدثت معها، يتم التركيز على استخدام الذكاء الاصطناعي لتعزيز وظائف مصرفية معينة، مما يؤدي إلى تطبيقات عملية في اكتشاف الاحتيال، وإدارة المخاطر وخدمة العملاء.
في القطاع الصحي، تقدم الدكتورة آشلي بيكي، المديرة الطبية لعمليات الذكاء الاصطناعي في نظام مستشفى نيويورك-برايتون، مثالًا آخر عن كيف تتم توجيه الرؤى الكبيرة من خلال التطبيقات العملية للذكاء الاصطناعي. بينما تتصور ذكاءً اصطناعيًا يعرف كل شيء عن المريض، تقول إن المستشفى تبدأ بتطبيقات أكثر عملية مثل تقليل العبء الإداري على الأطباء من خلال تسجيل وزيادة اجتماعات المرضى.
تُشير بيكي إلى أن الكثير من القدرات التقنية للإصدار الأكثر طموحًا من الذكاء الاصطناعي موجودة، ولكن الأمر يتعلق بضبط سير العمل والعمليات الداخلية للسماح بحدوث ذلك، أو ما تسميه "إدارة التغيير". هذا سيتطلب الكثير من العمل والاختبارات، كما اعترفت، وسيتطلب أيضًا مشاركة الأفكار من قبل المنظمات الصحية الوطنية، حيث سيستلزم تغييرًا هيكليًا أكبر يتجاوز مستشفاها.
في VB Transform، سنستكشف هذا التوتر بين ضجيج AGI والواقع العملي مع المتحدثين من جميع أنحاء طيف الصناعة، مما يوفر للمشاركين نظرة واضحة على أين تقف إمكانيات الذكاء الاصطناعي حقًا وكيف يمكن استخدامها بشكل فعال في المؤسسات. سيتحدث متحدثون مثل جاريد كابلان، كبير العلماء في Anthropic، عن الحالة الحالية لإمكانات الذكاء الاصطناعي والتحديات المقبلة. سنسمع أيضًا من قادة المؤسسات الذين ي Navigating this post-hype landscape بنجاح، بما في ذلك نهونج هو من Intuit وبيل براون، المدير التقني في Chevron.
3. اختناقات GPU: واقع البنية التحتية
هل هناك اختناق في وحدات معالجة الرسومات (GPU) يؤثر على توسيع نطاق الذكاء الاصطناعي؟ إجابتنا: نعم، لكن الأمر أكثر تعقيدًا مما توحي به العناوين.
لماذا هذا مهم: تحتاج الشركات إلى التخطيط استراتيجيًا لاستثماراتها في بنية الذكاء الاصطناعي، مما يوازن بين الاحتياجات الفورية وقابلية التوسع على المدى الطويل.
أدت الطفرة في تطوير الذكاء الاصطناعي إلى زيادة غير مسبوقة في الطلب على أجهزة محددة، خاصة وحدات معالجة الرسومات (GPUs)، التي تساعد في تشغيل تطبيقات الذكاء الاصطناعي. شهدت Nvidia، الشركة الرائدة في تصنيع وحدات معالجة الرسومات، ارتفاعًا هائلًا في قيمتها السوقية لتتجاوز 3 تريليونات دولار، مما يجعلها واحدة من أكثر الشركات قيمة في العالم. أدى هذا الطلب إلى أزمة في العرض، مما زاد التكاليف وزاد من أوقات الانتظار لهذه البنية التحتية الحيوية للذكاء الاصطناعي.
ومع ذلك، فإن هذا الاختناق ليس موحدًا عبر جميع تطبيقات الذكاء الاصطناعي. بينما يتطلب تدريب النماذج الكبيرة طاقة حاسوبية هائلة، تركز العديد من حالات الاستخدام المؤسسية على الاستنتاج – تشغيل نماذج مدربة مسبقًا لتوليد المخرجات. بالنسبة لهذه التطبيقات، قد تكون المتطلبات المادية أقل تطلبًا.
يقول جوناثان روس، الرئيس التنفيذي لشركة Groq، وهي شركة تطور رقائق ذكاء اصطناعي مبتكرة، إن الاستنتاج يمكن أن يتم بشكل فعال على الأجهزة غير المستخدمة لوحدات معالجة الرسومات. تعد وحدات المعالجة اللغوية من Groq (LPUs) بزيادة كبيرة في الأداء لبعض المهام الذكية. كما تدخل شركات ناشئة أخرى هذه المساحة، متحدية هيمنة Nvidia وقد تساعد في تخفيف اختناق GPU.
