#ChuyểnĐổi2023: Cách Tạo Niềm Tin Chung Về AI Cho Thành Công Doanh Nghiệp
Các giám đốc điều hành hàng đầu sẽ cùng tham gia sự kiện tại San Francisco vào ngày 11-12 tháng 7 để nghe các nhà lãnh đạo đang tích hợp và tối ưu hóa các khoản đầu tư AI để đạt được thành công. Trong bài diễn thuyết TED của mình, nhà khoa học máy tính Yejin Choi đã đưa ra tuyên bố mâu thuẫn khi nói về AI: “AI ngày nay thông minh đến mức khó tin và sau đó lại ngu ngốc một cách đáng kinh ngạc”. Vậy làm thế nào để tạo niềm tin chung về AI cho sự thành công của doanh nghiệp?
Trước tiên, ta cần phải hiểu rằng AI – trí tuệ nhân tạo – không được xây dựng để cung cấp thông tin chính xác, theo ngữ cảnh cụ thể và hướng đến một nhiệm vụ cụ thể. Thay vì đo lường một mô hình theo cách này, chúng ta nên xem những mô hình này hướng tới mức độ phù hợp dựa trên những gì chúng đã trải qua và sau đó tạo ra phản hồi dựa trên những lý thuyết có thể xảy ra. Vì vậy, việc sử dụng AI tổng quát sáng tạo có thể dẫn đến ảo giác và thông tin sai lệch. Điều này không tốt cho hoạt động kinh doanh của công ty.
Vậy cách tốt nhất để tận dụng tiềm năng vô hạn của AI chính là xây dựng các cấu trúc dữ liệu chặt chẽ để đảm bảo AI cung cấp bối cảnh phù hợp và có thể được đào tạo tinh chỉnh cao mô hình ngôn ngữ lớn (LLM). Sự cân bằng được biên đạo tốt giữa các LLM sẽ tạo ra khung chống ảo giác mạnh mẽ cho phép AI tổng hợp mang lại kết quả chính xác để tạo ra giá trị đối với doanh nghiệp B2B.
Để tạo niềm tin chung về AI cho thành công của doanh nghiệp, ta cần tuân thủ ba khuôn khổ quan trọng: xây dựng các khung chống ảo giác mạnh mẽ, cung cấp các đầu vào dữ liệu chất lượng cao để AI hoạt động được hiệu quả và dùng công nghệ để giảm thiểu các công việc nặng nhọc. Bằng cách phối hợp các đòn bẩy công nghệ khác nhau và giữ con người trong vòng lặp, bất kỳ công ty nào cũng có thể tận dụng tiềm năng của AI để đạt được thành công.
Hãy tham gia cùng chúng tôi tại sự kiện Chuyển Đổi 2023 tại San Francisco vào ngày 11-12 tháng 7, nơi các giám đốc điều hành hàng đầu sẽ chia sẻ kinh nghiệm của mình và giúp các công ty tích hợp và tối ưu hóa các khoản đầu tư AI để đạt được thành công. Đăng ký ngay để không bỏ lỡ cơ hội tạo niềm tin chung về AI cho sự thành công của doanh nghiệp của bạn.
Nguồn: https://venturebeat.com/ai/how-to-create-generative-ai-confidence-for-enterprise-success/
Tham gia cùng các giám đốc điều hành hàng đầu tại San Francisco vào ngày 11-12 tháng 7, để nghe cách các nhà lãnh đạo đang tích hợp và tối ưu hóa các khoản đầu tư AI để thành công. Tìm hiểu thêm
Trong thời gian cô ấy 2023 nói chuyện TED, nhà khoa học máy tính Yejin Choi đã đưa ra một tuyên bố có vẻ mâu thuẫn khi nói: “AI ngày nay thông minh đến mức khó tin và sau đó lại ngu ngốc một cách đáng kinh ngạc”. Làm thế nào một cái gì đó có thể thông minh là ngu ngốc?
Về bản thân, AI — bao gồm trí tuệ nhân tạo — không được xây dựng để cung cấp thông tin chính xác, theo ngữ cảnh cụ thể hướng đến một nhiệm vụ cụ thể. Trên thực tế, việc đo lường một mô hình theo cách này là một việc làm ngu ngốc. Hãy coi những mô hình này hướng tới mức độ phù hợp dựa trên những gì nó đã trải qua và sau đó tạo ra phản hồi dựa trên những lý thuyết có thể xảy ra này.
