生成AI的迅速崛起在全球範圍內引發了企業和消費者的熱烈討論與擔憂。然而,這股熱潮如今已轉向對建立包容性AI生態系統的建設性討論。NVIDIA、Hugging Face和Anyscale等公司正在開發應用程序和框架,以支持更民主的AI和機器學習方法。McKinsey預測,生成AI每年可能為全球經濟貢獻高達4.4萬億美元。
每個企業都有機會參與這場AI轉型。為了有效利用新興的AI和ML平台,領導者必須積極與客戶合作,支持他們的AI旅程。
創建可持續的AI和ML系統
儘管生成AI迅速增長,但我們仍處於其整合的初期。負責任且受到控管的AI和ML應用能為客戶提供更好的結果,並在快節奏的環境中支持可持續增長。以下是CIO和利益相關者促進開放AI生態系統的一些重要步驟:
1. 擁抱私人AI
組織探索如何負責任地加速AI和ML的採用。私人AI使企業在滿足隱私和合規需求的同時,享受到AI的好處。VMware與NVIDIA合作,提供一個完整的解決方案,具備一致的混合雲環境所需的整合基礎設施和AI工具。此外,客戶還可以利用IBM watsonx AI和數據平台與VMware私人AI一起實施生成AI解決方案。與Intel的合作也幫助客戶充分利用現有基礎設施和開源軟件,簡化AI模型的開發和部署。
2. 建立普遍的AI標準
標準與道德指導方針對每個行業都是至關重要的。聯合國教科文組織最近發佈的《人工智能倫理建議》為企業推動AI的公平性、問責制和透明性樹立了先例。通過制定明確的倫理原則,利益相關者可以促進更公平的生成AI生態系統。
3. 促進開放協作
隨著企業對AI基礎模型的實驗,數據和編碼技術的共享促進了更廣泛的創新。VMware團隊為我們的GitLab代碼調整了Hugging Face的SafeCoder,展示了協作如何加強AI的開發。
應對挑戰與建立信任
生成AI工具能夠使組織創新並提升其產品,但仍面臨多個挑戰:
1. 開發可負擔的AI模型
訓練生成AI模型的成本高昂且複雜。企業希望以實惠的方式創建定制的AI模型。例如,深度學習公司Lambda指出,訓練一個如GPT-3這樣的大型語言模型可能需花費數百萬美元。為了對抗不斷上升的成本,CIO們正轉向開源軟件以創建更小且針對特定任務優化的模型。
2. 民主化AI專業知識
建立有效AI模型所需的專業人才稀缺,這使得組織難以適應。簡化AI模型的創建和訓練至關重要。參考架構可以為擁有有限內部專業知識的企業提供必要的指導。
3. 從風險過渡到信任
當前的生成AI模型存在多種風險,包括安全漏洞和知識產權侵權。組織之間正在合作解決隱私、數據完整性和偏見等問題。開源社區正在開創負責任地訓練和部署AI模型的方法,從而增強對生成AI的信任。
生成AI的新規範將不斷演變,利益相關者必須今天就建立穩定的基礎。
共同構建更強大的AI生態系統
企業可以通過公私部門的集體行動,重新掌控AI的破壞性影響,涵蓋大企業、小型企業、消費者和員工。VMware與CIO合作,確保其數字基礎設施為AI和ML整合做好準備。通過攜手合作,我們可以培育一個繁榮的開放生態系統,始終保持互通且民主。我們的團隊致力於為此貢獻力量。