هوش مصنوعی سازمانی مشکل حافظه دارد، اما کسب و کارها پاسخ این سوال را دارند

هوش مصنوعی (AI) مانند یک نابغه است که هیچ خاطره ای از شما ندارد. این قدرت مغزی زیادی دارد، اما اگر زمینه به طور مستقیم به آن داده نشود، چیزی در مورد کسب و کار، مشتریان یا تصمیماتی که نحوه عملکرد امروز شما را شکل داده است، نمی داند.

و حل این مشکل حافظه به سرعت تبدیل به یک مانع بزرگ برای استقرار هوش مصنوعی سازمانی شده است.

بسیاری از گفتگوهای فعلی در مورد محدودیت های هوش مصنوعی بر روی خود مدل ها و تکامل آنها به سمت پنجره های زمینه بزرگتر، استدلال بهتر یا حافظه طولانی تر متمرکز است. اما این قاب بندی چیز مهمی را از دست می دهد.

شرکت ها برای حل این مشکل نیازی به انتظار برای پیشرفت مدل بعدی ندارند. آن‌ها در حال حاضر آنچه را که در سازمان‌هایشان به آن نیاز دارند، دارند: دهه‌ها محتوا، تصمیم‌گیری، و زمینه سازمانی که اکثر سیستم‌های هوش مصنوعی هرگز نمی‌بینند.

هر بنگاه اقتصادی دارای سابقه گسترده و تا حد زیادی دست نخورده از نحوه عمل خود در قراردادهای مورد مذاکره، رسیدگی به دعاوی، رسیدگی به پرونده ها، تصمیمات اتخاذ شده و بررسی مجدد است. این زمینه انباشته شده ای است که قضاوت یک سازمان را از یک LLM همه منظوره متمایز می کند. با این حال، در اکثر شرکت‌ها، این اطلاعات در سیستم‌ها تکه تکه می‌شوند، در قالب‌های بدون ساختار دفن می‌شوند، یا بدون مسیر مشخصی برای دستیابی هوش مصنوعی به آن قفل شده‌اند.

این شکافی است که باید قبل از اینکه اتوماسیون هوش مصنوعی بتواند به طور مسئولانه مقیاس شود، بسته شود. نه یک مدل هوشمندتر، بلکه یک حافظه کامل تر که از تاریخچه خود یک سازمان ساخته شده است تا یک مجموعه آموزشی همه منظوره.

این را به عنوان "حافظه کاری" در نظر بگیرید: سیستم عصبی آنچه را که یک شرکت قبلا می‌داند به آنچه که هوش مصنوعی می‌خواهد برای انجام آن کمک کند، متصل می‌کند، و زمینه را به هر جایی که نیاز است تصمیم گرفته شود، منتقل می‌کند.

دادن تصویر کامل به هوش مصنوعی

بهترین حافظه کسب و کار به عنوان دانش انباشته شده از نحوه عملکرد یک سازمان توصیف می شود. سال‌ها محتوای سازمانی، گردش کار و دانش صنعت را به اطلاعاتی تبدیل می‌کند که هوش مصنوعی می‌تواند برای اتوماسیون واقعی نمایندگی در مقیاس، بر اساس آن عمل کند. تفکر پشت این ساده است.

با ایجاد یک لایه زمینه که بر داده‌هایی که هوش مصنوعی به آنها دسترسی دارد و حصول اطمینان از عملکرد آن بر روی اطلاعات مرتبط، مجاز و جاری، نظارت می‌کند، سازمان‌ها خروجی‌های تحت کنترل و قابل اعتمادی را که به آن‌ها نیاز دارند، دریافت می‌کنند تا با اطمینان عمل کنند.

حافظه یک سازمان بیشتر از اطلاعاتی است که حفظ می کند. همچنین شامل این است که کدام نسخه معتبر است، چه کسی می‌تواند به آن دسترسی داشته باشد، از کجا آمده و چه مدت اعتبار دارد. حمل این سیگنال‌ها به لایه زمینه به هوش مصنوعی کمک می‌کند تا در چارچوب قوانینی مانند خود کسب‌وکار عمل کند.

بستر بهتر به تنهایی خروجی های قابل اعتماد را تضمین نمی کند. منشأ، ارزیابی، نظارت و نظارت انسانی نیز اهمیت دارد.

و اگرچه بر اساس گزارش‌های تحلیلگران مختلف، حدود 80 درصد از محتوای سازمانی را تشکیل می‌دهد، اما کسب‌وکارها تنها از 10 درصد از این منبع فوق‌العاده ارزشمند استفاده می‌کنند.

اگر سازمان‌ها می‌خواهند اثربخشی مدل‌های هوش مصنوعی خود را به حداکثر برسانند، اولین کاری که باید انجام دهند این است که شروع به استفاده از حافظه تجاری ارزشمند موجود در داده‌های بدون ساختارشان کنند. و این مستلزم سرمایه‌گذاری در زیرساخت شما برای تبدیل آن به یک قالب آماده هوش مصنوعی است.