على الرغم من هذه التطورات، تشير الاتجاهات العامة إلى زيادة المطالب الحاسوبية. تقوم مختبرات الذكاء الاصطناعي وشركات السحاب الكبرى التي تقوم بتدريب نماذج متقدمة ببناء مراكز بيانات ضخمة، وقد انضمت بعض الشركات إلى ما أسميه "نادي GPU البالغ 500K". هذه الحروب التسلحية تُعزز الاهتمام بالتقنيات البديلة مثل الحوسبة الكمومية والبصريات وحتى الحمض النووي الاصطناعي للتخزين البيانات لدعم توسيع الذكاء الاصطناعي.
ومع ذلك، فإن معظم الشركات الكبرى لا تجد نفسها مقيدة بتوافر وحدات معالجة الرسومات. معظمها سيستخدم فقط Azure وAWS وسحاب Google GCP، مما يسمح لهؤلاء اللاعبين الكبار بتحمل تكاليف بناء وحدات معالجة الرسومات.
خذ شركة Intuit، واحدة من أولى الشركات التي اعتنقت الذكاء الاصطناعي التوليدي بجدية العام الماضي. أخبرتني نهو نغ هو، نائب رئيس الذكاء الاصطناعي في الشركة، الأسبوع الماضي أن الشركة لا تحتاج إلى أحدث وحدات معالجة الرسومات لعملها. "هناك الكثير من وحدات معالجة الرسومات الأقدم التي تعمل بشكل جيد"، قالت نغ هو. "نحن نستخدم تقنية عمرها ست أو سبع سنوات... وتعطي نتائج رائعة". وهذا يوحي أنه بالنسبة للعديد من التطبيقات المؤسسية، يمكن أن تساعد الحلول الإبداعية والهياكل الفعالة في تخفيف الاختناق في الأجهزة.
في VB Transform، سنتناول هذه التحديات المتعلقة بالبنية التحتية بعمق. سيتحدث المتحدثين مثل جوناثان روس من Groq، ونيك سبيرين من Nvidia، وجيمي غارسيا، مدير خوارزميات الكم في IBM، وKirk Bresniker، كبير المهندسين في HPE عن المشهد المتطور لأجهزة الذكاء الاصطناعي. سنسمع أيضًا من مزودي السحاب العقلاء مثل AWS الذين يعملون على تحسين البرمجيات لتعظيم الإمكانيات الحالية للأجهزة.
4. حقوق المحتوى وتدريب النماذج اللغوية الكبيرة: تحديات قانونية قادمة
هل كل المحتوى على الويب حر للاستخدام في تدريب النماذج اللغوية الكبيرة؟
إجابتنا: لا، وهذا يقدم تحديات قانونية وأخلاقية كبيرة.
لماذا هذا مهم: تحتاج الشركات إلى أن تكون واعية للمشاكل المحتملة المتعلقة بحقوق النشر والخصوصية عند نشر نماذج الذكاء الاصطناعي، حيث أن المشهد القانوني يتطور بسرعة.
أصبحت البيانات المستخدمة في تدريب النماذج اللغوية الكبيرة قضية مثيرة للجدل، مع تداعيات كبيرة على مطوري الذكاء الاصطناعي ومستخدمي المؤسسات على حد سواء. قدمت صحيفة New York Times ومركز الأبحاث الاستقصائية دعاوى ضد OpenAI، متهمة الشركة باستخدام محتواها بشكل غير مصرح به للتدريب، وهذه ليست سوى قمة الجليد.
تسليط الضوء على هذه المعركة القانونية يثير سؤالًا حيويًا: هل تمتلك شركات الذكاء الاصطناعي الحق في جمع واستخدام المحتوى عبر الإنترنت للتدريب دون إذن صريح أو تعويض؟ الإجابة غير واضحة، ويشير الخبراء القانونيون إلى أن الأمر قد يستغرق ما يصل إلى عشر سنوات لحل هذه المسألة بالكامل في المحاكم.
بينما تقدم العديد من شركات الذكاء الاصطناعي تعويضًا للأعمال التي تستخدم خدماته، فإن هذا لا يحمي الشركات تمامًا من المخاطر القانونية المحتملة. الحالة معقدة أكثر بسبب ظهور محركات البحث التي تعمل بالذكاء الاصطناعي وأدوات التلخيص. واجهت Perplexity AI، على سبيل المثال، انتقادات لتلخيص المقالات المحمية، مما أدى إلى شكوى من Forbes تتهم بانتهاك حقوق النشر.