Đó là lý do tại sao, trong khi AI tổng quát tiếp tục khiến chúng ta mê mẩn với khả năng sáng tạo, thì nó thường không đáp ứng được các yêu cầu của B2B. Chắc chắn, thật thông minh khi ChatGPT tạo ra bản sao trên mạng xã hội như một bản rap, nhưng nếu không được kiểm soát chặt chẽ, AI sáng tạo có thể ảo giác. Đây là khi mô hình tạo ra thông tin sai lệch giả mạo sự thật. Bất kể công ty hoạt động trong lĩnh vực nào, những sai sót nghiêm trọng này chắc chắn không tốt cho hoạt động kinh doanh.
Chìa khóa của AI sáng tạo sẵn sàng cho doanh nghiệp nằm ở cấu trúc dữ liệu chặt chẽ để nó cung cấp bối cảnh phù hợp, sau đó có thể được tận dụng để đào tạo tinh chỉnh cao mô hình ngôn ngữ lớn (LLM). Sự cân bằng được biên đạo tốt giữa các LLM bóng bẩy, có thể hành động tự động hóa và các điểm kiểm tra chọn lọc của con người tạo thành các khung chống ảo giác mạnh mẽ cho phép AI tổng hợp mang lại kết quả chính xác để tạo ra giá trị doanh nghiệp B2B thực sự.
Sự kiện
Chuyển đổi 2023
Hãy tham gia cùng chúng tôi tại San Francisco vào ngày 11-12 tháng 7, nơi các giám đốc điều hành hàng đầu sẽ chia sẻ cách họ đã tích hợp và tối ưu hóa các khoản đầu tư vào AI để đạt được thành công và tránh những cạm bẫy phổ biến.
Đăng ký ngay
Đối với bất kỳ doanh nghiệp nào muốn tận dụng tiềm năng vô hạn của AI, đây là ba khuôn khổ quan trọng để kết hợp vào ngăn xếp công nghệ của bạn.
Xây dựng các khuôn khổ chống ảo giác mạnh mẽ
hiểu rồimột công ty có thể xác định những hành vi sai trái chung chung, đã chạy thử nghiệm và xác định rằng LLM của ChatGPT tạo ra phản hồi không chính xác khoảng 20% của thời gian. Tỷ lệ thất bại cao đó không phục vụ mục tiêu của doanh nghiệp. Vì vậy, để giải quyết vấn đề này và giữ cho AI tổng quát không bị ảo giác, bạn không thể để nó hoạt động trong môi trường chân không. Điều cần thiết là hệ thống được đào tạo dựa trên dữ liệu chất lượng cao để thu được kết quả đầu ra và hệ thống được con người giám sát thường xuyên. Theo thời gian, các vòng phản hồi này có thể giúp sửa lỗi và cải thiện độ chính xác của mô hình.
Điều bắt buộc là chữ viết đẹp của AI sáng tạo phải được cắm vào một hệ thống định hướng theo ngữ cảnh, hướng đến kết quả. Giai đoạn ban đầu của hệ thống của bất kỳ công ty nào là phương tiện trống để nhập thông tin phù hợp với công ty và các mục tiêu cụ thể của công ty. Giai đoạn giữa là trung tâm của một hệ thống được thiết kế tốt, bao gồm tinh chỉnh LLM nghiêm ngặt. OpenAI mô tả các mô hình tinh chỉnh là “một kỹ thuật mạnh mẽ để tạo một mô hình mới dành riêng cho trường hợp sử dụng của bạn.” Điều này xảy ra bằng cách sử dụng các mô hình đào tạo và phương pháp tiếp cận thông thường của AI tổng quát trên nhiều ví dụ về trường hợp cụ thể hơn, do đó đạt được kết quả tốt hơn.
Trong giai đoạn này, các công ty có thể lựa chọn giữa việc sử dụng kết hợp tự động hóa được mã hóa cứng và LLM tinh chỉnh. Mặc dù vũ đạo có thể khác nhau giữa các công ty, nhưng việc tận dụng sức mạnh của từng công nghệ để đảm bảo đầu ra phù hợp với ngữ cảnh nhất.
Sau đó, sau khi mọi thứ ở mặt sau được thiết lập, đã đến lúc để AI tổng quát thực sự tỏa sáng trong giao tiếp hướng ra bên ngoài. Các câu trả lời không chỉ được tạo ra nhanh chóng và có độ chính xác cao, mà còn mang đến giọng điệu cá nhân mà không gây mệt mỏi cho sự đồng cảm.