در عمل، با یک مورد استفاده به وضوح تعریف شده شروع کنید و محتوای معتبر و داده های مورد نیاز برای پشتیبانی از آن را شناسایی کنید. کنترل‌های دسترسی موجود را حفظ کنید، اطلاعات را با ابرداده‌ها و روابط غنی کنید و قبل از گسترش اتوماسیون آزمایش کنید که آیا خروجی‌های هوش مصنوعی دقیق، قابل ردیابی و مفید هستند یا خیر. این یک پایه قابل تکرار ایجاد می‌کند که بدون جایگزینی عمده‌فروشی سیستم‌های موجود، در سراسر کسب‌وکار گسترش می‌یابد.

زمینه کلیدی است

با این حال، دادن دسترسی هوش مصنوعی به داده های مربوطه به تنهایی کافی نیست. در واقع، من شاهد شکست بسیاری از ابتکارات هوش مصنوعی در مراحل اولیه بوده‌ام، زیرا کسب‌وکار از پیچیدگی بسیاری از این داده‌های اساسی درک نمی‌کند.

به این ترتیب، محتوا باید توسط یک «هستی‌شناسی»، یک چارچوب رسمی که همه نهادها، اصطلاحات، روابط و قوانین مختلف در کسب و کار شما را تعریف می‌کند، زمینه‌سازی شود. این امر هوش مصنوعی شما را قادر می‌سازد نه تنها بفهمد چه اطلاعاتی در سراسر سیستم‌های شما وجود دارد، بلکه چگونگی ارتباط همه آن اطلاعات با تجارت یا صنعت شما را نیز درک کند.

به زبان ساده، هستی‌شناسی‌ها مانند نقشه‌ها هستند: هوش مصنوعی شما ممکن است بدون نقشه به مقصد مورد نظرتان برسد، اما داشتن آن تضمین می‌کند که سریع‌تر و بدون اینکه در مسیر به دام بیفتید.

این امر به ویژه برای صنایع تحت نظارت مهم است. برای مثال، در مراقبت‌های بهداشتی، هستی‌شناسی تشخیص‌ها را به طرح‌های درمانی، یادداشت‌های پزشک یا نتایج آزمایشگاهی مرتبط می‌کند. یا در خدمات مالی، مقررات خاص صنعت را به ساختارها و سیاست های انطباق سازمان مرتبط می کنند.

به عبارت دیگر، باز کردن قفل داده های بدون ساختار، زمینه کسب و کار مهمی را فراهم می کند که به ایجاد خروجی های بهتر و آگاهانه تر از هوش مصنوعی شما کمک می کند. اما این به نوبه خود باید توسط یک هستی شناسی زمینه سازی شود تا هوش مصنوعی بتواند داده ها را به درستی درک کند.

کنترل حافظه هوش مصنوعی

هوش مصنوعی برای درک نحوه عملکرد کسب و کار شما و شروع به ایجاد خروجی های قابل اعتماد و ارزشمند نیازی به حافظه کامل ندارد. آنچه به آن نیاز دارد، زمینه مرتبط و تحت کنترل است. که بیشتر آنها در محتوای بدون ساختار زندگی می کنند، اما تنها زمانی مفید می شوند که به داده های سازمانی ساختاریافته متصل شوند.

بنابراین، زیرساختی که می‌تواند سیستم‌های شما را برای دسترسی به اطلاعات مناسب، درک اینکه چگونه این داده‌ها با هم تطبیق می‌دهند و سپس آن‌ها را در واقعیت‌های کسب‌وکار اعمال می‌کند، قادر می‌سازد، ضروری است. اما مهمتر از همه، این بدان معنا نیست که شما باید از صفر شروع کنید.

در واقع، اختراع مجدد پایه های شما اساسا این نقطه را شکست می دهد. حافظه تجاری واقعی سیستم‌ها، محتوا، داده‌ها و فرآیندهایی را که در حال حاضر در سازمان شما وجود دارد را درک می‌کند، بنابراین دور انداختن همه چیز برای دستیابی به زمینه بهتر غیرضروری است و رک و پوست کنده، اتلاف عظیم منابع است.

برای درمان فراموشی هوش مصنوعی لازم نیست منتظر به‌روزرسانی مدل بعدی باشید، و برای دیدن ارزش واقعی پروژه‌های اتوماسیون خود نیازی به تغییر کامل پشته فعلی خود ندارید.

با ایجاد پایه‌های حافظه تجاری، سازمان‌ها می‌توانند کنترل را پس بگیرند، از سیستم‌های هوش مصنوعی خود نهایت استفاده را ببرند و زیرساخت‌های خود را برای هر مدلی که در آینده خواهد داشت انعطاف‌پذیرتر و سازگارتر کنند.

ما بهترین سازنده وب سایت هوش مصنوعی را معرفی کرده ایم.

این مقاله به عنوان بخشی از TechRadar Pro Perspectives، کانال ما برای معرفی بهترین و باهوش ترین ذهن ها در صنعت فناوری امروز تهیه شده است.

نظرات بیان شده در اینجا نظرات نویسنده است و لزوما نظرات TechRadarPro یا Future plc نیست. اگر مایل به مشارکت هستید، اطلاعات بیشتری را در اینجا بیابید: https://www.techradar.com/pro/perspectives-how-to-submit