بصفتي مؤسس وسيلة إعلامية، لدي مصلحة في هذا النقاش. يعتمد نموذج أعمالنا، مثل العديد من الناشرين، على المشاهدات والإعلانات. إذا كان بإمكان نماذج الذكاء الاصطناعي تلخيص محتوىنا بحرية دون جذب الزوار إلى موقعنا، فإنه يهدد قدرتنا على تحقيق الربح من عملنا. هذه ليست فقط مشكلة للعمالقة الإعلامية، بل لأي منشئ محتوى.
أي مؤسسة تستخدم نماذج الذكاء الاصطناعي المدربة على بيانات الويب قد تواجه تحديات قانونية. يجب على الشركات فهم مصدر البيانات المستخدمة في تدريب نماذج الذكاء الاصطناعي التي تنشرها. وهذا أيضًا أمر رئيسي لشركات المالية والمصرفية، التي تواجه لوائح كبيرة تتعلق بالخصوصية واستخدام المعلومات الشخصية.
تتخذ بعض الشركات خطوات استباقية لمعالجة هذه القضايا. على جانب التدريب، تتسابق OpenAI لعقد صفقات مع الناشرين والشركات الأخرى. تفيد التقارير بأن Apple قد أبرمت صفقات مع ناشري الأخبار لاستخدام محتواهم لتدريب الذكاء الاصطناعي. قد يحدد هذا سابقة لكيفية تعاون شركات الذكاء الاصطناعي ومنشئي المحتوى في المستقبل.
في VB Transform، سنستكشف هذه التعقيدات القانونية بعمق. سيشارك أرافيند سرينيفاس، الرئيس التنفيذي لشركة Perplexity AI، رؤى حول كيفية التنقل في هذه التحديات. سنسمع أيضًا من قادة المؤسسات حول كيفية اقترابهم من هذه القضايا في استراتيجيات الذكاء الاصطناعي الخاصة بهم.
5. تطبيقات الذكاء الاصطناعي: Transforming edges, not cores
هل تقوم تطبيقات الذكاء الاصطناعي بتحويل العروض الأساسية لمعظم الشركات المؤسسات؟
إجابتنا: لا، ليس بعد.
لماذا هذا مهم: بينما يُعتبر الذكاء الاصطناعي مُحدثًا، فإن تأثيره حاليًا أكثر وضوحًا في تعزيز العمليات الحالية بدلاً من ثورة نماذج الأعمال الأساسية.
تروي السرد حول الذكاء الاصطناعي غالبًا قصة تتعلق بتحول شامل ووشي للشركات. ومع ذلك، تخبرنا الحقيقة على الأرض قصة مختلفة. تجد معظم الشركات نجاحًا في تطبيق الذكاء الاصطناعي على الوظائف المحيطية بدلاً من إعادة هيكلة عروضها الأساسية.
تشمل التطبيقات الشائعة:
دردشة دعم العملاء
مساعدين قاعدة المعرفة للموظفين
مواد تسويقية مولدة
أدوات توليد وتصحيح البرمجيات
تدفع هذه التطبيقات مكاسب كبيرة في الإنتاجية وكفاءة العمليات. ولكنها لا تؤدي بعد إلى المكاسب الكبيرة في الإيرادات أو تحولات نماذج الأعمال التي توقعها البعض.
قال التنفيذيون في الشركات التجزئة مثل Albertsons وAB InBev إنهم يبحثون بشغف عن طرق للتأثير على نموذجهم الأساسي، مجربين "نماذج التطبيقات الكبيرة" للتنبؤ بأنماط شراء العملاء. في صناعة الأدوية، هناك أمل في أن يمكن أن يُسرع الذكاء الاصطناعي الاكتشافات الدوائية، على الرغم من أن التقدم كان أبطأ مما يدركه الكثيرون.
تقدم Intuit مثالًا مثيرًا للاهتمام هنا أيضًا. يقترب عملها، القائم على الضرائب ورموز الأعمال والمصطلحات، من التطبيقات اللغوية القوية التي توفرها النماذج اللغوية الكبيرة، مما يفسر سبب قفز Intuit بسرعة، معلنة عن نظام تشغيل الذكاء الاصطناعي التوليدي (GenOS) قبل عام. يتكامل مع مساعدات الذكاء الاصطناعي عبر منتجات مثل TurboTax وQuickBooks وMailchimp. ومع ذلك، لا يتركز استخدام الذكاء الاصطناعي على المساعدة للعملاء، مثلما يستخدم الجميع الذكاء الاصطناعي.