Phối hợp công nghệ với các trạm kiểm soát của con người
Bằng cách phối hợp các đòn bẩy công nghệ khác nhau, bất kỳ công ty nào cũng có thể cung cấp các dữ kiện có cấu trúc và bối cảnh cần thiết để các LLM làm những gì họ làm tốt nhất. Đầu tiên, các nhà lãnh đạo phải xác định các nhiệm vụ cần nhiều tính toán đối với con người nhưng dễ tự động hóa — và ngược lại. Sau đó, yếu tố trong đó trí tuệ nhân tạo là tốt hơn so với cả hai. Về cơ bản, đừng sử dụng AI khi một giải pháp đơn giản hơn, như tự động hóa hoặc thậm chí là nỗ lực của con người, là đủ.
Trong một cuộc trò chuyện với Giám đốc điều hành của OpenAI, Sam Altman tại Stripe Sessions ở San Francisco, người sáng lập của Stripe, John Collison, nói rằng Stripe sử dụng GPT-4 của OpenAI “ở bất cứ đâu mà ai đó đang thực hiện công việc thủ công hoặc thực hiện một loạt nhiệm vụ”. Các doanh nghiệp nên sử dụng tự động hóa để tiến hành các công việc nặng nhọc, chẳng hạn như tổng hợp thông tin và tìm kiếm các tài liệu dành riêng cho công ty. Họ cũng có thể mã hóa cứng các nhiệm vụ rõ ràng, rõ ràng, chẳng hạn như chính sách hoàn trả.
Chỉ sau khi thiết lập cơ sở vững chắc này, nó mới sẵn sàng cho AI. Bởi vì các đầu vào được quản lý chặt chẽ trước khi AI tổng quát tiếp cận thông tin, các hệ thống được thiết lập để giải quyết chính xác các vấn đề phức tạp hơn. Giữ con người trong vòng lặp vẫn rất quan trọng để xác minh độ chính xác đầu ra của mô hình, cũng như cung cấp phản hồi về mô hình và kết quả chính xác nếu cần.
Đo lường kết quả thông qua tính minh bạch
Hiện tại, LLM là hộp đen. Khi phát hành GPT-4, OpenAI đã tuyên bố rằng “Với cả bối cảnh cạnh tranh và ý nghĩa an toàn của các mô hình quy mô lớn như GPT-4, báo cáo này không có thêm chi tiết nào về kiến trúc (bao gồm cả kích thước mô hình), phần cứng, tính toán đào tạo, tập dữ liệu xây dựng, phương pháp đào tạo, hoặc tương tự.” Mặc dù đã có một số bước tiến trong việc làm cho các mô hình bớt mờ hơn, nhưng cách thức hoạt động của mô hình vẫn còn là một điều bí ẩn. Không chỉ không rõ những gì nằm bên trong mà còn mơ hồ về sự khác biệt giữa các kiểu máy — ngoài chi phí và cách bạn tương tác với chúng — bởi vì toàn bộ ngành không có các phép đo hiệu quả được tiêu chuẩn hóa.
Hiện có nhiều công ty đang thay đổi điều này và mang lại sự rõ ràng cho các mô hình AI tổng quát. Các phép đo hiệu quả tiêu chuẩn hóa này mang lại lợi ích cho doanh nghiệp ở hạ nguồn. Các công ty như quý tộc liên kết dữ liệu trở lại phản hồi của khách hàng để bất kỳ ai cũng có thể thấy LLM hoạt động tốt như thế nào đối với các kết quả đầu ra AI tổng quát. Các công ty khác như Máy bay giấy.ai tiến thêm một bước bằng cách thu thập dữ liệu AI tổng quát và liên kết dữ liệu đó với phản hồi của người dùng để các nhà lãnh đạo có thể đánh giá chất lượng, tốc độ và chi phí triển khai theo thời gian.
Liz Tsai là người sáng lập và CEO của HiOperator.
Dữ liệuNgười ra quyết định
Chào mừng bạn đến với cộng đồng VentureBeat!
DataDecisionMakers là nơi các chuyên gia, bao gồm cả những người kỹ thuật làm công việc dữ liệu, có thể chia sẻ những hiểu biết và đổi mới liên quan đến dữ liệu.
Nếu bạn muốn đọc về các ý tưởng tiên tiến và thông tin cập nhật, các phương pháp hay nhất cũng như tương lai của dữ liệu và công nghệ dữ liệu, hãy tham gia cùng chúng tôi tại DataDecisionMakers.
Bạn thậm chí có thể xem xét đóng góp một bài viết của riêng bạn!
Đọc thêm từ DataDecisionMakers
[ad_2]