وجهة نظر Apple مثيرة للاهتمام. يرون الذكاء الاصطناعي كميزة، لا كمنتج – على الأقل في الوقت الحالي. تعكس هذه الموقف الحالة الحالية للذكاء الاصطناعي في العديد من المؤسسات: أداة قوية لتحسين الأداء بدلاً من ثورة مستقلة.
تجسد كارولين أرنولد، نائبة رئيس التنفيذ في StateStreet، البنك الرئيسي في بوسطن، هذا الشعور بأن الذكاء الاصطناعي التوليدي يتعلق بمكاسب الإنتاجية، لكنه ليس محرك نجاح أساسي للإيرادات. في الحدث الذي أقيم في بوسطن في مارس، سلطت الضوء على إمكانيات الذكاء الاصطناعي: "ما يتيح لك الذكاء الاصطناعي التوليدي هو التفاعل بطريقة طبيعية جدًا مع كميات كبيرة من البيانات، وفي الوقت الحقيقي، وبناء السيناريوهات... بطريقة تأخذ منك المزيد من الوقت بالطرق التقليدية."
بينما كان روبوت الدردشة الجديد من البنك المدمج بالذكاء الاصطناعي يتفوق سريعًا على مكتب المساعدة الحالي، إلا أنه لم يكن خالياً من التحديات. في بعض الأحيان عرض الروبوت "إجابات غريبة"، مما تطلب تعديلًا. بعد أربعة أشهر، لم تطلق StateStreet تطبيقاتها للجمهور بعد، مما يبرز تعقيدات اعتماد الذكاء الاصطناعي التوليدي في المؤسسات حتى في الأطراف.
في VB Transform، سنستكشف هذه الحقيقة المتنوعة مع متحدثين مثل نهو نغ هو، نائب رئيس الذكاء الاصطناعي في Intuit، وبيل براون، المدير التنفيذي للتقنية في Chevron، ودانيال يانغ، نائب رئيس الذكاء الاصطناعي في Kaiser Permanente، وديزيريه غوسبي، نائبة رئيس Walmart، وكريستيان ميتشيل، نائب رئيس Northwestern. سيشاركون انطباعاتهم حول كيفية دمج الذكاء الاصطناعي في عملياتهم وأين يرون التأثيرات الأكثر أهمية.
6. الوكلاء الذكيون: الحد الفاصل أو الضجيج المبالغ فيه؟
هل سيكون الوكلاء الذكيون هم مستقبل الذكاء الاصطناعي؟
إجابتنا: نعم، لكن مع شروط.
لماذا هذا مهم؟ يمثل الوكلاء الذكيون خطوة محتملة للأمام في الأتمتة واتخاذ القرارات، لكن قدراتهم الحالية غالبًا ما تكون مبالغ فيها.
قد أسره مفهوم الوكلاء الذكيين – الأنظمة المستقلة التي يمكن أن تقوم بمهام أو تتخذ قرارات مع الحد الأدنى من التدخل البشري – العديد من العاملين في عالم التقنية. بعضهم، مثل ليوبولد أشتنبرينر الموظف السابق في OpenAI، يتخيل مستقبلًا ليس ببعيد حيث يعمل مئات الملايين من الوكلاء الذكيين المناسبين في مختلف جوانب حياتنا. هذا، بدوره، سيضغط عقدًا من التقدم الخوارزمي في عام واحد أو أقل: "سننتقل بسرعة من مستوى الإنسان إلى أنظمة ذكاء اصطناعي تتجاوز الإنسانية بشكل كبير"، كما يجادل.
ومع ذلك، يعتقد معظم الأشخاص الذين تحدثت معهم أن هذا حلم بعيد. إن الحالة الحالية للوكلاء الذكيين هي، في الواقع، متواضعة أكثر بكثير مما توقعه المتحمسون في وادي السيليكون قبل عام، عندما انفجرت الحماسة حول Auto-GPT، وهو إطار عمل يسمح لك فعليًا ببدء شركة خاصة بك. في حين أن هناك حالات استخدام واعدة في مجالات مثل خدمة العملاء وأتمتة التسويق، لا تزال الوكلاء الذكيين المستقلين في مراحلها الأولى، وتواجه الكثير من التحديات للحفاظ على استمرارية أدائها في المهام.
تشمل التطبيقات الناشئة الأخرى للوكلاء الذكيين:
تخطيط الرحلات والحجز
بحث وشراء المنتجات عبر الإنترنت
مساعدات البرمجة الآلية
خوارزميات التجارة المالية
غالبًا ما تستخدم هذه الوكلاء نموذج لغوي رائد لتنظيم العملية، مع وكلاء فرعيين يتعاملون مع مهام محددة مثل البحث على الويب أو المدفوعات. لكنها لا تزال بعيدة عن الأنظمة العامة المستقلة تمامًا، التي يراها البعض.
نهج Intuit تجاه الوكلاء الذكيين يقدم درسًا. كشفت نهو نغ هو أن Intuit طورت بنية تحتية لدعم الأطر الوكيلة، لكنها أوقفت الاستثمار في هذا المجال. تنتظر Intuit نضوج التقنية قبل دمجها بالكامل في منتجاتها.
هذا النهج الحذر يعكس المشاعر الأوسع للقطاع. بينما تُظهر الوكلاء الذكيون وعودًا، إلا أنهم ليسوا بعد موثوقين أو مرنين بما يكفي لاعتماد واسع النطاق في الأدوار الحيوية.
في VB Transform، سنستعرض الحالة الحالية والاحتملات المستقبلية للوكلاء الذكيين. سيتحدث متحدثون مثل إيتامار فريدمان، الرئيس التنفيذي لشركة Codium AI، التي تطور وكيل برمجة مستقل، وجيري ليو، الرئيس التنفيذي لشركة LlamaIndex، حول هذه التكنولوجيا الناشئة.
الخاتمة: التنقل في مشهد الذكاء الاصطناعي في عام 2024 وما بعده
كما استكشفنا النقاشات الست الحاسمة التي تشكل استراتيجية المؤسسات في عام 2024، يظهر موضوع واضح: الانتقال من الضجيج إلى التنفيذ العملي. النقاط الأساسية لقادة المؤسسات هي:
لقد استقر سباق النماذج اللغوية الكبيرة: التركيز على اختيار النماذج بناءً على الاستخدامات المحددة والكفاءة من ناحية التكلفة وسهولة التكامل بدلاً من مطاردة "أفضل" نموذج.
ضجيج AGI يتراجع، والذكاء الاصطناعي العملي يتزايد: يجب أن يكون التركيز الفوري على الاستفادة من قدرات الذكاء الاصطناعي الحالية لتحقيق نتائج ملموسة في الأعمال.
تتطلب التحديات المتعلقة بالبنية التحتية حلولًا إبداعية: استكشاف حلول أجهزة بديلة وتحسين تدفقات الذكاء الاصطناعي لتعظيم الكفاءة على الأجهزة الحالية.
تعتبر الاعتبارات القانونية والأخلاقية ذات أهمية قصوى: يجب فحص مزودي الذكاء الاصطناعي بعناية وفهم مصدر بيانات التدريب التي يستخدمونها للتخفيف من المخاطر القانونية.
ركز على تعزيز الوظائف الأساسية، وليس استبدالها: ابحث عن الفرص لدمج الذكاء الاصطناعي في دعم العملاء، ومساعدة الموظفين، وتحسين الكفاءة التشغيلية.
تظهر الوكلاء الذكيون وعودًا، لكنهم ليسوا جاهزين بعد: بناء البنية التحتية لدعم الأطر الوكيلة، لكن كن مستعدًا للانتظار حتى تنضج التكنولوجيا قبل التنفيذ الكامل.
لا تحدث الثورة الحقيقية للذكاء الاصطناعي في مختبرات البحث التي تسعى لتحقيق AGI، بل في المكاتب في جميع أنحاء العالم حيث يتم دمج الذكاء الاصطناعي في العمليات اليومية. كما قال ستيف جونز من Capgemini، "الذكاء الاصطناعي هو أكثر من تغيير تنظيمي من أن يكون تغييرًا تقنيًا."
بينما نقترب من VB Transform ونبدأ النصف الثاني من العام، تذكر أن أقوى تنفيذ للذكاء الاصطناعي قد لا يجذب العناوين. قد يكون هو الذي يوفر لفريق خدمة العملاء لديك بضع ساعات يوميًا أو يساعد مطوريك في اكتشاف الأخطاء بسرعة أكبر. لم يعد السؤال "هل سيتغير كل شيء بفعل الذكاء الاصطناعي؟"، بل "كيف يمكننا استغلال الذكاء الاصطناعي لنؤدي ما نقوم به بشكل أفضل؟" هذا ما سيفصل القادة في مجال الذكاء الاصطناعي عن المتأخرين في السنوات القادمة.
وهذه هي المحادثة التي أعتقد أنها ستسود في VB Transform.
قائمة الترتيب
